可灵Kling 4.0凌晨上线：支持30秒一镜到底，全能参考实测

凌晨时分，可灵AI正式把最新的视频模型Kling 4.0推上线了。

其实9月底的时候，4.0 Flash版本就已经提前放出来过一波，面向的是部分黑金年卡和Ultra年度订阅用户。这个版本当时在用户里口碑相当好，便宜、快、质量也高，拿来探方向、打草稿很合适——先用它试出效果，再上更贵的大参数模型去生成。

4.0 Flash之后，社区就一直在等Kling 4.0正式版。半个月过去，正式版总算来了。

今晚我烧掉了几万积分，测了很多场景，还是想跟大家聊聊体验。这次我最关注的几处是30秒直出、复杂场景下的动态表现，以及全能参考。有些画面里看着很不起眼的小细节，反倒最能说明问题。下面一个一个说。

1. 30秒直出

过去做AI视频，往往是生几秒、挑几秒，再把零散的无数片段拼起来。现在不一样了，可以一次性生成30秒的片段，一个镜头里容纳更长的运动、更多的细节。就像我此前在文章里分享过的：30秒，开始在整体上接近一个完整的场景单元了。对专业影视创作来说这一点无疑至关重要，而这次Kling 4.0支持的正是最长30秒直出。

比如我想做一段20秒以上的一镜到底，就准备了下面两张参考：接着告诉可灵：图一中的人物在图二的城市里被一群混混追逐，过程中要撞翻水果摊，还要与道路上的车辆发生交互，摄影机全程跟拍。

最终生成的视频是这样。

我觉得整体效果还是不错的。这段镜头涉及连续跑动、障碍物交互、人物转向以及摄影机跟随。除了水果被撞翻后落得自不自然，我还特别留意了人物与纸箱的接触会是什么样。

我观察到了这样一个有意思的小细节：

人物压在了被自己撞倒的纸箱上，纸箱发生了形变。虽然只是不起眼的一瞬间，但已经很能说明Kling 4.0在物理规律理解上的提升。

除了这场城市追逐戏，我还直出了一段完整的马戏团30秒剧情。

这段视频没用到任何参考图，靠的是纯文生视频，提示词偏长，我直接截图放上来，感兴趣的话可以自己试一试：

说真的，这一条我个人还挺中意。

它考验的东西，和之前城市追逐那段不一样。城市追逐那条，重点更多落在人物、道具以及摄影机跟随这些方面。

而马戏团这条提示词里，塞进去的东西几乎每一样都够视频模型喝一壶。

高速俯冲、钻过窄门帘、前景遮挡、多人同时运动、鸽群、羽毛、金粉，还有从正常速度猛地切进慢动作，而且得是一镜到底。

到这种时候，30秒的价值就体现出来了。

二. 动态表现

逻辑和镜头这两块聊完，放回真实的创作场景里，还有一件事绕不过去。

就是模型在画面动态上到底行不行。

可灵系列此前在人物情绪、表情表达和画面质感上已经攒下不少底子，这回我更想验证的是，大范围运动和复杂打斗它能不能扛住。

实际测下来，对比上一代，Kling 4.0 的动态表现提升肉眼可见，碰到复杂打斗场景时尤其明显。

举个例子，我想致敬一下《美队2》里的电梯打戏，于是用 AI 做出了下面两张图，场景和美队2里的一致：

我的提示词是这么写的：画面参照图一和图二，场景放在逼仄拥挤的金属电梯里，一个穿深色外套、酒红色连帽衫的年轻男子，被四周的西装壮汉围住。旁边一名壮汉忽然出拳打来，男子侧身避开，顺势攥住对方手腕，转身一记肘击；紧接着背后有人将他抱住，他猛地后撞，把对方撞到电梯壁上，挣脱之后借力将迎面扑来的敌人摔倒。攻防衔接又快又顺，重心转换很真实，撞击带着分量，金属墙面被撞得发颤。用广角镜头贴身跟拍，跟着动作快速横移，撞击瞬间画面轻微抖动，一镜到底，动作看得清楚，没有慢动作。

