Kling 4.0 使用指南：从提示词到成片验收

第一条值得做的视频，应该有一个说得清的动作，也有一个看得见的结束。“做一段电影感产品片”把这两件事都留给了模型；“一只手把陶瓷杯放在窗边，蒸汽升起，镜头最后停在杯子上”，才是一条可以准备、生成和验收的镜头。

这篇 Kling 4.0 使用指南按后一种方式展开：先说明已公布的工作流，再拆成可执行的制作步骤。文中的提示词、验收表和预算示例属于制作建议，不是已经完成的效果测试，也不代表固定成功率。

先核对当前可用范围： Kling 在 9 月 30 日的公告中说明了 4.0 抢先体验及 10 月扩大开放的计划，实际操作前请检查所选模型和账号权限。本站通用生成器里当前标为“Kling 4.0”的选项实际使用 Seedance 2 Mini，不能据此认为已提供下文全部官方功能。独立的 Motion Control 工具则使用真实 Kling 2.6 动作迁移接口。

1. 先确定这条镜头要交付什么

打开设置前，先写一句任务说明，包含主体、动作、受众和最终构图。再单独写一句验收条件：哪些东西一旦出错，这条视频就不能用？

以陶瓷杯为例，任务说明可以是：“给短视频制作一个安静的竖版产品镜头，最后能看清右侧杯把。”验收条件则是：“杯形保持一致，手能自然松开，结尾上方留出字幕位置。”这些描述不需要相机品牌，也不需要堆一串画质形容词。

第一次尽量只安排一个主体、一个主要动作和一次镜头运动。这样即使失败，也能判断问题出在哪里。多人同时移动、物体不断变化、镜头还要绕场一周，看似把需求写完整了，实际会让每次结果都难以解释。

如果还没确定项目，可以先看配套的 Kling 4.0 应用场景与受众指南。知道自己要交付的是概念提案、产品素材还是角色动作，才能决定哪些错误可以接受。

2. 按手里的素材选择输入模式

只有创意、还没确定外观时，适合从文字开始；构图或人物设计已经批准时，适合使用图片；需要重复使用某个人物或物体时，重点是参考素材；需要指定场景中的重要画面时，再考虑关键帧。

这些上传内容承担的任务不同。人物设定图用于说明“是谁”，结尾构图用于说明“最后在哪里”。即使操作界面的命名不同，也建议在自己的制作记录里写清每份素材的用途。

参考库比较成熟的项目，也可以先评估 O3。Kling O3 vs Kling 4.0 对比页按工作流说明选择依据。新版本出现，不代表一套有效的旧参考流程必须推倒重做。

3. 准备少量但相互一致的素材

素材之间首先要不打架。一张是短袖、一张是长袖，模型就需要自行解释服装变化；杯把位置、产品轮廓、房间结构和光线方向也一样。你没有打算变化的细节，不应在输入中反复变化。

人物素材优先准备清晰的面部、与计划动作相关的角度，以及景别参考。产品素材则优先展示识别特征，例如把手、表面纹理、开口与整体比例。不是图片越多越好，一张相互矛盾的参考有时比缺一张参考更难处理。

上传前逐项看一遍：

• 不需要大幅放大，就能辨认主体。
• 重要身体部位和产品特征没有被裁掉。
• 没有不需要的字幕、水印或背景物体。
• 服装、灯光和外观与计划场景相符。
• 已获得素材和可识别人物肖像的必要使用许可。

保留一份确认过的输入素材，更换后另存版本名。提示词相同但结果不同，原因可能只是参考图被换过。文件名、版本和选择理由记下来，比靠印象回忆有效。

4. 把提示词写成镜头指令

可以用五个标签整理：主体、动作、镜头、场景、结束。它们是帮助思考的结构，不是接口强制要求的语法。每一行负责回答一个问题，避免重要信息被埋在风格词里。

主体：一只奶油色陶瓷杯，带一个弯曲杯把。
动作：一只手把杯子放在木桌上，然后退出画面。
镜头：缓慢、小幅向杯子推进，过程中不切镜头。
场景：柔和晨光从窗边照入，室内安静，色彩克制。
结束：杯子静止，杯把位于画面右侧并清晰可见。

主体说明什么最重要，动作说明发生什么，镜头限定一次运动，场景控制环境，结束则给出验收落点。读完后应该能想象出过程，而不只是感到“画面会很高级”。

检查指令有没有相互冲突。“固定机位”和“绕杯子环拍”不能同时描述同一次连续镜头；“产品外形不变”和“变成另一种造型”也不能同时成立。需要两种构图时，应明确拆成两个镜头，或使用实际可用的多镜头控件。

优先使用放下、转身、打开、抬起、停顿这类可观察的动词。电影感、精致、震撼可以补充审美方向，却无法代替动作。先把物理过程写清，再加风格，修改时也更容易知道自己到底改了什么。

5. 关键帧用来安排重要画面

Kling 4.0 已公布的 Multiple Keyframes 指南说明最多支持十张关键帧图片。这是容量上限，不是每次都要填满。一个简单镜头只需要开场、主要变化和落点，就已经有明确结构。

陶瓷杯示例可以先画三个节点：

1. 桌面留空，拿着杯子的手接近桌面。
2. 杯子接触桌面，手仍握着杯把。
3. 手已经退出，杯子独立静止。

节点之间也要能解释。杯把没有经过转动却突然从左变右，就是输入中的矛盾；第一张是房间全景、第二张直接变成杯口特写，就要说明想要切镜头还是连续推进。关键帧给的是状态，提示词还需要描述状态之间如何变化。

