# Kling 4.0 新功能详解：30 秒生成、10 张关键帧与全能参考

Kling 4.0 为 AI 视频创作者提供了更充分的场景调度空间：单次生成最长 30 秒，支持 10 张关键帧图像，并能更细致地控制参考素材、角色表演与后续编辑。这次更新的重点，是让创作者更有把握地执导一个场景。

Kling 4.0 此前已经分批开放，官方于 2026 年 10 月 15 日宣布扩大开放范围。本文聚焦已确认的变化，对比完整版本、Flash 和 Kling 3.0，帮助你选择适合的工作流。原生音频和多镜头叙事在 3.0 中就已存在，因此不作为首次推出的新功能介绍。[官方模型公告](https://kling.ai/dev/model-release/kling-4)

下面重点介绍六项实用升级，说明完整版本与 Flash 的差异，并通过简短示例展示如何准备参考素材、描述运镜，以及修改一段接近完成的镜头。

![Kling 4.0 官方展示画面中，一条巨龙俯瞰城市](/blog-media/kling-4-new-features/cover.png)

Kling AI 提供的 Kling 4.0 官方展示静帧。这张由厂商挑选的图片用于展示视觉风格，并非独立画质或运动效果测试。

## Kling 4.0 有哪些新功能？

### 1. 单次生成最长 30 秒，给表演留出更多时间

Kling 4.0 支持单次生成 3–30 秒视频，时长可按 1 秒递增调整。Kling 3.0 公布的范围为 3–15 秒。时长上限翻倍后，较长的动作、情绪停顿或几个相连的叙事节拍，有机会在同一段视频中完成，不必马上拼接下一段。

实际价值在于连续性。一次生成可以尝试让同一个角色、房间、光线和声音贯穿整个场景，但仍需检查结果：时间越长，身份漂移和衔接薄弱的问题也有更多机会出现。

更长的镜头不一定需要安排更多事件。可以把额外时间留给值得展开的动作，比如慢慢意识到什么、谨慎地移动，或说完台词后的反应，而不是把每一秒都塞满。

### 2. 最多 10 张关键帧，明确重要画面

独立的 Keyframes 入口支持在指定时间设置首帧、尾帧和中间帧，最多输入 10 张图像。你可以先确定重要的画面状态，再描述它们之间如何过渡。

如果揭晓或结尾必须落在特定构图上，这项功能尤其有用。例如，从空荡的门口开始，中间呈现角色的反应，最后落到他发现的物品上。每张图都应属于同一个场景，避免混入不一致的风格或地点。

准备素材前，先选好入口。用户指南将 Keyframes 与全能参考区分开来，并说明两者不能在同一个任务中组合使用。Keyframes 接受图像，但不通过这个独立入口接受其他参考素材。

### 3. 全能参考分别控制身份、动作与声音

全能参考让不同素材各司其职：一张图定义角色，另一张图定义场景，一段视频提供运镜路径或动作节奏。指南建议在提示词中用 @Image1、@Video1 等素材引用明确这些分工。

使用时要注意以下容量限制：

- 图像、视频、音色档案和元素合计最多 15 个参考素材。

- 在总量限制内，分别最多支持 10 张图像、5 段视频、7 个元素和 3 个音色档案。

- 参考视频、待编辑视频和视频元素共用 5 段视频的额度，合计时长不超过 30 秒。

这些限制相互重叠，不能简单相加。目前音频输入支持音色档案；指南说明，不支持上传背景音乐和音效，这类声音应通过提示词描述。

### 4. 立体声音频与更宽画幅，丰富场景表达

Kling 列出了双声道立体声、改进的口型同步，以及新增的德语、法语和印地语等语言支持。支持的口音和方言包括粤语及多种英语口音。这些能力有助于更具体地安排表演：谁在说话、声音怎样，以及周围环境发出什么声音。

完整版本列出的输出分辨率为 720p、1080p 和 4K，画幅比例包括 21:9、16:9、1:1、9:16 和 Auto。更宽的画面有助于表现人物距离，或为角色入画留出空间。如果最终成片是竖屏，还需要单独规划构图。

Kling 当前用户指南在支持的 1080p 和 4K 模式中列出了 10-bit HDR。具体可用性可能因界面和账号而异，向客户承诺格式前应检查实际选项。指南另行介绍了最长两分钟的视频延长功能，它与单次生成最长 30 秒的限制不同。

