Kling 4.0Kling 4.0
快手的下一代音画一体模型——Kling 4.0 单次生成 3–30 秒长镜，最高 4K，九种语言立体声对白，最多 10 个关键帧，全能参考最多 15 个素材。即将登陆 Molyin；站内已上线的模型现在就能在下方生成器里直接使用。
- 生成失败自动退积分
- 积分包永不过期
- 每个模型明码标价
- 一键取消订阅
- 3–30 秒
- 单镜时长
- 最高 4K
- 三档分辨率
- 9
- 对白语言
- 15
- 全能参考素材
三条发布样片，三条完整提示词
三条 Kling 官方发布样片，每条都附上生成它的完整提示词。点 Remix 把提示词载入上方生成器：现在就能在已上线的模型上运行，也可以留到 Kling 4.0 上线当天直接开拍。
- Kling 4.0
- Text to video
- 28s
- 1440P
1. 场景设定：全程只出现一条龙——不得有重复个体。一段 30 秒、六个镜头的黑暗奇幻动作戏。一条巨龙咆哮着从山峰之巅腾空而起，加速冲向燃烧中的沿海城市，在塔楼之间俯冲，随后发动毁灭性的空中火焰攻击。史诗级体量、极快节奏、实时运动感。 2. 启用参考：控制燃烧的沿海城市、哥特式建筑、港口、山脊线、现有火情、烟柱、风暴云与闪电。控制龙的身份、黑灰色鳞片、红棕色翼膜、犄角、背脊、四条腿、双翼、长尾，以及开场处的岩石山峰。 3. 位置地图：山峰俯瞰整座沿海城市。港口位于画面左侧，中央城堡位于正前方，火势最密集的城区位于中右侧。飞行方向始终由山峰指向城市中心。摄影机始终位于龙的身后、下方或左侧，不反向穿越运动轴线。 4. 首帧与空间调度：龙已经伏在山巅，双翼展开，后腿蓄力，头部朝城市方向。它张开下颌发出一声咆哮。下方火光摇曳；相连的烟柱随风弯曲，整片风暴云层肉眼可见地移动。 5. 格式模式：六个硬切镜头：镜头 1——0.0–4.0 秒：咆哮与起飞。镜头 2——4.0–9.0 秒：高速追击，扑向港口。镜头 3——9.0–13.5 秒：贴水低飞，逼近城市。镜头 4——13.5–19.0 秒：在塔楼之间发动第一轮火焰攻击。镜头 5——19.0–25.0 秒：倾斜转弯追击，扫射式火焰攻击。镜头 6——25.0–30.0 秒：巨龙爬升至燃烧城市上空。切换由翼面掠过、浓烟拂过与贴近建筑的穿越来驱动。不使用淡入淡出或叠化。 6. 光学镜头：镜头 1：24mm，74° 水平视场角，低角度环境广角。镜头 2：18mm，90° 视场角，后方追击视角。镜头 3：24mm，74° 视场角，贴水面低空追逐。镜头 4：28mm，65° 视场角，屋顶高度跟拍。镜头 5：24mm，74° 视场角，侧后方近距追击。镜头 6：18mm，90° 视场角，纪念碑式空中大全景。中等偏深的景深。翼尖、水面、烟雾、余烬与近处建筑带有强烈的自然动态模糊。 7. 摄影机：所有机位都带有明显的物理手持抖动。镜头 1 在巨龙起飞时迅速上摇；翅膀的压力猛烈震动摄影师。镜头 2 在龙尾后方 12 米处跟随，狂风剧烈拍打，伴随快速垂直震动。镜头 3 贴着水面在龙身后疾驰；海浪与燃烧的船只从画面边缘掠过。镜头 4 在屋顶高度穿过街道峡谷。镜头 5 跟随巨龙完成一次急转倾斜，塔楼危险地贴近，构图几乎失控。镜头 6 向上追击，随后稳定为展现满目疮痍城市的广角。没有平滑漂浮或机械般完美的运动。 8. 动作时间轴：0.0–0.8 秒：巨龙发出一声雷鸣般的咆哮，脖颈前伸，双眼紧盯城市。0.8–2.0 秒：后腿蹬向山巅，利爪崩裂岩石。2.0–4.0 秒：巨龙腾空，完成两次有力的振翅。尘土与碎石向后爆开。4.0–6.5 秒：硬切到龙身后，它已高速加速。6.5–9.0 秒：它收起双腿贴向身体，朝港口俯冲。烟雾从翼面流过。9.0–11.5 秒：巨龙在汹涌水面之上疾速掠行，翼尖几乎触到浪尖。