不要把写进提示词的时间点理解成剪辑软件里的逐帧保证。生成后仍要检查实际节奏，并为裁剪留出余量。需要精确卡点的交付，应在确认素材可用后，通过编辑软件完成最终组接。

6. 先用合适的时长和分辨率测试

官方 4.0 公告描述了最长 30 秒的原生生成能力。第一次应选择足以表达动作的短时长，动作成立后再延长。连续镜头确实需要更长时间，但时间越长，需要检查人物、物体和背景是否漂移的范围也越大。

分辨率要结合发布位置，以及所选接口实际提供的选项。一张更清晰的画面不能修复错误手势或消失的杯把。先确认构图、动作和落点，再判断是否需要更高分辨率的版本。

不能把官方发布说明直接当作任意生成器的参数表。本站当前通用生成器标为“Kling 4.0”的选项，因为采用不同上游，界面提供的是 480p/720p、4–15 秒，参考图在界面最多三张。这些是本站目前的操作范围，不是官方模型的规格。

若只想在本站通用生成器先验证构图，五秒、480p 可以作为一个建议起点，前提是它容得下任务中的动作。提交前以按钮旁的积分报价为准。这个建议不代表官方最低设置，也不代表经过实测得出的最佳画质方案。

7. 从头安排一个完整示例

下面是一条八秒陶瓷杯展示的制作计划，适用于具备所需控件的界面。它是任务示例，不是已经生成的作品或成功案例。

主体：一只素色奶油白陶瓷杯，只有一个弯曲杯把。
动作：成年人的手轻轻把杯子放在木桌上，松开杯把后离开画面，
杯中有少量蒸汽缓缓升起。
镜头：一次缓慢向前的移动，在手离开时逐渐停止。
场景：安静室内，晨光从左侧窗户照入，背景简洁。
结束：杯子保持静止，杯把在右侧，上方留出后期添加字幕的空间。

这个练习先不要求模型生成字幕。后期叠字更容易控制文案、字体和位置。如果项目必须准确展示包装上的文字，就把原图与结果逐字对照，不能因为画面缩小后看着差不多就通过。

保存这次提示词时，一并记录输入文件、模型、模式、时长、分辨率与任务编号。下次重做才知道变了什么。参数和素材都不一样的两次生成，不能直接拿来判断某个模型“更听话”。

8. 声音也需要单独验收

所选模型和界面支持原生声音时，写清希望听到什么：一句短台词、一段停顿、一种环境声，或与动作同步的事件声。多人说话时，明确每句属于谁，其他人何时保持安静。

第一次对白测试应简短。先只听声音，检查可懂度和节奏；再带画面看，检查口型和说话人分配。视觉再漂亮，产品名称念错或台词由错误的人说出来，都可能让片段不能交付。

本站 Motion Control 工具没有暴露独立的对白生成控件。不能因为提示词能输入场景描述，就把它当作可以合成指定声音的承诺。如果声音是交付重点，要选择提供所需音频控件的工作流，或在后期加入经过批准的配音。

9. 重做前，先判断失败发生在哪一层

每次只改变一个主要变量，下一次结果才有比较意义。同时换素材、改时长、改运镜、再加新角色，即使画面变好了，也很难知道哪个修改起了作用。

不要遇到问题就提高分辨率。很多失败来自指令含义或几何关系，原封不动地提高像素数量，只会得到更清晰的同类错误。先定位动作、参考和转场，再决定是否值得再付费尝试。

10. 完整看完，再交给下一个制作环节

建议分三遍看：第一遍看故事是否成立，第二遍看外观和运动是否连续，第三遍看声音。动作最复杂的时刻和最后一次过渡，再逐段拖动检查。把片段放进真实剪辑时间线后，还要复查开头结尾，因为相邻镜头会让原本不明显的跳变更突出。

统计时看“每条最终可用素材的成本”，包括废片、剪辑和补声音的时间。一种项目管理示例是：先允许三个候选版本，如果都未通过，就回头改任务说明。这是人为制定的试做边界，不是模型限制，也不是对所有用户的花费建议。

交接包至少保留成片、参考素材、提示词版本、实际模型标识和待完成编辑项。只用于构思的结果应写明是概念稿，避免被下一位同事误当作已经批准的产品素材。

常见问题

只有文字，也能照这篇指南做吗？

可以使用任务说明、提示词结构和验收方法。需要图片或多关键帧的步骤，只能在真正支持对应能力的界面里执行。先做好一个单镜头，不要假设不存在的上传控件或参数。

关键帧是不是越多越好？

按有意义的画面变化安排数量。几张几乎相同的图，可能只增加维护成本，没有增加有效指令。先写开场、主要事件和结束，发现中间确实缺少控制节点后再增加。

Motion Control 与图生视频有什么区别？

普通图生视频从静态图片出发，由提示词和模型生成动作；专门的动作迁移还增加一段视频，用它提供表演。动作本身是核心参考时，可以使用 Motion Control 工具。

这篇文章代表 Kling 4.0 的实测画质结论吗？

不代表。它是依据已公布能力整理的制作指南，配合编辑建议，没有宣称测得固定成功率、生成时间或相对其他模型的质量优势。

新手第一条应该做什么？

选一个结尾清楚的简单动作：杯子落桌、虚构角色挥手，或安静的风景揭示。再用 场景与受众指南把练习对应到自己的工作任务。

能力资料核对于 2026 年 10 月 6 日：Kling 4.0 公告、Multiple Keyframes 指南、Kling VIDEO 3.0 Omni 用户指南。封面为编辑示意图，不是 Kling 生成视频的截图。