可灵Kling Image 4.0发布:8K原生分辨率,单图支持2000字
过去几年,AI 生图模型在真实感、分辨率和光影表现上不断刷新人们的认知。但当这些图片真正被用于海报、广告这些商业场景时仍会面临文字能否准确呈现、局部修改是否能保留原有设计等问题。 这些看似不起眼的要求,至今仍是图像模型的难题。(雷峰网) 今年 3 月,微软研究院发布了一项名为 BizGenEval 的商业视觉生成评测,
前几年,AI生图模型在分辨率、真实感和光影上一次次刷新认知。可一旦这些图要落到海报、广告这类商业场景里,问题就来了:文字能不能写准,局部改一处会不会把原来的设计弄丢。
这些要求看着不大,却一直是图像模型绕不过去的坎。(雷峰网)
今年3月,微软研究院推出了一项叫BizGenEval的商业视觉生成评测,用400条提示词、8000道检查题去测主流模型。结论是,模型已经能做出挺好看的海报和网页,可精确布局、多个对象之间的属性对应这些方面,短板仍然明显。
就在这个节点上,靠视频生成打出名气的可灵,今天发布了Kling Image 4.0。
Kling Image 4.0 生成
官方介绍里提到,新模型原生分辨率提到8K,单张图片最多支持2000字,一次能生成最多10张连贯图片。更受关注的是架构:它用的是理解与生成统一的自回归架构,想让模型在同一个上下文里同时处理图像理解和生成。
看得出来,可灵这回不满足于把图做得更漂亮,它还想让模型接住更复杂的创作要求。
我们决定从最直观的人像写真入手,测测Kling Image 4.0的本事。从拍好一张照片,到设计一张海报,再到组织一整套视觉内容,它到底能替创作者分担多少活?
从写真到创意海报
Kling Image 4.0 的生图能力有多强?
这次试Kling Image 4.0,最让我们吃惊的是图片的真实质感。我们做了几张人像写真,人物的皮肤纹理、细节,还有户外的光影投射,都已经很接近真实摄影。
这种真实感已经开始波及摄影行业本身。今年4月,Vogue杂志采访了几位商业摄影师,发现有客户拿AI生成的图片当拍摄参考,要求摄影师在现实中把画面还原出来。
写真考的主要是模型对人物和真实场景的还原。可要做一张真正拿去传播的海报,事情就复杂多了,加上中文之后更是如此。
最近芒果卫视一档综艺里,嘉宾许飞和厉娜的一段对话,让“画地为牢”意外成了互联网新流行语。我们让Kling Image 4.0也凑了回热闹。
“画地为牢”其实很适合拿来做视觉设计,它比普通文字海报多了一层意象。文字内容明确,画面也有可表达的东西。最终生成的作品挺有芒果台综艺宣传海报的味道:半圆形海面构图、清冷疏离的色调,文字排版和艺术字体设计几乎到了能直接发布的水准。
有个变化值得单独拎出来说:Kling Image 4.0的图像编辑能直接选中图里已有的文字来改,也能往现有画面里加新文字。3.0阶段已经有局部重编辑能力,4.0把控制粒度做得更细。我们试着改掉海报文字并补了一行副文案,结果只有我们指定的文字变了,图片其他图层没有重绘。
4.0 与 3.0 的一大差异,体现在字体控制上。3.0 那会儿,创意字体大多依赖提示词去描述风格,虽然能做,但能控住的程度有限;到了 4.0,这件事更接近一个工具:70+ 款预设字体内置其中,选一下即可;模型也能参照上传的字体参考图,按图里的字形和笔画风格来生成。
文字生成向来是AI生图模型比较难啃的部分。艺术字设计比把汉字写对还要再进一步。
