# Kling：快手的视频模型，3.0 和 4.0 能做什么

> Kling 是中国公司快手的视频模型系列。Kling 3.0 于 2026 年 2 月 5 日发布：成片最长 15 秒，支持 720p 和 1080p，一次生成多个镜头，原生多语言声音，并能按照片和视频做角色。2026 年 9 月 28 日，Kling 公布 4.0，宣称最长可生成 30 秒，目前仍处于抢先体验。在 AI2Face 的生成器里可以使用 Kling。

开发者: Kuaishou · 发布时间: 2026-02-05 · 更新于 2026-10-01
URL: https://ai2face.com/zh/models/kling

## 关键信息

| | |
|---|---|
| 开发者 | Kuaishou (Kling AI) |
| 版本 | Kling 3.0 与 3.0 Omni（2026 年 2 月 5 日）、3.0 Turbo、Kling 4.0（2026 年 9 月 28 日公布） |
| 能做什么 | 按文字、图像、视频和音频生成带声音的视频，并修改成片 |
| 时长 | 3.0 最长 15 秒；4.0 最长 30 秒（已宣称） |
| 分辨率 | 3.0 为 720p 和 1080p |
| 多镜头 | 分镜可分别设定时长、景别、角度和镜头运动 |
| 参考 | 最多 7 张图像；可从 3–8 秒视频提取角色并带上声音 |
| 声音 | 原生声音：不同语言、方言和口音的对白，以及音乐和音效 |
| 在 AI2Face | 可用 |

## Kling 是什么

Kling 是中国公司快手的视频模型，快手同时运营同名短视频平台。截至 2026 年 2 月，公司公布的数字是：超过 6000 万创作者用过 Kling，生成成片超过 6 亿条，超过 3 万家公司用过这套模型。

**Kling 3.0** 于 2026 年 2 月 5 日发布。快手列出的主要改进是：角色更稳定、更接近照片、成片最长 15 秒，以及不同语言、方言和口音的原生声音。模型按「一个模型做完」来设计：能理解文字、图像、音频和视频，并且能在同一次流程里生成和修改成片。旁边的 **Kling 3.0 Omni** 负责参考和修改。之后又出了更快的 **Kling 3.0 Turbo**。

**Kling 4.0** 于 2026 年 9 月 28 日公布，下文说明已知信息。

## Kling 能做什么

**一条成片里放多个镜头。** Kling 3.0 会做分镜：每个镜头可以单独设定时长、景别、角度、动作和镜头运动。总长度最长 15 秒。

[厨师切罗勒和番茄，把意面抛进带火的锅，刨帕玛森，微笑着把盘子放到出餐口](https://ai2face.com/_astro/media/models/kling/multi-shot.mp4 "一条提示词里的四个镜头：特写、中景、慢动作特写和全景。Kling 3.0 Pro，15 秒")

**对白和声音。** 引号里的台词会配上对口型，同时带音乐和背景声。

[穿灰色大衣的街头小提琴手傍晚在石拱下演奏，放下琴，对着镜头说话](https://ai2face.com/_astro/media/models/kling/dialogue.mp4 "一次生成里同时有旋律、对着镜头的一句台词和街声。结尾琴弓略微离开了手。Kling 3.0 Pro，10 秒")

**物理和动态。** 模型能保住惯性和身体重量：跳跃、奔跑、落地。

[跑酷者在日落时分跑过屋顶，跃过楼与楼之间的空隙后落地，镜头贴着他飞过](https://ai2face.com/_astro/media/models/kling/motion.mp4 "越过空隙的一跳，镜头跟着过去。Kling 3.0 Pro，10 秒")

**首帧和尾帧。** 给 Kling 两张图，它会补上中间的运动。

[红卷发的女生从秋日野餐毯上站起来，穿上大衣和贝雷帽，把一片红枫叶凑到脸前](https://ai2face.com/_astro/media/models/kling/first-last-frame.mp4 "我们秋日写真的画面作为开头和结尾。脸保持住了，但中段衣服会「流」到另一套上。Kling 3.0 Pro，9:16，8 秒")

**角色元素。** 在 Kling 3.0 Omni 里可以上传最多 7 张图，用 4 个角度拼一个角色，或从 3–8 秒的视频里抽出角色，外观和声音一起带走。3 秒及以上的录音可以把声音绑到角色上。

**Motion Control。** 动作迁移：参考视频里的舞蹈、手势或步态，套到照片里的角色上。

## Kling 4.0：目前已知的信息

2026 年 9 月 28 日，Kling 公布了 4.0。官网把这版写成「全新」：稳定的动态动作和沉浸式声音，面向专业级制作。开发者平台列出即将进入 API 的四项能力：动态动作、Omni 参考、原生 30 秒生成，以及多个关键帧。

目前只有较轻的 **Kling 4.0 Flash** 处于抢先体验。完整版和 API 标为「即将推出」。媒体援引公司给出了更具体的数字——4K、HDR、参考数量——但我们在 Kling 的官方材料里没有找到这些数字。等 4.0 完整发布后，本页会更新。

## Kling 适合哪些任务

- **15 秒以内的短故事和广告**，多个镜头，不用再剪。
- **带对白的成片**，不同语言和口音。
- **按参考做舞蹈和动作**，用 Motion Control。
- **动作和运动**，模型对惯性把握较好。
- **同一角色的系列**，角色由照片或视频拼成。

