Kling 4.0 图生视频：首尾帧让照片动起来

Kling 4.0 图生视频可以把静态照片变成 3 至 30 秒的视频片段：上传首帧，可选上传尾帧以确定结束画面，再编写提示词描述两帧之间的运动，输出分辨率为 720p 或 1080p。截至 2026 年 11 月，Kling 5 尚未发布，因此这是目前让静态图片动起来的工作流程，而现在准备的帧素材以后仍然有用。

你现在就可以在 Kling5 AI 上使用这一流程：我们是独立平台，与 Kuaishou 或 Kling 团队没有关联。使用我们的 Kling 4.0 AI 视频生成器即可。虽然网站名称包含“Kling 5”，目前我们运行的是 Kling 4.0 和 Kling 3.0，等待未来版本发布。

Kling 4.0 图生视频有什么作用？

Kling 4.0 图生视频使用一张或两张静态图片，在 3 至 30 秒的时间线上生成连接它们的动态画面。Kuaishou 于 2026 年 10 月 15 日在 kling.ai 向所有用户推出 Kling 4.0，并于 2026 年 10 月 28 日开放完整 API 访问，包括 /image-to-video/kling-4.0 端点。与单次生成最长 15 秒的 Kling 3.0 相比，Kling 4.0 将单次片段的最长时长翻倍至 30 秒，输出 720p 或 1080p；Kling 列出的 4K 和 10-bit HDR 即将推出。想了解静态图片动画以外的模型功能，请参阅我们的 Kling 4.0 功能指南。

使用 Kling 让照片动起来时，上传的图片和编写的文字提示词各有不同的作用：

• 仅使用首帧（只有起始帧）： 图片确定开场画面，包括角色、产品、环境、光线和宽高比。模型在第零秒保持这一视觉基础，并根据提示词决定主体和镜头如何随时间移动。
• 首帧和尾帧（起始帧和结束帧）： 上传第二张图片也能确定片段的最后一刻。Kling 4.0 将第一张图片作为开场帧，第二张作为结束帧，生成从姿势 A 到姿势 B 或从角度 A 到角度 B 的过渡。
• 文字提示词： 视觉细节已经存在于上传的照片中，因此无需从头重新描述图片。提示词应告诉模型起点和终点之间发生什么变化：主体如何移动、镜头如何运动、事件发生的顺序，以及应遵循哪些音频或文字规则。

在 Kling 自家的应用中，基于图片的生成分为两个独立入口，不能在同一任务中组合：“Omni Reference”接受图片、视频和语音；“Keyframes”只接受图片，以实现像素级一致性，可使用首帧、首尾帧或最多 10 张关键帧图片。Kling 自家的应用还提供较轻量的 Kling 4.0 Flash 模式，最长运行 20 秒，最高分辨率为 720p，目前不支持首尾帧或多个关键帧。

在 Kling5 AI 上，我们专注于 Kling 4.0 图生视频选项卡中的核心首尾帧设置：必须提供首帧，可以选择提供尾帧，总共最多两张图片。

如何在 Kling5 AI 上用 Kling 4.0 让照片动起来？

在 Kling5 AI 上制作静态图片动画，只需在网页生成器中按步骤操作，从上传文件到生成 720p 或 1080p 视频片段。网站上的设置方法如下：

1. 打开生成器： 前往 Kling5 AI 的 Kling 4.0 页面（/kling-4），你会看到文生视频、图生视频和参考生视频三种生成模式。
2. 选择图生视频模式： 切换到图生视频，以便上传帧图片。
3. 上传首帧： 将起始图片作为首帧上传。每次图生视频都必须提供这张图片，它决定开场构图和输出视频的宽高比。
4. 按需添加尾帧： 如果希望片段以特定的结束姿势、产品角度或镜头构图收尾，请上传第二张图片作为尾帧。如果希望完全由提示词驱动开放式运动，只上传首帧即可。在 Kling5 AI 上，图生视频最多使用两张图片（平台不支持中间关键帧）。
5. 编写运动提示词： 输入提示词，描述帧之间的动作、镜头运动和事件顺序。Kling5 AI 要求填写提示词，最多支持 2,500 个字符。
6. 选择时长： 从 3 至 30 秒中选择任意整数秒。Kling5 AI 默认设置为 5 秒。
7. 选择分辨率： 在 720p（默认设置）和 1080p 之间选择。请注意，Kling5 AI 的图生视频模式没有宽高比选择器；文生视频和参考生视频可以选择 16:9、9:16、1:1 或 21:9，而图生视频输出会自动遵循上传帧图片的宽高比。
8. 检查积分费用并生成： 积分消耗随所选时长和分辨率变化。生成器会在任务开始前显示准确的积分费用，你也可以随时在价格页面查看套餐详情。

