Kling 4.0 面向的是需要电影感镜头、稳定物理运动和连续镜头推进的创作者,而不是随机生成五秒钟的视觉循环。与其指望一句话就产出连贯片段,你可以用结构化的多镜头提示词、首尾关键帧,或者最多三张人物与环境参考图来操控 Kling 4.0。
你可以直接在 Imagine AI 的 Kling 4.0 视频工作台 里运行 Kling 4.0,也可以在 AI 视频生成器 里切换模型。根据当前配置,Kling 4.0 支持 3 到 30 秒时长、720p 和 1080p 分辨率,以及宽屏(16:9、21:9)、竖屏(9:16)或方形(1:1)画幅。
Kling 4.0 在电影感 AI 视频生成上有什么不同
大多数文生视频失败,是因为一条提示词同时要求模型发明主体、环境、光线和复杂的镜头运动。当你把场景设定和时间推进分开写时,Kling 4.0 对物理惯性的处理会可预期得多——比如转身时外套布料摆动、湿沥青上的雨水倒影,或者车辆转过街角。
Kling 4.0 工作流里可用的关键能力包括:
- 三种生成场景:文生视频、图生视频 和 参考生视频;
- 灵活的片段时长:5、10、15、20 或 30 秒,适合单镜头或多段节拍;
- 首尾帧锚定:在 图生视频 里用尾帧控制锁定镜头起点和落点;
- 最多 3 张参考图:让角色、产品或地点在不同生成任务之间保持一致;
- 电影画幅:原生
21:9宽银幕,以及标准16:9、9:16和1:1。
如何组织 Kling 4.0 的多镜头视频提示词
在 Kling 4.0 里生成 10 到 30 秒的片段时,写成一大段连续文字,常常会让动作在半途停住。把提示词拆成清晰的时间节拍或镜头设定块:
- 整体外观与主体锁定 —— 在开头一次性定义人物外观、镜头感、色调和光线。
- 第 1 拍(建立动作,0–5 秒) —— 说明起始取景、主体初始动作和主要镜头方向。
- 第 2 拍(中段推进,5–10 秒) —— 描述镜头如何转移,或主体如何与环境互动。
- 第 3 拍(落定画面,10–15 秒以上) —— 指定最终姿势、移焦或地平线保持,让片段能在剪辑时干净收尾。
可复制的多镜头提示词模板
Global style: Cinematic 35mm anamorphic film look, warm tungsten streetlamps against cool rain-soaked Tokyo alley reflections, shallow depth of field, natural motion blur. Beat 1: Wide tracking shot following a traveler in a charcoal trench coat walking briskly away from the camera through gentle rain. Beat 2: Smooth camera arc to a medium side profile as the traveler pauses under a glowing paper lantern and looks toward a passing train reflection. Beat 3: Slow push-in to a close-up portrait as the traveler turns slightly toward the lens, coat collar lifted, warm rim light on the face, steady final hold.
用首尾关键帧实现可控的镜头转场

如果你已经清楚一个镜头该怎么开始、怎么结束,就不要只依赖文字。在 上传首帧和尾帧,Kling 4.0 在这里提供尾帧控制。
在 Kling 4.0 里做平滑的关键帧插值:
- 两张帧里的主体身份必须一致——用我们的 在 里生成首帧,再用图像编辑生成尾帧,让服装、比例和光线对得上。
- 避免在 5 秒短片段里做不可能的 180 度场景跳跃;地点或光线的大幅变化至少给 10 秒,转场才会显得有动机。
- 描述中间的桥接动作,而不只是两张静态帧:告诉 Kling 4.0 主体是如何从 A 帧到 B 帧的(例如“镜头向上摇臂,红色跑车同时加速驶上海岸公路”)。
关于动起来之前如何准备静态帧的通用原则,可以看我们的 。
参考生视频流程:让角色在多段视频里保持一致
当你在做分镜或产品广告、需要多段独立片段时,切换到 并选择 Kling 4.0。你可以附加最多 3 张参考图来锚定视觉世界:
- 参考图 1(角色 / 主体):主角或主产品清晰、光线良好的人像或四分之三视角图;
- 参考图 2(服装 / 道具):必须保持可辨识的具体衣物或物体;
- 参考图 3(环境 / 氛围):建筑场景或光线参考。
参考生视频提示词示例
Using the character from Reference 1 wearing the dark trench coat from Reference 2 inside the neon alley from Reference 3: medium dolly-in shot at eye level as the character opens a brass compass, warm golden light reflecting on their palms, steady rain in the background, photorealistic 1080p cinema look.
如何在 720p 与 1080p、画幅和时长之间选择
Kling 4.0 按生成视频的秒数计费,所以按制作阶段匹配分辨率和时长可以省积分:
| 工作流阶段 | 推荐设置 | 为什么最合适 |
|---|---|---|
| 运动与镜头调度测试 | 720p、5s、16:9 或 9:16 | 在投入长渲染之前,先测试镜头运动和主体速度是否成立。 |
| 社交竖屏故事 / Reel | 1080p、10s、9:16 | 竖屏全清晰度,时间足够两拍钩子加揭晓。 |
| 宽银幕叙事序列 | 1080p、15s–30s、21:9 或 16:9 | 提供电影感构图,以及可持续的多拍调度。 |
注意,Kling 4.0 专注于视觉运动,不生成原生音轨。如果你的项目需要开箱即用的同步对白或环境音效,可以对比 ,或者看我们的 。
Kling 4.0 常见提示词问题排查
为什么镜头在 15 秒片段的中间就不动了?
只描述一个短动作的提示词(“一个女人喝咖啡”),会在前 4 秒就把动作做完。再加第二、第三个动作节拍,或者一条持续的镜头指令(“15 秒缓慢环绕跟拍,从左侧脸转到正面四分之三视角”)。
为什么快速转身时人物的脸变形了?
极端的旋转速度会迫使模型猜测没见过的角度。在提示词里把转身放慢(“她慢慢把头转向窗户”),并在 或 里上传清晰的参考照片。
在 Kling 4.0 里动起来之前,怎么得到更干净的起始帧?
上传首帧之前,先去掉背景里多余的物体、水印或文字覆盖层。你可以用 或 几秒钟清理源图,避免 Kling 4.0 把不需要的杂物也动起来。