## Kling 和同类模型

| | Kling 3.0 | [Veo 3.1](/zh/models/veo-3-1) | [Seedance 2.5](/zh/models/seedance) | [Gemini Omni 1.1 Flash](/zh/models/gemini-omni) |
|---|---|---|---|---|
| 开发者 | Kuaishou | Google DeepMind | ByteDance Seed | Google DeepMind |
| 单次时长 | 最长 15 秒 | 4、6、8 秒 | 最长 30 秒 | 3–10 秒 |
| 分辨率 | 720p、1080p | 最高 4K | 未公布 | 最高 4K（放大） |
| 多镜头 | 有，分镜 | 在提示词里写时间码 | 有 | 有 |
| 参考 | 最多 7 张照片，可从视频提取带声音的角色 | 最多 3 张图像 | 30 张照片、10 段视频、10 段音频 | 图像，以及最多 3 段视频 |
| 动作迁移 | Motion Control | 无 | 按参考视频 | 按参考视频 |
| 在 AI2Face | 有 | 有 | 有 | 有 |

Kling 3.0 适合 10–15 秒、带分镜和对白的成片，Motion Control 目前仍是迁移动作最省事的方式。Veo 3.1 能做 4K，短片里的声音也更好。Seedance 2.5 的单条最长。Gemini Omni 在输入和修改上最灵活。

## 怎样给 Kling 写提示词

- **给镜头编号：**「镜头 1：手部特写……镜头 2：中景……」。每个镜头都写动作和机位。
- **对白放进引号**，并注明谁在说、什么语气。
- **声音单独一行：** 音乐、音效、背景。
- **用词写清物理：**「真实的惯性」「落地后翻滚」——模型会把动作抓得更稳。
- **两帧之间的过渡**要写出中间发生了什么：「站起来，穿上大衣，拿起叶子」。

```
四镜头的烹饪短片。镜头 1：特写，厨师的手在木砧板上切新鲜罗勒和番茄。镜头 2：中景，
厨师把意面抛进热锅，火苗窜起。镜头 3：慢动作特写，帕玛森刨到盘子上。镜头 4：
trattoria 温暖厨房的全景，厨师把盘子放到出餐口并微笑。声音：刀切木头、锅的滋滋声、
厨房环境声、轻柔的意大利吉他。照片级真实，暖光
```

## 怎样在 AI2Face 里用 Kling

Kling 在 AI2Face 生成器里可用：带声音的成片、分镜和动作迁移。费用在开始前就能看到。

同一生成器里还有：

- **[Veo 3.1](/zh/models/veo-3-1)**：4–8 秒、最高 4K，带对白和音效，能让照片动起来，支持首帧和尾帧。
- **[Gemini Omni Flash](/zh/models/gemini-omni)**：最长 10 秒，用多张参考拼一场戏，支持首帧和尾帧。

一条短的 4K 成片可以用两段 Veo 3.1 拼出来，角色按同一张参考保持一致。两款模型都在同一个生成器里，费用事先可见。

## 限制

- **小细节会出错。** 我们的测试里，手里的物件有时会脱离（小提琴手的琴弓）；两帧过渡时，衣服可能从一套「流」成另一套。
- **3.0 的分辨率最高 1080p。** Kling 3.0 没有官方宣布 4K。
- **Kling 4.0 仍在抢先体验**，而且只有 Flash。
- **获取方式。** 官方是 Kling 网站、应用和 API。在部分国家直接支付订阅比较困难。

## 总结

Kling 3.0 是做短故事很强的视频模型之一：一次生成最长 15 秒，里面有多镜头分镜、对口型的对白，以及站得住的物理。Motion Control 让它最适合按参考做舞蹈和动作。Kling 4.0 承诺时长翻倍，完整发布后本页会跟上。Kling 已在 AI2Face 可用。如果要 4K，或要短片里更好的声音，用 [Veo 3.1](/zh/models/veo-3-1) 或 [Gemini Omni](/zh/models/gemini-omni)，它们在同一个生成器里。

## 常见问题

### Kling 是什么？

中国公司快手的视频模型，快手也运营同名短视频平台。Kling 能按文字、照片和视频生成带声音的成片。据快手 2026 年 2 月的数据，使用过它的创作者超过 6000 万。

### Kling 3.0 有什么新能力？

成片从最长 10 秒延长到 15 秒，原生多语言声音，一条成片里包含多个镜头的分镜，角色更稳，画面更接近照片。这些都在同一个模型里，它能理解文字、图像、音频和视频。

### Kling 4.0 什么时候发布？

Kling 于 2026 年 9 月 28 日公布 4.0。目前较轻的 Kling 4.0 Flash 处于抢先体验，完整版和 API 标为「即将推出」。已宣称的能力包括最长 30 秒、多个关键帧和 Omni 参考。

### Kling Motion Control 是什么？

动作迁移模式。模型从参考视频里取出人物动作，套到图片中的角色上。照片就能跟着真实片段里的舞蹈或手势动起来。

### AI2Face 里有 Kling 吗？

有。Kling 在 AI2Face 生成器里可用，费用在生成前就能看到。需要 4K 和带声音的短片时，同一生成器里还有 Veo 3.1 和 Gemini Omni Flash。

## 资料来源

- https://ir.kuaishou.com/news-releases/news-release-details/kling-ai-launches-30-model-ushering-era-where-everyone-can-be
- https://kling.ai/quickstart/klingai-video-3-omni-model-user-guide
- https://kling.ai/dev
- https://kling.ai/
- https://ai.google.dev/gemini-api/docs/veo
- https://seed.bytedance.com/en/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5