01
将文字与图片转化为电影感视频
让场景描述与静态画面变成有节奏的动态镜头。Kling 4.0 结合文生视频、图生视频与主体、构图、动作指令,将人物登场、产品展示或分镜创意转化为连续画面,让视觉焦点与角色表现贴合创作意图。
- 通过文字描述生成角色、场景与动作
- 让产品图片、人物与分镜画面动起来
- 结合主体构图、动作与风格塑造镜头
支持拖放文件、粘贴文件或添加链接。 按顺序添加一张首帧和可选尾帧。搭配参考素材时,只能添加一张首帧。
支持拖放文件、粘贴文件或添加链接。 用于编辑的源视频,时长为 3–30 秒。编辑模式仅可搭配参考图片和图片主体。
支持拖放文件、粘贴文件或添加链接。 最多 10 张图片,包含可选首帧。按顺序使用 @Image1、@Image2 等引用。上传支持 JPEG、PNG 或 WebP,单张不超过 10 MB。


@Image1@Image2支持拖放文件、粘贴文件或添加链接。 最多 5 个视频,每个 3–30 秒。参考视频与视频主体的总时长不得超过 30 秒。上传支持 MP4 或 MOV,单个不超过 200 MB。
删除或调整参考素材、主体的顺序后,请检查每段提示词中的引用标签。
示例输出
这是示例数据。生成新结果后可查看真实输出。
按量付费,无订阅、无隐藏费用。
| 档位 | PoYo 价格 | 原价 / 折扣 |
|---|---|---|
| 720p · 无视频输入 | $0.142/秒 28.5 积分/秒 | $0.157/秒省 9% Fal |
| 720p · 含视频输入 | $0.085/计费秒 17 积分/计费秒 | $0.094/计费秒省 10% Fal |
| 1080p · 无视频输入 | $0.212/秒 42.5 积分/秒 | $0.235/秒省 10% Fal |
| 1080p · 含视频输入 | $0.128/计费秒 25.5 积分/计费秒 | $0.141/计费秒省 10% Fal |
实际扣费以最终输出为准。
以首尾帧、多模态参考和原生音频,塑造电影感故事
Kling 4.0 将文字与图片转化为 3–30 秒的视频,提供 720p 与 1080p 输出。通过首尾帧确定开场与收尾画面,并把片段拆成多个分镜、分别设置提示词和时长,让电影镜头、产品展示与短篇故事获得清晰的视觉节奏。
组合最多 15 项多模态参考,延续角色身份与场景风格;结合导演式运镜指令、原生立体声、多语言对白与口型同步,让画面、动作和声音共同塑造连贯的电影感表达。
将提示词与视觉参考转化为电影感叙事,以更长镜头、精细创作控制和同步音频呈现完整场景。
01
让场景描述与静态画面变成有节奏的动态镜头。Kling 4.0 结合文生视频、图生视频与主体、构图、动作指令,将人物登场、产品展示或分镜创意转化为连续画面,让视觉焦点与角色表现贴合创作意图。
02
为片段中的关键时刻设定明确画面。Kling 4.0 可以从首帧推进到可选的尾帧,控制构图、角色姿态与转场。需要表现多个节点时,可以把最长 30 秒的片段拆成多个分镜,分别设置提示词和时长,让动作展开呼应分镜设计,使画面推进贴合叙事节奏。
03
让角色在不同场景与动作中延续鲜明形象。Kling 4.0 的 Omni Reference 可组合最多 15 项图片、视频与主体参考,用设定图明确外观、参考视频引导运动、主体延续反复出现的角色或产品,让关联镜头保持身份与风格一致。
04
让角色对话与场景氛围共同推动故事。Kling 4.0 结合原生双声道立体声、自然对白、音效与环境音,并同步人物口型。通过提示词指定语言、口音与背景声音,使台词、表情和听觉氛围形成连贯的视听表达。
05
让镜头运动跟随动作展开,突出人物情绪或产品细节。Kling 4.0 理解推进、环绕、跟拍等导演式指令,结合场景描述协调景别、构图与角色运动,使动态场面、情绪特写和产品揭示呈现清晰连贯的视觉节奏。
06
为角色表演、产品演示与运镜变化留出完整展开的空间。Kling 4.0 可单次生成 3–30 秒视频,支持 720p 与 1080p 输出,并结合 21:9 等画幅,让电影长镜头与竖屏故事获得合适的时长和构图。