11.5–13.5 秒：它掠过燃烧的船只，越过海堤爬升。一座塔楼从镜头前横扫而过。13.5–15.0 秒：硬切进入城市内部。巨龙从哥特式塔楼之间的浓烟中冲出。15.0–19.0 秒：它喷出一道持续的橙白色火焰，保持全速的同时扫过左侧一排屋顶。19.0–21.5 秒：巨龙骤然向右急转，绕过中央塔楼；长尾因惯性延迟甩动。21.5–25.0 秒：连续的火焰洪流扫过大道，击中右侧塔楼。燃烧的砖石与余烬在身后坠落。25.0–27.0 秒：巨龙停止喷火，有力振翅，爬升到屋顶之上。27.0–30.0 秒：它升入风暴的光线中，滑翔于燃烧的城市上空。摄影机拉宽，展现蔓延的火焰、烟柱与下方港口。 9. 物理：巨龙尽管高速，仍具有令人信服的巨大质量。振翅由肩部发起；翼膜在空气动力负载下拉伸。躯干、四肢与尾巴因惯性产生延迟反应。翼尖尾流在烟雾中撕开缺口，扰动水面，冲击附近火焰。火焰只从张开的嘴中以压力驱动的射流喷出，核心白热，边缘橙色湍流，并带有可见的热畸变。建筑在可见的撞击点逐步起火。碎片遵循重力与龙的尾流运动。 10. 光照：冷色风暴日光从左上方照入。现有火情在龙的下方提供橙色底光。火焰射流成为移动的主光源，在鳞片、塔楼与烟雾上投下流动的高光。最后爬升时，阳光穿透云层。保留火焰核心的细节，并保持龙的剪影清晰可读。 11. 音频：无对白。同步的龙吼、利爪刮擦、岩石崩裂、皮革般翼面的雷鸣、狂风、海浪撞击、燃烧船只、坍塌砖石、余烬嘶响与加压火焰喷发。史诗级原创配乐：急促战鼓、低音铜管固定音型与紧迫弦乐即刻进入。起飞时加入无词低音合唱。追击中打击乐加速。每次火焰攻击都有全奏管弦乐重击，随后在爬升段扩展为黑暗而凯旋的终曲。龙吼、振翅与火焰始终比音乐更响。 12. 角色表演：巨龙以专注的掠食意图行动。双眼始终锁定飞行路径与连续的建筑目标。加速时，头部下压，肩部猛烈发力。进入城市后，脖颈有意引导火焰射流，尾巴控制每一次倾斜转弯。最后一个镜头中，它的胸腔舒展，姿态从攻击性的凶狠转为空中霸主般的从容。 13. 风格：宏大末日黑暗奇幻电影感，侵略性追击摄影，纪念碑式体量与战场能量。炭黑与风暴蓝占调色板 60%，烟褐色石材占 30%，火焰橙占 10%。带有风化的 35mm 胶片质感与老照片般的柔和感，有机颗粒，无数字锐化。 14. 质量：每一个镜头中龙的身份与解剖结构保持一致：一个头、双翼、四条腿、一条尾巴。城市建筑稳定，振翅循环连贯，嘴部火焰与身体相连，烟雾具有体积感，破坏效果在物理上相互关联。自然的快速动态模糊，没有残影复制、解剖变形或脱离身体的火焰。 15. 正向约束：整段序列中始终只有一条龙可见。它在 2 秒前起飞，9 秒时抵达港口，13.5 秒进入城市，并在爬升离开前完成两轮快速火焰攻击。每个镜头都保持从山巅到城市的方向。强烈的摄影机抖动传达极限速度，同时保持龙清晰可读。城市火焰持续冒烟，云层在天空中可见地移动，新的破坏只出现在连续火焰射流击中的位置。
- Kling 4.0
- Text to video
- 15s
- 1080P
场景设定：全片恰好出现 3 个不同的人物：三个人身处一间明亮、整洁的虚构城市游客信息中心。全片保持一致的色调。游客站在左侧，翻译站在中间，旅游服务人员站在右侧。信息台上放着一张城市地图和路线图。背景文字与地图标注必须虚化、不可辨认。不得出现任何真实品牌、机构名称、标志或水印。 动作时间轴： 0–3 秒：三人的中景。西班牙女游客看向中间的翻译，举起手中的地图，用自然、清晰、稍慢的西班牙语说：“¿Dónde está la estación de metro más cercana?” 她说完后停顿约 0.5 秒。翻译转向旅游服务人员，用中文翻译：“她想知道最近的地铁站在哪里。” 3–7 秒：切到翻译与旅游服务人员。服务人员看着地图（不要给地图特写），用自然、清晰的中文回答：“沿这条路直走，步行大约五分钟就能到。” 