Kling 4.0 AI 视频生成器

一段提示词,拍完一整场 30 秒的戏:声音、台词和人物都由你来定。

生成模式

选择模型

提示词

0 / 5000

生成音频

自动生成同步音频

Kling 4.0 是什么?

Kling 4.0(可灵 4.0)是快手在 2026 年 10 月 15 日发布的 AI 视频模型。它把一段提示词、一张照片或一组参考素材,一次生成最长 30 秒、带立体声的视频,中间不用剪接。在这个页面,用 Aleph AI 积分就能在线使用它和更快的 Flash 版本。

一段提示词写完一整场戏:铺垫、转折和结尾都在一条视频里,人物的脸、衣服和场景从第一帧到最后一帧保持一致。可灵已预告下一步上线 10-bit HDR 和最长 2 分钟的视频延长。

  • 一镜 30 秒
  • 最高 4K
  • 立体声和对白
  • 15 个参考素材

Kling 4.0 作品示例

来自可灵官方 YouTube 频道、用 Kling 4.0 制作的短片。看看它在动作、音乐和叙事上的表现,再到上方工具里做你自己的视频。

The Beat

鼓点、颜料和色彩撞在一起的音乐短片。

King Card

围绕一张扑克牌展开的电影感短片。

AI 音乐视频是怎么做出来的

最早拿到内测的创作者之一、导演 Simon Meyer,讲他用 Kling 4.0 做的音乐视频。

Kling 4.0 功能

Kling 4.0 最突出的五项能力。

Kling 4.0 一镜到底 30 秒

把整场戏写下来,Kling 4.0 一口气拍完,不用一段段拼。快递员 0 秒冲出地铁口,30 秒跑上天台,外套始终是同一件,天色从深夜走到黎明。

  • 可选 5、10、15、20、25 或 30 秒
  • 在提示词里按时间写剧情:0 到 10 秒、10 到 20 秒
  • 一个运镜贯穿整个镜头
同一镜头的四帧:穿黄色雨衣的女人从夜里的地铁口一路跑到黎明的天台

Kling 4.0 图生视频

上传一张照片,Kling 4.0 让它动起来:风吹起来,人物转身,镜头推近,脸和衣服都和照片里一样。

  • 人像、产品、画作、老照片都行
  • 在提示词里写清楚动作和运镜
  • 照片里的脸和细节保持不变
一张宝丽来人像:卷发女人站在海边悬崖上,旁边三帧胶片里她在风中转身望向大海

用参考素材保持人物一致

最多上传 10 张图片和 5 段视频:一张脸、一套衣服、一个场景、一段想模仿的运镜。在提示词里写 @Image1 或 @Video1,模型就把它们放进同一个画面。

  • 从第一帧到最后一帧,脸和衣服不走样
  • 参考视频决定节奏和运镜
  • 用首尾帧指定开头和结尾的画面
三张参考照片:男人肖像、橙色灯芯绒夹克、挂灯笼的小巷,合成一帧他穿着这件夹克走在小巷里的电影画面

声音、对白和口型同步

Kling 4.0 和画面一起生成立体声:雨声、脚步、音乐和台词。把台词放在引号里,写明口音,嘴型就会对上。

  • 对白支持 9 种语言,以及口音和方言
  • 环境声和音效跟着动作走
  • 画面文字和字幕清晰可读
电影画面:夜里的餐馆卡座,一个女人和一位留胡子的年长男人在对话,下方有一行字幕

编辑你已有的视频

上传一段最长 30 秒的视频,说清楚要改什么:背景、光线、表情、一句台词。画面里其他部分保持原样。

  • 把阴天下午改成下雨的霓虹夜晚
  • 换背景、换衣服
  • 人物、姿势和构图不变
并排对比:同一个男人站在同一个街角,左边是阴天白天,右边是下雨的霓虹夜晚

Kling 4.0、Kling 4.0 Flash 和 Seedance 2.0 对比

三个模型在 Aleph AI 上分别能做什么。Kling 4.0 和 Flash 在上方工具里直接用,Seedance 2.0 有单独的页面。

对比项画质最好Kling 4.0更省积分Kling 4.0 FlashSeedance 2.0
最长时长30 秒20 秒15 秒
分辨率720p、1080p、4K720p480p、720p
输入方式文字、图片、首尾帧、参考素材、编辑视频文字、图片、参考素材文字、图片、首尾帧、参考素材、编辑或延长视频
参考素材10 张图片、5 段视频10 张图片、5 段视频9 张图片、3 段视频、3 段音频
声音立体声带对白,默认开启立体声带对白,默认开启可选
适合长镜头、对白、1080p 和 4K 成片定稿前快速出草稿用音频做参考、联网搜索
5 秒 720p 带声音所需积分150 积分75 积分400 积分