利用 Kling 4.0 开发叙事场景、表演研究和前期分镜。首尾帧和分镜提示词帮助安排视觉节点,参考素材帮助保持角色身份,运镜指令则用于探索镜头语言。团队可以在更长片段中评估节奏、表演和构图,将创意转化为清晰的制作方案。
通过 Kling 4.0 将广告概念转化为产品揭示、角色短片与本地化品牌故事。结合产品参考、镜头运动和原生对白塑造明确的信息表达,团队可以整理共用素材、探索不同场景方向,并围绕目标受众调整内容创意。
以已有视觉资产规划产品演示、服装展示与包装故事。Kling 4.0 让产品图片产生运动,参考指令帮助保持可辨识的外观。通过安排特写、揭示和人物互动等关键时刻,品牌可以围绕产品设计一个集中而连贯的视觉叙事。
利用 Kling 4.0 开发短篇故事、角色表演与竖屏内容。清晰的提示词、可复用的角色参考和有意安排的声音氛围,共同构建从开场到结尾的连贯场景。创作者可以围绕一个叙事目标探索视觉与音频的多种组合。
通过 Kling 4.0 探索角色登场、世界观片段和过场概念。角色设定图与动作参考用于传达外观和运动,运镜与氛围音则帮助塑造场景情绪。团队可以将环境、人物与故事节点组合为便于创意评审的视觉研究。
利用 Kling 4.0 规划教学演示、情境课程与多语言讲解场景。分镜提示词帮助组织教学节点,原生对白与口型同步适合角色引导的说明。团队可以根据不同学习主题调整视觉参考和场景简报,让内容围绕清晰的教学目标展开。
Kling 4.0 更适合需要更长时长和更多控制的视频:单段最长 30 秒,可以组合参考图片、参考视频和主体,还能编辑已有视频。Kling 3.0 更适合需要原生 4K 画质的成片,各档位都可以选择是否生成原生音频。在 PoYo 上,两个模型都可以根据文字或首尾帧生成视频。
| 对比项 | Kling 4.0 | Kling 3.0 |
|---|---|---|
| 核心优势 | 30 秒长视频、多模态参考、视频编辑 | 原生 4K 输出、可选原生音频 |
| 适用场景 | 需要较长镜头、动作参考或主体一致性的广告、剧情片段和视频修改 | 需要原生 4K 细节的短成片 |
| 输入方式 | 文字、首尾帧、参考图片、参考视频和主体、视频编辑 | 文字、首尾帧、元素参考 |
| 视频编辑 | 用提示词编辑 3–30 秒的源视频 | 不支持 |
| 时长 | 3–30 秒 | 3–15 秒 |
| 分辨率 | 720p、1080p | 约 720p(Standard)、1080p(Pro)、原生 4K |
| 原生音频 | 每个视频都带立体声音频,没有开关选项 | 通过 sound 开启;多镜头模式必须开启 |
| 画面比例 | auto、16:9、9:16、1:1、21:9 | 16:9、9:16、1:1 |
| 参考素材 | 最多 10 张图片、5 个视频和 7 个主体 | 由图片或视频构建的元素参考 |
| 多镜头提示词 | multi_prompt,总时长 3–30 秒 | multi_shots 配合 multi_prompt,总时长 3–15 秒 |
表中为各模型在 PoYo API 文档中的参数。按秒价格请查看各模型的定价表。
第一步:创建 API Key
注册 PoYo 账户并创建 API Key,为应用集成整理开发环境。
创建 API Key →
第二步:整理提示词与参考素材
明确场景、角色、运镜与音频,收集参考图片并标注关键视觉节点,形成可复用的创作简报。浏览已有 Kling 工作流,获得实际创作思路。
探索 Kling 工作流 →
第三步:规划应用集成
阅读 PoYo 平台文档,为视频应用规划任务提交、状态跟踪与结果处理流程。
阅读平台文档 →
结合 PoYo 的能力说明与版本对比,了解时长、参考输入和创作控制,为分镜、对白或长镜头选择合适的创作路径。
通过 PoYo 的 API Key 入口与平台文档整理鉴权和请求流程,将创作需求转化为清晰的应用集成方案。
查阅 PoYo 平台的任务状态查询与回调资料,安排进度跟踪、完成通知和结果处理,让异步任务与应用体验顺畅衔接。
结合 PoYo 的图像与视频模型目录组织创作环节,复用提示词和参考素材,将概念设计、视觉准备与动态叙事串联起来。