Model icon
kling-4.0
Text to Video
Image to Video
Reference to Video
Video to Video
查看更多 Kling 模型
模型:
在 PoYo 使用 Kling 4.0,从文字、首尾帧或视觉参考生成 3–30 秒视频,也可编辑已有视频。通过 API 或 Playground 使用分镜提示词、图片主体和视频主体,输出 720p 或 1080p 视频。
输入
1591/26000
已添加 0/1

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。

已添加 2/10

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。

Reference Image Urls 1
——
Reference Image Urls 2
——
@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。

0/7 · Element Input Video Urls 0/3
输出

示例输出

这是示例数据。生成新结果后可查看真实输出。

任务 ID:BIIA0RLIILB65JTX创建时间:2026-10-23T10:50:05
状态:finished进度:100%
Examples
价格详情

按量付费,无订阅、无隐藏费用。

1 积分 = $0.005
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
计费方式: 按输出视频的秒数计费。 带视频输入时,计费秒数 = 输出时长 + max(输入视频总时长向上取整, 输出时长)。

实际扣费以最终输出为准。

KLING 4.0 · 视频生成与编辑

以首尾帧、多模态参考和原生音频,塑造电影感故事

Kling 4.0 API:30 秒电影感 AI 视频生成

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。

Kling 4.0 API 的核心功能

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

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

02

用首尾帧与分镜安排每个叙事节点

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。

  • 通过首尾帧确定开场与收尾构图
  • 把片段拆成多个分镜,分别设置提示词与时长
  • 用视觉节点引导角色姿态与转场

03

用 15 项多模态参考统一创作

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。

  • 组合总计最多 15 项多模态参考
  • 用图片、视频与主体引导创作
  • 在关联镜头中延续角色身份与视觉风格

04

以原生立体声呈现自然对白

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。

  • 生成双声道立体声对白、音效与环境音
  • 将角色台词与口型动作同步呈现
  • 通过提示词指定多语言对白与口音

05

用导演式指令塑造自然运镜

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。

  • 用导演式指令描述推进、环绕与跟拍
  • 协调镜头运动、角色动作与画面构图
  • 保持复杂运动与场景推进的视觉连贯

06

用 30 秒长镜头展开故事

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。

  • 单次生成 3–30 秒连续视频片段
  • 选择 720p 或 1080p 输出
  • 适配 21:9、16:9、1:1 与 9:16 画幅

谁能从 Kling 4.0 API 中受益?

01

影视创作者与创意工作室

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。

02

营销与广告团队

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。

03

电商品牌与零售商

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。

04

社交内容创作者与平台

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。

05

游戏开发者与虚拟世界团队

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。

06

教育与培训团队

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 vs Kling 3.0:优势与功能对比

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 4.0Kling 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、21:916:9、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。

在 PoYo 准备 Kling 4.0 API 工作流

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 →

关于 Kling 4.0 API 的常见问题

什么是 Kling 4.0?

Kling 4.0 是快手面向电影感创作的多模态 AI 视频模型。它结合了 3–30 秒视频生成、720p 与 1080p 输出、原生立体声、首尾帧控制、分镜提示词和多模态参考等能力,让创作者从画面构图、角色身份到运镜与对白,以多种相互配合的方式塑造完整场景。 PoYo 目前通过 API 和 Playground 提供文生视频、首尾帧图生视频、参考生视频和视频编辑,支持 720p 或 1080p、3–30 秒输出,以及分镜提示词、图片主体和视频主体。

Kling 4.0 可以通过文字和图片生成视频吗?

Kling 4.0 包含文生视频与图生视频工作流。文字提示词可以描述角色、动作、场景风格、运镜与声音;参考图片用于建立主体和构图,首尾帧则帮助规划镜头的视觉推进。结合这些输入,创作者可以将一份创作简报转化为具有明确方向的连续画面。

首尾帧和分镜提示词如何引导视频内容?

在 PoYo 上,Kling 4.0 支持一张首帧和一张可选尾帧,用来确定镜头的起点和终点。如果一段内容包含多个节点,可以用 multi_prompt 把最长 30 秒的片段拆成多个分镜,每个分镜都有自己的提示词(最多 512 个字符)和时长。

Omni Reference 可以为场景提供哪些参考?

在 PoYo 上,Omni Reference 可组合最多 15 项素材:最多 10 张图片(含可选首帧)、5 个参考视频和 7 个由图片或视频创建的主体。角色设定图用于引导外观,产品图片用于确定设计细节,视频参考则用于传达动作和节奏。将这些素材组合起来,有助于在关联场景中延续身份、风格与表演方向。

Kling 4.0 能同时生成音频和视频吗?

Kling 4.0 的音频能力包括立体声、自然的多语言对白、同步口型、音效与环境音。创作者可以在描述画面动作时同时安排台词、语言或口音,以及背景声音,使角色表演、场景氛围与叙事节奏形成连贯的视听表达。在 PoYo 上生成的视频都带有双声道立体声音轨。

Kling 4.0 支持哪些分辨率?

在 PoYo 上,Kling 4.0 可以生成 720p 或 1080p 视频,时长 3–30 秒,画面比例包括 21:9、16:9、1:1 和 9:16。720p 适合成本更低的草稿,1080p 适合最终交付。快手已宣布 Kling 4.0 后续会支持 4K 输出;如果现在就需要原生 4K,可以使用 PoYo 上的 Kling 3.0 4K。

Kling 4.0 与 Kling 3.0、Kling 2.6 有什么区别?

Kling 4.0 侧重更长镜头、多模态参考与视频编辑。Kling 3.0 结合 3–15 秒片段、多镜头提示词、元素参考和原生音频,并提供 Standard、Pro 与原生 4K 版本。Kling 2.6 面向 5 秒或 10 秒的文生视频和图生视频场景,结合对白、歌唱、音效与环境音。

为什么选择 PoYo 规划 Kling 4.0 API 集成

01

清晰的模型选型

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。

02

开发者友好的集成资料

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。

03

可跟踪的任务流程

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。

04

多模型创作衔接

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。