比如下面这张夏日露营海报,艺术字体和场景融得很自然,场景、配色到标题设计都有完整的成品感,稍微检查和调整一下就能当活动宣传图用。字体本身就能成为画面的一部分,和云层、海浪这些视觉元素发生联系。对模型来说,这意味着它得同时处理好文字内容、空间位置和视觉风格三者的关系。
除了字数不多的创意海报,Kling Image 4.0还宣称单张图片最多支持2000字。短标题更看字体和创意,长文本更看文字准确性、信息层级和排版能力。它处理更复杂图文内容的表现如何,我们留到后面的商品详情页再接着看。
五元烤红薯的新品发布会
AI 连文案都想好了
艺术字海报主要考模型的审美和创意,商品详情页要处理的事就多得多。商品图怎么拍、详情页里内容怎么摆、图文搭配按什么顺序排,这些都是真实的商业设计场景。
这也是Kling Image 4.0这回强化的能力之一。新模型支持更复杂的图文混合排版,单张图片最多能装下2000字,一键就能做出电商详情长图。
测试用的东西很平常,就是一块烤红薯。我们想看看,Kling Image 4.0 拿到这张实拍照片后,能不能围绕这款红薯做出一整套电商宣传素材,商品摄影要吸引人,卖点介绍、食用场景和必要的产品说明也得有。
提示词这样写:我上传了一张真实烤红薯的照片,请以它为素材,给这块卖 5 元的普通烤红薯做一张完整的电商详情页长图,整体要有国际顶级科技品牌(比如苹果)新品发布会的那种质感。
出来的成品,看着确实像个成熟食品品牌做的东西。
模型自己拟了个品牌,叫“ROOTS 根薯系列”,主色调挑了绿色和米白,主标题写的是“红褐焦脆,金黄流心”。那块原本不起眼的红薯,被摆进了认真搭过的商品摄影场景,暖黄的薯肉、深褐的表皮,成了画面里最抓眼的部分。
还有一点挺有意思:内容没有被一股脑塞进商品主图,模型往下延伸出了几种不同页面。一张用切片摆盘讲食用场景,一张借“向阳丘陵的风土”说产品来历,还有一张把不同的食用状态连同保存、复热方法做成图文说明。
回头再看,提示词其实就一句话,完整的商品信息我们也没给。品牌名、广告语这些明明是要求它设计的内容,模型自己补上了,还把它们拢成了一套风格统一的视觉作品。
这次测试里,最让人意外的正是这一点。
以前用 AI 生图,得先把画面想明白,再尽量细致地写进提示词,商品放哪、背景什么颜色、文字怎么排,都要交代。想要一整套素材,还得一张张写提示词,风格反复调。这一回我们只给了一张照片和一个大致目标,更细的视觉内容,Kling Image 4.0 自己就构思了相当一部分。
背后还有个变化:AI 对商业设计那套表达方式,开始上手了。
对没有专业设计团队的小商家,或者要赶着做营销素材的运营来说,这能力很实在。以前得分别准备产品照片、文案和版式,现在先用一句自然语言生成一套视觉方案,再按实际需要去改就行。
瑕疵当然也有。有些说明性小字不如大标题清楚,模型自己补的产地和产品信息未必准确。但整体看下来,Kling Image 4.0 组织商业图文的能力已经相当完整。它不只生成一张商品美图,品牌风格、广告文案、场景展示、页面排版都能接着往下处理,一个简单想法很快就能变成看得见的设计方案。
从一张图到一组图
AI 开始学习如何讲故事
这几年,图像模型开始往系列图片上走。电影、漫画都离不开连续分镜,品牌广告也常常要一整套视觉素材。同一个角色在不同画面里怎么变、又怎么保持一致,镜头之间怎么接,这些不是把单张画质提上去就能解决的。
Kling Image 3.0 已经能出连续组图,到 4.0,可灵又把多图之间的主体和场景一致性往前推了一步。按官方说法,新模型一次最多能生成十张互相关联的图片。