最后跑出来的效果是这样：

这一条我认为挺能打，尤其是两个点上。

头一个，是动作与动作之间的衔接。

从闪避到反击，再到身体碰撞，人物在干什么、为什么要接下一个动作，起码都能看得明白。

第二个，是镜头带来的临场感。

近距离跟拍、快速横移，再叠加碰撞时的那点镜头震动，几样东西凑到一起，打斗的重量感确实出来了，而整套镜头调度，Kling 4.0 处理得相当到位。

下面这个公寓打斗同样不错。

暴力向的场景之外，我还想瞧瞧它在另一种极端动态下是什么样。

比如说，花样滑冰。

我用的 Prompt 是这样：花样滑冰视觉短片，整体节奏与高速摄影风格参考顶级体育商业大片。环境是极简深邃的暗黑冰场，只有头顶一束冷冽银蓝追光穿透黑暗，落在镜面般的冰面上。画面主体是一位气质清冷孤傲的亚裔女运动员，身着深海蓝渐变碎钻考斯滕。镜头压到极低机位、高速贴冰面跟拍她全速助滑冲刺，随后她侧身凌厉急停，刮起漫天扇形碎冰雾，紧接着腾空跃起，完成爆发力十足的四周跳、高速轴心旋转以及大跨度燕式滑行。运镜在高速环绕、微距冰刃特写与升格慢动作之间自由切换，水钻礼服和飞溅的冰晶在追光下拖出璀璨光轨，把速度与力量的极致美感拉满。

这类画面本身就不好做，还得兼顾美感。

整体看下来，可灵这次的表现确实可以。

落到跳跃、旋转这些动作上，人的身体中轴、重心、四肢打开的状态，还有落冰之后那一下衔接，都处理得挺到位。

花滑之外，我又拿篮球跑了一条片子，提示词写的是这样：

到了黄昏，城市天台的篮球场上，一名球员迎着防守使出各式动作，完成后撤步跳投。出手那一刻，镜头转到他背后，一路跟着篮球画出高高弧线，球空心落网，篮网微微晃动。逆光的夕阳打底，背景是城市天际线

稳定性同样没什么问题。

三. 全能参考

跟Kling 4.0一起到来的，还有参考能力上的变化。

可灵这回把原来的视频首尾帧，改成了多帧参考，一次最多能塞进去10帧画面：

我顺手想了个应景的玩法。国庆回来第一周，不少人还在回味假期，我就做了个小片段，先备好四张参考图，当作视频的四帧：

交给Kling 4.0之后，出来的是这个效果：

帧与帧之间的过渡，可灵还是排在前面的那个。

另外，这一轮升级里，可灵在全能参考上做得更细了。

这点可能有人会忽略，但它的分量不轻。

做过AI视频的人大概都有体会：想描述清楚自己脑子里的镜头，很难；可想要的镜头，平时又确实在各种地方见过。

况且视频模型再能打，随机性也是AI绕不开的事。

真要一遍遍抽卡碰运气，代价未免太高。

模型参考能力的作用，这时候就显出来了。

举个例子，我们公司有位小伙伴特别迷指环王三部曲，第一部里有个一镜到底的长镜头他很喜欢，就把那一段截了出来：

这一段其实只是中间一截，前后各自还接了两段交代艾辛格场景的镜头，配乐上的衔接也很顺。只是眼下AI视频模型单镜头直出有时长限制，他就留下了自己最中意的这一小段。

我换了个场景，顺带把片段里的甘道夫换成了下面这个机器人：

再简单说下要求：

按参考视频一的景别与运镜方式，做出一段运镜效果相同的一镜到底视频：场景整体替换为第一张图里的场景，视频结尾人物所坐的高塔也改成第一张图中的石塔，人物则替换为第二张图片里的机器人。要留意，蝴蝶落到机器人手中之前，机器人面部屏幕始终呈现愁容；等蝴蝶落到手上，面部屏幕马上换成第三张图中的高兴表情

配乐一衬，加上换上去的机器人，一段有点滑稽的片子就这么出来了：

参考并替换运镜场景里的各种元素之外，眼下最火的玩法，其实是把原视频里的人物换掉。

聊到这儿，想起一位故人，原视频我就不放了，懂的都懂。

我打算把宗主换成牛来，于是先备好了牛来的三视图：

接着把海外的AI F4、牛来和视频一块丢给Kling 4.0，prompt是这么写的。

于是。。。

又是被魔性洗脑的一天。

最后

画面和功能前面说了不少，说到底还是要落到一个很实际的问题上。对天天做内容的人来说，这事儿尤其要紧。

钱。

所以在我看来，衡量一个视频模型，成片质量之外还得盯两个指标：单次生成要花多少钱，以及为了一条能用的成片，到底得抽多少次卡，也就是常说的废片率。

价格这块，Kling 4.0这次我觉得还是有竞争力的。

1080P、30秒，450积分。

按他们会员价换算，差不多16块钱一条30秒的1080P视频。

720P大约9块钱。

Kling 4.0 Flash还要更便宜。720P 20秒，只要120积分。

所以不少时候我更建议先用4.0 flash跑小demo和样本，再上Kling 4.0正式版去跑。

另外他们还有个活没上线——支持10-bit 4K HDR，业内最高输出规格，这个在AI视频上之前真没见过，很期待。

整体测下来，Kling 4.0这回在大范围动态、复杂动作衔接，还有全能参考的可控性上，都给出了挺扎实的进步。

我特别特别希望可灵以后能越来越强。

毕竟模型之间竞争越多，对创作者来说才越是好事。