在多个工具中制作较长图生视频片段的创作者，有时也会配合 Kling 4.0 使用 AI Video Studio 上的 Seedance 2.5。

如何选择合适的首帧和尾帧

要让 Kling 4.0 的首尾帧过渡流畅，需要上传视觉环境、主体身份和构图逻辑一致的两张图片。根据 Kling 的首尾帧快速入门指南，两帧内容应尽可能相似；如果起始图片和结束图片差异明显，模型可能突然切换镜头或画面，而非生成连续的运动过渡。

搭配起始帧和结束帧的实用方法

• 保持光线、主题和构图一致： 两张图片应看起来像同一台相机在同一个房间或环境中拍摄的两个瞬间。如果首帧是暖色室内环境中放在胡桃木桌上的咖啡杯特写，而尾帧是同一个杯子在户外冷色日光下的远景，模型就没有平滑移动的物理路径，很可能直接切换场景。
• 编辑首帧以制作尾帧： Kling 的首尾帧指南指出，许多用户会先用图片生成器生成或准备相似且匹配的图片对，再将其导入视频工作流程。如果从已有照片或产品图开始，对同一张图片做细微编辑，例如转动角色的头、打开盒盖，或在保留背景的同时稍微调整镜头角度，就能为模型提供连接两种状态的清晰视觉路径。
• 匹配两张上传图片的尺寸： 图生视频会遵循上传帧的宽高比，因此上传前请确保首帧和尾帧裁剪为完全相同的比例。

Kling API 的图片要求

如果你希望导出源照片时有明确的技术基准，Kling 的 Kling 4.0 图生视频 API 文档截至 2026 年 11 月规定了以下模型输入图片要求：

• 文件格式： .jpg、.jpeg 或 .png。
• 文件大小： 每张图片最多 30 MB。
• 最小尺寸： 宽度和高度均至少为 300 px。
• 宽高比范围： 介于 2:5 和 5:2 之间。

在这些 API 限制内准备 .png 或 .jpg 帧图片，并在上传前裁剪为 16:9 或 9:16 等标准视频比例，有助于避免拉伸或意外的构图问题。

如何编写 Kling 图生视频提示词？

好的 Kling 图生视频提示词侧重具体的物理运动、镜头方向、事件顺序和音频限制，而不是抽象的质量词。在 Kling 4.0 API 文档中，Kling 建议围绕四个明确要素组织提示词：参考素材的角色、整体场景、事件顺序和音频要求。

Kling 文档中的提示词规则

1. 描述具体画面，而非抽象标签： Kling 用户指南明确建议避免使用“premium look”之类含糊的词语。与其要求“cinematic luxury vibe”，不如描述画面中的实际运动：水珠沿玻璃瓶滚落、柔和的摄影棚主光掠过拉丝铝表面，或镜头缓慢推进。
2. 明确说明每张图片的作用： 在 Kling 的 API 文档中，可以为图片分配 ID，并在提示词中以 @image_1 和 @image_2 引用。Kling 指出，如果提示词没有明确说明各参考素材的用途，模型会自行推断如何使用，结果可能与你的意图不同。即使编写一般的图生视频提示词，清楚说明镜头如何从开场帧开始并停在结束帧，也能让过渡更稳定。
3. 让提示词时间线匹配所选时长： 在 Kling API 中，如果没有发送时长参数，模型会查找提示词中指定的时长（例如“Generate a 15-second video”），否则默认使用 10 秒。在 Kling5 AI 上，你可以在界面中选择准确的秒数（3 至 30 秒），因此请确保描述的动作顺序能在所选时间内合理完成。
4. 使用 Kling 推荐的两条具体负面指令： 根据 Kling 用户指南，提示词中真正需要的负面指令只有“no subtitles”和“no background music”，因为如果没有指定音频和文字行为，模型默认可能添加字幕或背景音乐。

可供调整的提示词示例

下面是根据 Kling 指南设计的三个提示词结构示例。这些是供你根据自己的图片调整的示意模板，并非实际测试运行的输出：

• 首尾帧之间的产品旋转（5 至 8 秒）： "Starting from the front-facing skincare bottle in the first frame, the camera performs a slow, steady arc to the right across a dark slate surface while soft rim light reflects along the frosted glass edge, settling smoothly into the angled three-quarter product view in the last frame. Subtle water ripples move across the base. Quiet room ambience, no subtitles, no background music."
• 从单张首帧生成角色运动（6 至 10 秒）： "In a rain-lit city street at night, the woman from the first frame slowly turns her head toward the camera, lowers her clear umbrella onto her shoulder, and takes two calm steps forward along the wet pavement as neon reflections shimmer in the puddles behind her. Gentle rain sound only, no subtitles, no background music."
• 较长片段中的多步骤序列（12 至 15 秒）： "Generate a 15-second continuous shot in a sunlit workshop. Beginning with the closed leather journal on the oak desk in the first frame, a pair of hands enters the frame, unties the leather cord, opens the cover flat to reveal blank cream pages, and sets a brass fountain pen beside the spine to match the final frame. Soft natural room sound, no subtitles, no background music."

