起始帧

点击或拖拽上传素材

支持 JPG、PNG、WEBP，单张不超过 10MB

中间关键帧

最多 6 个 · ≤ 10MB

添加中间关键帧

结束帧

点击或拖拽上传素材

支持 JPG、PNG、WEBP，单张不超过 10MB

Prompt

必填

0/8000

时长

3s30s

Kling 4.0 可灵AI视频生成器 - 多图参考与30秒

用可灵最新的 Kling 4.0 AI视频生成器，一次生成最长 30 秒、自带原生音频的视频。输入提示词、最多 15 个参考图片/视频/声音，或一组关键帧，即可得到 720p 或 1080p 的多镜头短片。

一段 10 秒的电影感短片，三个镜头硬切。镜头 1：摇臂大全景缓缓下降，俯瞰古老亚洲城市里被雨水浸湿的夜市，霓虹招牌倒映在水洼中，小吃摊冒着热气。镜头 2：特写一位年迈的街头厨师，在火焰升腾的炒锅里颠炒面条。镜头 3：一位穿黄色雨衣的年轻女子收起雨伞，对厨师微笑，轻声说：“老样子，谢谢。”35mm 胶片质感。声音：雨打篷布声、炒锅滋滋声、人群低语和她的台词。

如何使用 Kling 4.0

从提示词、参考图到模型选择，按实际生成顺序快速走完一轮。

选择生成方式

打开 Kling 4.0 AI视频生成器，选择一个标签页：文生视频只需要提示词；图生视频上传起始帧，可加中间关键帧和结束帧；多模态上传参考图片、参考视频和参考音频。

编写提示词

用最多 8000 字描述镜头、运镜和台词。每个素材的缩略图上都标着引用名，如 @image_1、@video_1、@voice_1，或 @first_frame、@keyframe_1、@last_frame，在提示词里直接写这些名字，模型就知道每个文件的用途。

设置时长并生成

选择 3 到 30 秒、720p 或 1080p，以及 16:9、9:16、1:1 或 21:9 画幅。生成后连同声音一起预览，不满意就改提示词或换一帧，再生成一次。

为什么选择 Kling 4.0

了解帮助你创作更清晰、更稳定图片的核心能力。

30 秒多镜头，自带声音

Kling 4.0 单次最长生成 30 秒，是 Kling 3.0 的两倍，足够容纳一场带多个镜头和硬切的完整戏。在提示词里写好分镜，对白、环境音和音效会以立体声与画面同步生成。

生成 30 秒视频

多图参考生视频，人物前后一致

最多上传 10 张参考图和 5 段参考视频，在提示词里用 @image_1、@video_1 指定。人脸、商品和场景在每个镜头里都保持一致，适合做广告、系列短片和品牌内容。

用参考素材生成

首尾帧加中间关键帧

上传起始帧、结束帧，中间最多再加 8 张关键帧，模型会按顺序依次经过它们。故事从哪里开始、途经哪些场景、在哪里收尾，都由你决定。视频越长可用的帧越多，最多 10 张。

试试关键帧生视频

声音参考与口型同步对白

最多上传 3 段人声，用 @voice_1 让角色用这个声音说话，台词与画面中的口型同步。加入参考视频时，还可以选择保留它的原声，而不是重新生成音频。

添加声音

常见问题

生成前需要了解的一些常见决策参考。

Kling 4.0 是快手旗下可灵AI于 2026 年 10 月发布的最新视频模型，可以根据文字、关键帧或参考图片和视频，生成 3 到 30 秒、自带原生音频的视频。在 Pic Creator 上可输出 720p 或 1080p。

Kling 3.0 单条最长 15 秒。Kling 4.0 把时长翻倍到 30 秒，一条视频里最多可放 10 张关键帧，每个任务最多接收 15 个参考文件，环绕、跟拍等运镜也更稳定。

打开多模态标签页，最多上传 10 张图片、5 段视频和 3 段人声。每个文件的缩略图上都标着引用名，如 @image_1、@video_1、@voice_1。在提示词里使用这些名字，例如“@image_1 里的女子拿起瓶子”。每个 @ 都必须对应一个已上传的文件，否则任务无法开始。

打开图生视频标签页，先上传起始帧，再按剧情顺序添加中间关键帧，最后上传结束帧。3 秒视频最多 4 帧，9 秒及以上最多 10 帧。在提示词里描述帧与帧之间的动作，用 @first_frame、@keyframe_1、@last_frame 指代每一帧。

Pic Creator 上的 Kling 4.0 输出 3 到 30 秒的 720p 或 1080p MP4 视频，画幅可选 16:9、9:16、1:1 或 21:9；使用参考素材时也可以自动跟随素材比例。可灵已经预告 4K 输出，但目前还不可用。

创作者评价

这些反馈更接近真实使用场景，而不是营销话术。

“我们把每条广告画成四张关键帧：产品图、质地特写、模特和结尾画面，剩下的动作交给 Kling 4.0。以前要剪一整天的版本，现在一个下午就能出完。”

林

林晓雯

广告创意负责人

“一条 30 秒、三次切镜、台词已经对好口型的镜头，拿去做提案完全够用。为了表演到位我还是会多生成几次，但镜头之间是连贯的。”

周

周子航

独立电影人

“商品图作为 @image_1、模特照作为 @image_2 传进去，每一帧里的商品都一模一样。正是因为这份一致性，我们把商品视频都换成了这个模型。”

陈

陈思敏

电商内容经理