可直接复制的 Kling 4.0 提示词

点“使用这条提示词”就会填进上方工具。每条提示词展示 Kling 4.0 的一项长处。

穿黑色连帽衫的跑酷者在黄昏的砖砌屋顶之间跳跃
30 秒

四段节奏的 30 秒追逐

提示词里的时间告诉 Kling 4.0 每一段发生什么。时长选 30 秒。

查看提示词

一镜到底的 30 秒视频。0 到 8 秒:穿黑色连帽衫的跑酷者在黄昏的老砖楼屋顶上狂奔,无人机从后方追拍。8 到 16 秒:他跃过两栋楼之间的空隙,镜头随他一起越过高空。16 到 24 秒:他落地翻滚,沿着楼沿继续奔跑,城市的灯一盏盏亮起。24 到 30 秒:他停在楼顶边缘,望向灯火通明的天际线,镜头缓缓环绕他。声音:风声、远处的车流、他的喘息。电影感,35mm 胶片质感。

石头小屋的壁炉旁,一位老渔夫和一个年轻女人在聊天
声音

带口音的对白

台词放引号里,写明口音和环境声。记得开启声音。

查看提示词

海边的石头小屋,夜里,雨打在窗上。一位穿毛衣的老渔夫坐在壁炉边,手里拿着烟斗;对面坐着一个捧着杯子的年轻女人。他身体前倾,用低沉的东北口音说:“海拿走的东西,早晚都还回来,就是从来不挑你想要的时候。”她笑了笑,轻声回答:“那我就等着。”声音:壁炉噼啪声,屋外的风雨声。镜头缓慢推近,温暖的炉火光,35mm 胶片质感。

绿色表盘的黑色手表放在展台上,一道光扫过,上方写着 NOCTIS
4K

带画面文字的产品展示

镜头绕着转,品牌名一直清晰。建议选 1080p 或 4K。

查看提示词

一支 15 秒的奢华手表广告。一只绿色表盘的哑光黑手表,在昏暗影棚里的黑色旋转展台上缓缓升起。一道细光扫过表壳,薄雾飘动,光滑的黑色地面映出倒影。镜头绕手表转一圈,再推近表盘。手表上方出现细白衬线字母 NOCTIS,始终清晰。声音:每次光扫过时一声低沉的电影感重低音。

夜市摊主从冒火的铁锅里把面条高高抛起
9:16

社交平台竖屏短视频

比例选 9:16,适合抖音、TikTok、Reels 和 Shorts。

查看提示词

竖屏 9:16 手持手机视频,夜市。路边摊厨师从冒火的铁锅里把面条高高抛起,火焰和蒸汽升腾,镜头贴近在胸口高度。他咧嘴对着镜头说:“又快又香,只有今晚!”声音:铁锅滋滋声,人群嘈杂声。背景是串灯。自然、随手拍的真实手机画面质感。

如何在 Aleph AI 上使用 Kling 4.0

从想法到下载,四步完成。

  1. 选择 Kling 4.0 或 Flash

    要 30 秒和 4K 就选完整版,要快速、省积分的 720p 草稿就选 Flash。再选生成模式:文生视频、图生视频、首尾帧、多模态或视频编辑。

  2. 写下这场戏

    写清楚谁在场、在哪里、发生什么、听到什么。长视频按时间写,比如 0 到 10 秒。台词放在引号里。

  3. 添加参考素材和设置

    按模式要求上传图片或视频,在提示词里用 @Image1 或 @Video1 引用。设置时长、分辨率和画面比例,声音默认开启。

  4. 生成并下载

    点“生成”,按钮上会先显示要花多少积分。视频出现在“最近任务”里,下载没有水印。

Kling 4.0 常见问题

发布时间、价格、时长、声音,以及和其他模型的区别。

Kling 4.0 是什么时候发布的?

2026 年 10 月 15 日正式发布。Flash 版本更早,在 2026 年 9 月 28 日先向可灵黑金年度会员开放。

Kling 4.0 免费吗?

Aleph AI 新账号赠送免费积分,先拿来试一试。需要更多 Kling 4.0 视频、更长时长和更高分辨率,升级订阅或购买积分包。

怎么用上 Kling 4.0?

在本页工具里选完整版或 Flash,写下场景,点“生成”。直接在浏览器里运行,用 Aleph AI 积分付费。

Kling 4.0 视频最长多少秒?

一次最长 30 秒,Flash 版本最长 20 秒。工具里可选 5、10、15、20、25 或 30 秒。

Kling 4.0 支持什么分辨率?

完整版支持 720p、1080p 和 4K,Flash 支持 720p。两者都支持 16:9、9:16、1:1 和 21:9。

Kling 4.0 能生成声音吗?

能。它和画面一起生成立体声:环境声、音效、音乐,以及 9 种语言的对白,口型同步。声音默认开启,关掉就是无声视频。

Kling 4.0 和 Kling 3.0 有什么区别?

新模型的视频长度翻倍,从 15 秒到 30 秒。它还支持最多 15 个参考素材、9 种语言的立体声对白、清晰的画面文字,以及编辑已有视频。

Kling 4.0 和 Seedance 2.0 选哪个?

超过 15 秒的戏、1080p 或 4K、有台词的视频,用 Kling 4.0。想用音频做参考或联网搜索,用 Seedance 2.0。

手机上能用 Kling 4.0 吗?

能。这个页面在手机浏览器里直接打开就能用,不用安装。竖屏视频把比例设成 9:16。

生成你的第一条 Kling 4.0 视频

写下这场戏,点生成,得到最长 30 秒的有声视频。