应该选择什么时长和分辨率？

在 3 至 30 秒和 720p 与 1080p 之间选择，关键在于让运动复杂程度与积分预算匹配。Kling 4.0 允许选择 3 至 30 秒内的任意整数秒，因此无需将简单的三秒转头延长成 10 秒视频，也不必把多步骤的产品展示挤进五秒。

在 Kling API 和 Kling5 AI 上，费用都直接随片段时长和输出分辨率变化。作为开发者底层模型定价的参考，截至 2026 年 11 月 2 日，Kling 的开发者定价页面对无输入视频的图生视频输出按秒计费，720p 约为每秒 $0.157，1080p 约为每秒 $0.235。在 Kling5 AI 上，生成消耗平台积分，增加秒数或从 720p 升至 1080p 同样会提高费用，点击生成前会显示准确费用。

一个实用建议是先编写提示词，以较短时长（例如默认的 5 秒）和 720p 检查首尾帧如何过渡。确认模型能连接两帧、没有不想要的镜头切换并遵循镜头方向后，再切换到 1080p，调整最终生成所需的秒数。

Kling 4.0 图生视频的常见问题与解决方法

Kling 首尾帧流程中的大多数问题，都源于两张上传照片之间的视觉差异过大，或提示词缺少约束。如果生成结果不符合预期，请检查以下四项调整：

• 片段中间意外剪切或切换镜头： Kling 的首尾帧指南指出，首帧和尾帧差异明显会导致模型切换镜头，而非生成平滑过渡。解决方法是使用光线、环境、镜头焦距感和主体大小一致的两帧，理想情况下，通过轻微编辑首帧制作第二帧。
• 主体或背景偏离预期： Kling 的 API 指南提醒，如果图片角色和场景细节含糊，模型会自行推断如何使用参考素材。请在提示词中明确首帧代表什么、场景中哪些内容必须保持稳定，以及通向尾帧的准确动作顺序。
• 输出视频的宽高比不对： 在 Kling5 AI 上，图生视频模式不使用宽高比选择器；视频会自动继承上传帧的尺寸。如果输出被裁剪，或希望横屏却得到了竖屏，请在上传前将首帧和尾帧裁剪到目标比例，并保持在 Kling API 的 2:5 至 5:2 比例范围内。
• 片段中出现不想要的字幕或音乐： Kling 用户指南指出，模型默认可能添加字幕或背景音乐。在提示词末尾加入准确的负面指令“no subtitles”和“no background music”，让画面保持干净且音轨没有配乐。

Kling 自家应用与 Kling5 AI 有什么区别？

两个平台都运行 Kuaishou 的 Kling 4.0 模型，以 720p 和 1080p 生成 3 至 30 秒的图生视频，但 Kling 自家的应用/API 与 Kling5 AI 提供的界面选项和关键帧上限不同。下表对比截至 2026 年 11 月两种环境支持的功能：

如果项目特别需要在一次请求中串联 3 至 10 个中间关键帧，或通过代码直接调用 @image_1 开发者参数，就需要使用 Kling 自家的应用或 API。如果你希望通过简单的网页界面制作单帧或首尾帧动画，或希望在一个账号中切换 Kling 4.0 和 Kling 3.0，Kling5 AI 可以直接满足这些流程。

Kling 5 会改变图生视频吗？

截至 2026 年 11 月，Kuaishou 尚未发布或宣布 Kling 5.0，因此 Kling 5 图生视频的工作方式还没有经过证实的规格。目前任何网站或社交帖子声称列出 Kling 5.0 的时长、分辨率或帧数限制，都是未经证实的猜测。你可以在我们的 Kling 5.0 发布日期页面关注经过证实的更新；Kling5 AI 计划在 Kuaishou 发布 Kling 5.0 后添加该模型。

在此期间，没有必要暂停图生视频项目。我们认为，为 Kling 4.0 建立组织良好的匹配首尾帧素材库，并编写清晰、具体的过渡提示词，在下一代模型到来时很可能仍然有用。让两张静态图片的光线和构图保持一致，是一种不依赖特定模型版本的习惯。

准备好让静态照片动起来，或将首尾帧连接成 3 至 30 秒的视频时，打开我们的 Kling 4.0 AI 视频生成器，上传帧图片，选择 720p 或 1080p，然后生成视频。

资料来源

• Kuaishou 新闻稿：Kling AI 推出新一代 Kling 4.0（2026 年 10 月 15 日）
• Kling AI 用户指南：Kling 4.0 模型用户指南
• Kling AI 快速入门：首尾帧指南
• Kling AI 开发者文档：API 更新（2026 年 10 月 28 日）
• Kling AI 开发者文档：Kling 4.0 图生视频 API
• Kling AI 开发者文档：视频 API 基础定价