服务人员说完后停顿约 0.5 秒。翻译确认理解，转向游客。 7–11 秒：翻译用自然、清晰、稍慢的西班牙语转述服务人员的回答：“La estación de metro está a unos cinco minutos a pie. Siga recto por esta calle.” 说话时，翻译指向地图上的路线，游客专注地看着。 11–15 秒：回到三人的中景。听懂路线后，西班牙游客微笑着点头，用西班牙语说：“Muchas gracias.” 三人保持自然的服务互动，场景结束。 音频： - 西班牙游客只说西班牙语。 - 中国旅游服务人员只说中文。 - 中国翻译先说中文，再说西班牙语。 - 每个人拥有清晰的独特声音。 - 一人说话时，其他人保持安静。不得打断，不得对白重叠。 - 所有对白必须人声清晰，口型与对应语言同步。 - 西班牙语发音必须自然、标准，不带英语口音。 - 语速稍慢，句与句之间有自然停顿。 - 保留游客信息中心细微的环境声。不要添加背景音乐。环境声不得盖过对白。 摄影机：以三人的中景开场，建立人物关系。游客说话时，切到游客与翻译的双人镜头。翻译转述问题时，切到翻译与服务人员。服务人员回答时，加入地图路线的特写。翻译转成西班牙语时，回到翻译与游客的双人镜头。以三人的中景结束。全片保持人物位置、视线与服装一致。不得突然替换人物或改变他们的空间关系。 风格：写实、自然、专业的旅游服务纪录片风格。明亮干净的灯光，自然的面部表情，克制的动作。场景应像机场或城市游客信息中心里真实发生的一次互动。
- Kling 4.0
- Reference to video
- 15s
- 720P
1. 场景设定：全片恰好 1 个人物——不得出现重复个体。一位女性在极简风格的时装展厅里，热情展示她身上穿的黑色 Kling 短款羽绒夹克。她与镜头保持温暖、自信的眼神交流，同时展示领口、胸前标志、绗缝结构、短款廓形与口袋。一条不间断的 15 秒竖版时尚镜头。 2. 启用参考：@图像1 控制这名女性的准确身份、棕色直发、蓝色眼睛、小耳饰、黑色 Kling 短款羽绒夹克、高领、银色拉链、胸前白色标志、绗缝拼块、弹性袖口、侧口袋、宽松蓝色牛仔裤、黑色腰带、展厅衣架、窗户与竖版构图。逐项精确保留。 3. 位置地图：女性始终位于两组衣架之间的中央。左侧衣架保持在画面左侧后方，第二组衣架保持在右后方，大窗户保持在画面右侧。摄影机始终位于她正前方，只朝她的左侧轻微移动。 4. 首帧与空间调度：匹配参考构图。她以放松的四分之三侧身站姿站立，双臂自然垂在身体两侧。整件夹克、腰线、腰带与上半身牛仔裤清晰可见。她转头看向镜头，目光自然锁定镜头。 5. 格式模式：一条不间断的 15 秒竖版 9:16 镜头。无剪切、淡入淡出、叠化、变速、换装、场景变化或重复姿势。 6. 光学：等效 50mm 镜头，水平视场角 40°。中景时尚构图让她的眼睛、面部表情、领口、标志、拉链、袖子、下摆、口袋与腰线都清晰可读。中等景深将她与衣架柔和分开。 7. 摄影机：一位人类摄影师站在约两米半外、胸口高度，完成一次小于一米的缓慢手持顺时针弧线运动。呼吸漂移、轻微脚步、些许侧倾与延迟的重新构图始终可见。摄影机不得变成机械稳定，也不得裁掉夹克下摆。 8. 动作时间轴 0.0–2.0 秒：她找到镜头，轻轻吸一口气，露出真诚的欢迎微笑。2.0–5.5 秒：开始说话时，她触碰挺括的领口，指尖沿拉链向下，目光始终在镜头上。5.5–8.5 秒：她的声音更有活力，手停在白色 Kling 标志旁，另一只手做出一个小幅表达手势。8.5–11.5 秒：她转成四分之三侧身，双手插进口袋，回头看向镜头，带着自信的微笑。11.5–15.0 秒：她重新面向正前方，放松肩膀，眼神明亮、神情温暖满足地结束展示。 9. 