我们拿电影《燃烧女子的肖像》的一张剧照当参考,让模型围绕两位女性在海边重逢、烧掉一封未寄出的信件这个故事,自己生成一组电影分镜。
电影《燃烧女子的肖像》剧照
结果看下来,模型已经能组织出一段相当完整的视觉叙事。
生成的10张电影分镜照片截取
这组图最突出的地方,是模型主动用了远景、中景、特写等不同景别,一层层把叙事推下去。特别是从递信到信封特写,再到人物表情的切换,镜头组织的意识已经比较明确。
故事从海岸边两人的远景开始,接着切到双人中景,其中一人把信封递给另一人;镜头随即推进到信封特写;第四张换成人物低头看信的面部特写;第五张开始出现参考图里的篝火,最后以两人分立火光两侧的远景收尾。
这组图的视觉风格也统一。参考剧照里的暗色服装和火光氛围延续了下来,阴沉的海岸、深蓝的暮色、岩石和暖黄火光,贯穿了整组图片。
细看还是有小毛病。人物面部在不同镜头里有细微变化,个别动作之间接得不够自然。不过这次输入的就是一个故事梗概,模型交出的这组分镜草案,叙事顺序明确,视觉风格也统一。
(我们让Kling Image 4.0 生成的一组动画分镜)
影视前期、漫画分镜、品牌广告策划这些环节,碰上这种能力会多出不少发挥余地。创作者先把故事、角色设定和视觉参考递过去,模型给出一组初步画面,人再从里面挑合适的镜头接着调。
真实的影视行业里,这类 AI 生图工具已经开始参与拍摄前的准备。美国导演马丁·斯科塞斯拍了几十年电影,今年 6 月接受《纽约时报》采访时提到,自己画分镜画了约 70 年。他长期卡在一个难题上:脑子里想的场景,怎么准确传给摄影师、美术师和剧组其他人。现在他可以先让图像模型把画面做出来,团队理解和讨论起来就快得多。
我们这次测试的场景跟这很像——只给故事梗概和一张参考图,Kling Image 4.0 就完成了第一轮分镜构思。它更像一个能拿去继续讨论的起点。斯科塞斯说的“让团队更快地理解和讨论”,讲的差不多也是这回事:模型先把脑海里的画面变成能指认的东西,真正做判断、动手改的,还是创作者。
在生成之后
用 AI 创作的人,要求常常分成两路。想法还模糊的时候,盼着 AI 多替自己想一些,给出更宽的灵感;设计已经明确了,比如只要局部修改,又希望它严格照做,别自作主张。
说到底这是两种能力:一种读懂用户意图,替人补上还没想清楚的部分;另一种把要求准确执行到位,尽量少碰已经定下来的设计。
Kling Image 4.0 的技术升级可以放到这个框架里看。按可灵的说法,新模型用了理解与生成统一的自回归架构,指令处理能力最高 15K Token,还具备结构化视觉语法和 Agentic 任务规划能力,用来应付更复杂的创作要求。这些名词落到底,要回答的就是:模型能不能读懂一项任务,把里面的细节安排妥当,该改的时候又保住用户已经满意的部分。
变化不只出现在可灵身上。今年 11 月,Adobe 推出新的创意 Agent 和设计工具,想把构思、生成和修改塞进同一个工作环境;可灵 10 月发布的视频 4.0,也在多关键帧、参考素材和镜头控制上做了强化。如今的产品,又往视觉设计和编辑这块补了一手。
对可灵来说,背后还有更实在的商业账要算。快手财报显示,2026 年第二季度,可灵AI营收超过 8.5 亿元,同比增长超过 200%。视频生成已经带来可观的收入,可商业化走到这一步,新问题跟着冒出来:怎么让用户从偶尔生成一段视频,变成一直用可灵做创作?
图片模型升级,给这件事添了更多可能。它要抢的是用户在平台上反复发生的创作需求。一张惊艳的图片或视频,决定用户第一次为什么打开可灵;从灵感到成品这一整段能不能接住,才可能决定他们为什么一直用下去。