### 5. 定向编辑，为接近成功的镜头保留修改机会

指南介绍了对现有视频的表情、动作、机位、风格和背景进行编辑的方法。提示词语法中的区别很重要：“Edit @Video1”表示修改该视频，而“Reference @Video1”可能启动一次基于参考的新生成。

对于接近理想结果的场景，先指定一个修改点，并明确哪些内容必须保持不变。随后检查编辑位置前后的帧，确认是否出现新的不一致。局部编辑有望减少整段重做的需要，但保留效果仍需验证。

![短片 Tea When You Have Time 中，一位老人在阳光照入的客厅里](/blog-media/kling-4-new-features/tea-case-study.png)

官方创作者案例 Tea When You Have Time 的一帧画面。创作者讨论了节奏、角色一致性、关键帧和粤语对白；这些观察仅代表该项目的经验。

### 6. 更长的提示词，描述复杂场景

Kling 4.0 的指南允许最长 8,000 token 的文本提示词。更大的容量有助于描述复杂场景中的时间安排、空间关系、表演、运镜和保留要求，但不意味着需要堆砌泛泛的形容词。先写主体与动作，再添加真正影响镜头的细节。[官方用户指南](https://kling.ai/quickstart/kling-4-model-user-guide)

编辑指令示例：“Edit @Video1：把光线调整为傍晚前的琥珀色，同时保留表演者的面部身份、服装、身体动作、构图和视频时间安排。不要加入新道具，也不要改变摄影机路径。”Kling 区分“Edit @Video1”和“Reference @Video1”，后者可能触发基于参考的重新生成。编辑后应逐帧检查是否出现不需要的变化。

### Kling 4.0 与早期版本相比如何？

相比 Kling 3.0 公布的 15 秒生成上限，完整 Kling 4.0 将上限提高到 30 秒，增加了最多 10 张关键帧的独立工作流，并扩展了混合素材控制。原生音频、对白和多镜头叙事并非全新能力，3.0 系列已经支持。

如果要在 Kling 4.0 的不同模式中选择，Flash 面向更快、成本更低的迭代，但目前上限是 20 秒和 720p，也不支持多关键帧控制。Seedance 2.5 是另一个音视频生成选项；比较时应看实际参考需求和编辑工作流，而不只看时长。

## 创作者案例能说明什么？

在 Kling 发布的案例中，创作者 Amiraigc 介绍了为短片 Tea When You Have Time 使用 30 秒生成、全能参考和关键帧的过程。他表示，这些功能给老年角色的动作留出了更多时间，改善了项目中的一致性，并生成了令人信服的粤语对白。

这个制作案例把功能与具体叙事需求联系起来：让场景有充分展开的时间。但它仍是一位创作者的经验，并由 Kling 发布，不能据此得出普遍适用的改善百分比，也不能省去对你自己视频中身份、节奏和语音的检查。

## 哪些人适合使用 Kling 4.0？

如果现有片段总是过早结束、故事需要特定的中间画面，或多份参考素材需要提供不同类型的指导，Kling 4.0 值得关注。这几项主要升级可以相互配合：更长的生成时长提供空间，关键帧明确重要时刻，参考分工指导哪些内容需要保持一致。

如果要制作完整短片，建议先确定故事与镜头清单，再测试这些控制功能。明确哪些时刻需要视觉锚点，然后为计划使用的创作模式准备参考素材。

## 用 Wery.AI 构思下一个场景

把本文的创作思路带到你的下一个项目，可以从 [Wery.AI](https://s.wery.ai/nyd) 开始探索 AI 图像与视频创作。先用几句话明确故事目标：画面里是谁、身处什么环境、发生什么动作，以及观众应该感受到什么。产品短片、人物叙事或社交媒体内容，都可以先从一个重点清晰的场景开始。

接着，把参考素材和镜头计划放在一起梳理。先确定角色外观、场景色调和光线，再为开场、转折和结尾准备视觉参考；把运镜、动作节奏和声音要求分别写清楚。进入图像或视频创作时，就能围绕同一个目标逐步尝试，也更容易判断哪个版本值得继续完善。

先从一个镜头开始：选择最能表达核心想法的画面，探索构图与氛围，再逐步扩展成一组连贯的镜头。在 Wery.AI 上，用清楚的参考和具体的创作目标，将灵感推进为更完整的视觉方案。

相关阅读: [Seedance 2.5 是什么？](/zh/blogs/model-guides/what-is-seedance-2-5) · [如何用 Seedance 2.5 制作 AI FPV 无人机视频](/zh/blogs/prompts/seedance-2-5-fpv-drone-video)