物理：填充夹克在指尖下自然下压，松手后回弹。绗缝拼块保持一致的体积。袖子在手肘处弯折起皱，短款下摆在转身时移动，并在重力作用下落定。头发与耳饰带有轻微延迟的摆动。 10. 光照：来自画面右侧大窗的柔和日光作为唯一的主光源。它在她的眼睛、头发、黑色面料、银色拉链与颧骨上形成克制的高光，同时保留绗缝拼块的细节。天花板轨道灯作为细微的背景实景光。 11. 音频：分层展厅环境声：安静的室内底噪、远处通风、夹克轻微摩擦、拉链接触、牛仔裤移动与克制的脚步声。她以真诚、投入的英语声音说：“I honestly love this Kling jacket—the cropped fit feels so confident, and it goes with everything.” 开场带着温暖的欣赏，强调 “love” 与 “confident”，结尾带着听得见的笑意。她的嘴唇、呼吸、表情与衣物动作与这句话精确同步。仅音效，无音乐、无配乐、无歌曲、无原声带。 12. 角色表演：她说话时像是一个真心喜欢这件夹克带给她的感觉的人。目光始终与镜头相连，眼里有鲜活的高光与不规则的自然眨眼。说到 “love” 时眉毛微微上扬，说到 “confident” 时脸颊抬起，最后的微笑抵达眼底。说话时她从不低头看衣服；双手通过触碰自然找到每个细节。内心独白（未说出口）：“This feels completely like me.” 13. 风格：由不完美的人类同伴拍摄的极简当代时尚内容。清晰的手持亲密感、老照片般的柔和、有机胶片颗粒、克制的对比、自然的面料质感、柔和的窗边光晕，无数字锐化。色彩平衡：黑色与炭灰 60%，冷白展厅色调 25%，褪色蓝色牛仔与自然肤色 15%。 14. 质量：女性的身份、眼睛颜色、发型、耳饰、夹克几何结构、绗缝拼块、领口、拉链、袖口、口袋、牛仔裤与腰带保持一致。白色 Kling 字标拼写正确、稳定，并始终附着在胸前同一位置。眼睛、嘴唇、双手、手指、袖子与面料褶皱在解剖上保持连贯。 15. 正向约束：全片恰好一位女性穿着一件黑色 Kling 夹克。她说话时保持直视镜头，侧身姿势时也回望镜头。她只说一段富有情感的英语，并完成一次连贯的服装展示。夹克始终完全拉上，正面镜头中标志保持可见。不得添加第二个人、换装、字幕、价格、促销贴片、镜面反射、音乐或走秀动作。平淡无情的表演、游移的视线、变形的字标、变化的夹克长度、多余的肢体，或面料穿过身体，都等于失败镜头。
一条视频、两张图片，生成一段全新镜头
运镜参考：输入视频只贡献运镜与镜头节奏，一张图片提供新主体，另一张提供新背景。Kling 4.0 把原片的摄影语言移植到完全不同的场景里。
提示词
以 @视频1 作为运镜与镜头节奏的参考。把主体替换为 @图像1 中的汽车，背景替换为 @图像2。
Kling 4.0 是什么？
Kling 4.0 是快手打造的下一代音画一体视频模型——Kling AI 背后的引擎，2026 年 9 月 28 日官宣，10 月 15 日全量发布。单次生成时长 3 到 30 秒、以 1 秒为步进，分辨率 720p、1080p 或 4K，支持四种画面比例，外加跟随首帧的自动模式。声音是原生生成的：双声道立体声、口型同步进一步优化，对白支持九种语言——中文、英文、日文、韩文、西班牙文、葡萄牙文、德文、法文和印地文——并带地道方言与口音，从粤语、四川话到英式、印度英语都能演绎。
可控性远不止一个文本框。关键帧最多可沿时间轴钉入十张静帧；全能参考最多可用 15 个素材合成场景——十张图片、总长 30 秒的五条视频、七个元素（含三个视频元素）与三段 5–30 秒的音色档案；运镜参考能把一条视频的摄影语言移植到新主体上，正如上方解剖区所示；视频编辑模式则可改写总长 30 秒、最多五条的片段。提示词最长 8,000 个 token，Flash 档用关键帧与分辨率上限换速度：720p、单次最长 20 秒。
Kling 4.0 发布即登陆 Molyin，与站内其他所有模型共用同一个AI 视频生成器——同一个提示框，同一份积分。在那之前，本页每条样片都可以一键 Remix 到已经上线的模型上；具体数字见定价页。
Kling 4.0 vs Seedance 2.5
Seedance 2.5 现在就在 Molyin 在线；Kling 4.0 发布即登陆。两者共用一个提示框、一份积分——下面是两份规格的正面对照，方便你决定什么提示词交给谁。
| 对比项 | Kling 4.0 | Seedance 2.5 |
|---|---|---|
| 时长 | 3–30 秒，1 秒步进（默认 10 秒） | 4–30 秒，连续滑条 |
| 分辨率 | 720p · 1080p · 4K | 480p · 720p · 1080p（10-bit） |
| 画面比例 | 21:9 · 16:9 · 1:1 · 9:16 · 自动 | 6 档——16:9 至 21:9 |
| 音频 | 原生立体声 + 更精准的口型同步——九种语言对白，含方言 | 人声 + 音效 + 音乐一次生成；口型同步覆盖 11 种语言 |
| 参考素材 | 全能参考——最多 15 个素材，另有 10 个关键帧 | 最多 50 个多模态参考——30 张图、10 条视频、10 条音频 |
| 视频编辑 | 内置——最多 5 条片段，总长 30 秒 | Video Edit 与 Extend 模型——4–30 秒续写 |
| Molyin 价格 | 发布时公布 | 25 / 56 / 100 积分/秒（480p / 720p / 1080p） |
| 最能打的场景 | 带对白的长篇多镜头序列、关键帧叙事弧、运镜参考 | 现在就能用——480p 草稿、10-bit 1080p 成片、超大参考素材堆 |
Kling 4.0 规格来自快手官方公告；Seedance 2.5 价格为 Molyin 当前执行价。
Kling 4.0 与 Molyin 在线模型对比
| 模型 | 定位 | 发布时间 | 在 Molyin |
|---|---|---|---|
| Kling 4.0 | 快手新一代——30 秒长镜、10 个关键帧、全能参考 | 2026-10-15（全量发布） | 即将上线 |
| LTX 2.5 | Lightricks 开源权重模型——原生多镜头 + 4K HDR | 2026-08-11（开放权重） | 已上线——去上方生成 |
| Seedance 2.5 | 字节跳动旗舰——30 秒一镜到底，按秒执导 | 2026-08-07（API） | 已上线——去上方生成 |
| FLUX 3 | Black Forest Labs——分镜关键帧 + 镜头续写 | 2026-08-07（视频 API） | 已上线——去上方生成 |
| Wan 3.0 | 阿里巴巴 All-in-One 全能模型，单镜最长 30 秒 | 2026-08-06 | 已上线——去上方生成 |
| MiniMax H3 | 全模态旗舰，原生 2K + 立体声 | 2026-07-31 · 已宣布开放权重 | 已上线——去上方生成 |
| HappyHorse | 表现力生成 + 指令式视频编辑 | 2026 年 6 月（1.1） | 已上线——去上方生成 |
| Seedance 2.0 家族 | 标准 / Fast / Mini 主力，最高 4K | 2026 年 4 月（API） | 已上线——去上方生成 |
| Kling 3.0 | 五种语言原生音频 + 元素参考，最高 4K | 2026-02-04 | 已上线——去上方生成 |
| Veo 3.1 | Google 电影感模型，自带音频 | 2025 年 10 月 | 已上线——去上方生成 |
一份订阅、一份积分——表中可用的模型全部包含。
Kling 4.0 全量规格表
| 参数 | 值 | 说明 |
|---|---|---|
| 模型 | Kling 4.0——快手下一代音画一体模型 | Kling AI 背后的模型，2026 年 9 月 28 日官宣，10 月 15 日全量发布。 |
| 模型档位 | Kling 4.0 · Kling 4.0 Flash | Flash 档支持 720p、单次最长 20 秒，不提供首尾帧与多关键帧控制。 |
| 生成模式 | 文生 / 图生 / 全能参考 / 关键帧生视频，外加视频编辑 | 一个模型覆盖从零生成、让静帧动起来、参考合成到现有片段编辑。 |
| 分辨率档 | 720P / 1080P / 4K | 720p 打草稿，1080p 出成片，4K 出母版。 |
| 时长 | 3–30 秒 | 1 秒步进，默认 10 秒——上方巨龙样片就是一次 30 秒生成。 |
| 画面比例 | 21:9 · 16:9 · 1:1 · 9:16 · 自动 | 提供关键帧图片时，自动模式跟随首帧比例。 |
| 关键帧 | 最多 10 个——仅支持图片输入 | 沿时间轴钉入静帧来编排叙事弧；关键帧不能与全能参考在同一次生成中混用。 |
| 全能参考 | 最多 15 个参考素材 | 10 张图片（单张 ≤30MB）、总长 ≤30 秒的 5 条视频、7 个元素（含 3 个视频元素），以及 3 段 5–30 秒的音色档案。 |
| 音频 | 原生立体声 + 更精准的口型同步 | 双声道声音与画面同步生成；对白按指定语言对口型。 |
| 对白语言 | 9 种——中文 · 英文 · 日文 · 韩文 · 西班牙文 · 葡萄牙文 · 德文 · 法文 · 印地文 | 另支持方言与口音：粤语、四川话、北京话、台湾国语与东北话；美式、英式与印度英语。 |
| 提示词长度 | 最长 8,000 个 token | 足够放下镜头清单、时间节拍与负向约束——本页三条样片都用了这份余量。 |
| 视频编辑 | 最多 5 条片段，总长 ≤30 秒 | 用一句指令改写现有素材，不必从零重新生成。 |
| 已公布，尚未开放 | 10-bit HDR（1080p/4K）· 最长 2 分钟续写 | 两项都在快手为 Kling 4.0 公布的官方路线图上，但不在本次发布版本中。 |
规格取自快手 Kling 4.0 官方公告；上线时将接入 Molyin 的实时配置。
用 Kling 4.0 生成，三步搞定
从想法到一条成片
选模型与模式
从零文生视频、让静帧动起来、用参考素材合成，或编辑一条现有片段。
写提示词
给每个参考素材明确分工——@图像1 保持身份，@视频1 提供运镜——再把长镜头拆成带时间的节拍，并把不能发生的事直接写清楚，就像本页的样片那样。
生成并导出
选分辨率、时长与画面比例，就地预览，然后下载原片。
五段式简报公式
Kling 4.0 吃的是导演式提示词：场景、动作、参考素材、运镜、音频与约束，按这个顺序写。完整指南拆解十五段式导演简报，并附 16 条示例。
[场景] + [动作] + 可选 [参考素材] [运镜] [音频] [约束]
场景
镜头发生在哪里、什么时候，以及画面的整体调性。
动作
主体按顺序做什么，写清身体部位与节奏。
参考素材
定义身份、产品或场景的素材：@Image1、@Video1、@Audio1。
运镜
景别、镜头、摄影机路径与节奏。每个镜头只安排一个运动。
音频
对白、环境声、音效与音乐。默认输出立体声。
约束
必须保持不变的东西，以及少数值得写的否定指令。
Kling 4.0 常见问题
关于快手下一代视频模型，创作者在它登陆 Molyin 前最关心的问题。