用 Kling 生成 AI 视频——全部模型、模式与示例

什么是 Kling

Kling 是一个视频生成模型家族,由 Kuaishou (快手) 开发——这是一家以短视频平台闻名的大型中国科技公司。Kling 能把文字描述、起始图片或现成视频变成带有动态的新片段,力求呈现真实的动态、自然的物体行为以及画面之间良好的连贯性。

在 AI 视频模型中,Kling 凭借出色的动态质量和丰富的模式,成为最强的选择之一。因此它既适合内容创作者和营销团队,也适合设计师和爱好者——无需摄像机、演员和剪辑,就能让一个想法动起来。

在 genkiki.com 上,Kling 提供所有视频品牌中最丰富的版本和模式——从快速的标准版本到 4K,以及用于动作控制、编辑和口型同步的专用模式。

generiram 中的版本与功能

Kling 有多代产品和专用系列。下面是主要的几组,方便你根据任务选择合适的版本。

版本模式适用场景
Kling 2.1 / 2.1 Master图生视频、文生视频成熟的一代——质量与速度之间可靠的平衡
Kling 3.0 Standard图生视频、文生视频新一代标准画质,适合日常使用
Kling 3.0 Pro图生视频、文生视频3.0 一代中更高的画质和细节
Kling V3 4K / O3 4K图生视频、文生视频高分辨率版本,画面最清晰、细节最丰富
Kling 2.6 / 3.0 / 3.0 Pro Motion Control视频生视频把动作迁移到新场景——掌控动态
Kling O1 Edit / O3 Edit Pro视频生视频编辑和重制现有视频
Kling O3 Reference (Pro / Standard)视频生视频按参考素材引导生成
Kling Lip-sync参考 → 视频让口型与语音/音频同步

文生视频

用文字描述场景——角色、环境、动作、镜头运动、氛围——Kling 就会按描述生成视频。当你从一个想法出发、而不是从现成的视觉素材出发时,很适合用它。

图生视频

提供一张起始图片,Kling 会让它动起来,保留图片的构图和外观,同时为物体、镜头和环境加入动态。

视频生视频(Motion Control、Edit、Reference)

这些模式作用于现有视频——把动作迁移到新场景、编辑画面,或按参考素材引导生成。当你已经有源片段时,它们能提供更精确的控制。

Lip-sync

Kling Lip-sync 让嘴唇的动作与语音或音频同步,适合说话的角色、虚拟形象和配音。

优势

  • 真实流畅的动态——这是 Kling 最强的地方之一。
  • 视频品牌中模式选择最丰富:文字、图片、视频、参考、口型同步。
  • 高分辨率版本(4K 系列),画面清晰、细节丰富。
  • 通过 Standard、Pro 和 4K 版本,灵活平衡速度与质量。
  • 专用的动作控制和编辑模式——在竞争对手中很少见。

适合做什么

  • 面向社交媒体的短视频——TikTok、Instagram、YouTube Shorts。
  • 广告、宣传片和产品展示。
  • 让照片、插画和产品画面动起来。
  • 通过口型同步制作会说话的角色和虚拟形象。
  • 通过编辑和动作控制模式精细改制现有片段。

如何开始

打开 genkiki.com 的 AI 工作室,根据任务和模式选择合适的 Kling 版本——文生视频、图生视频、视频生视频或参考。描述场景或上传源素材,然后开始生成。如果不确定从哪里开始,先用标准版本试一试,最终成品再换成 Pro 或 4K 系列。

Kling 的模型 — 详解

哪个适合做什么、弱在哪里、不该拿来做什么。

Kling 2.1

照片个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 113 积分

擅长

  • 视频的入门档——从照片到动态画面最经济的途径
  • 动作平稳从容,没有变形
  • 可预测:很少冒出什么崩坏的东西
  • 快速又便宜,适合初次尝试

不擅长

  • 视频最长 5 秒
  • 上一代——物理效果明显不及新模型
  • 没有声音
  • 细小的细节会丢失

不要用它来做

  • 不要用它做要在大屏幕上观看的最终画面
  • 不要用它做复杂或快速的动作
  • 不要用它做说话的人物

典型用途

  • 第一个由照片生成的视频
  • 在昂贵的生成之前先试一下
  • 适合社交媒体的短片
  • 让人像或产品轻轻动起来

Kling 2.1 Master

文字个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 564 积分

擅长

  • 上一代——经过验证、表现可预测且价格便宜
  • 适合简单、平缓的动作
  • 与新一代重型模型相比速度很快

不擅长

  • 物理表现明显不如第三代
  • 只能生成短片
  • 没有多镜头,也没有原生声音
  • 细小的细节会崩坏

不要用它来做

  • 第三代可用时不要选它
  • 不要用于最终成片画面
  • 不要用于复杂动作

典型用途

  • 简单的动画
  • 高负载时的备选
  • 低成本试验创意

Kling 3.0 Pro

照片个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 226 积分

擅长

  • 让上传的照片动起来,动作是市面上最令人信服的
  • 在让画面动起来的同时,保留镜头里的人脸和环境
  • 原生 4K
  • 能理解照片里哪些该动、哪些该静止
  • 画面里有多个人时也能处理,不会把他们混在一起

不擅长

  • 速度慢——以分钟计,而不是秒
  • 嘴唇不跟随声音:说话的人物需要用另一个模型
  • 重复尝试成本高
  • 在我们这里,片段最长 10 秒

不要用它来做

  • 不要用它做说话的人物——这个有口型同步
  • 不要在照片需要变成另一个场景时用它——应先生成新的画面
  • 不要用它做快速试验

典型用途

  • 让照片动起来,呈现自然的动作
  • 让产品或场景动起来
  • 从照片生成适合大银幕的镜头
  • 从现成照片出发的广告

Kling 3.0 Pro

文字个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 226 积分

擅长

  • 唯一原生支持 4K(3840×2160)、最高 60 帧/秒的模型——不是事后放大,而是直接这样生成
  • 用多个镜头讲故事:一个片段中最多 6 个独立镜头,每个都有自己的时长、景别和机位,模型会自行保持空间前后一致
  • 场景中可有多人说话,每人都有各自的口型同步——而且每个人都可以说不同的语言
  • 最逼真的物理效果:重量、惯性和触感看起来真实,不会飘
  • 原生生成最长 15 秒——比上一代多出一半

不擅长

  • 慢:五秒的片段需要大约两分钟,而 15 秒、含多个镜头的叙事片段要五分钟甚至更久
  • 声音取决于模式——并非每种模式都有
  • 价格贵,而且每次重试都要重新付费
  • 过长、过于繁杂的描述比最听话的模型更容易让它搞混
  • 在我们这里,片段最长 10 秒,而不是原生的 15 秒

不要用它来做

  • 不要用它做系列试拍——先用标准档做试拍,只把最终画面放在这里
  • 需要快速出结果时不要用它——分钟会累积
  • 不要写半页长的描述——拆成清晰的短句

典型用途

  • 面向大银幕的电影级镜头
  • 一段视频里包含多个镜头的短故事
  • 两人对话的场景,各说各的语言
  • 物体物理效果真实的广告
  • 必须经得起 4K 检验的最终镜头

Kling 3.0 Standard

照片个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 169 积分

擅长

  • 让照片动起来,动作稳定,价格实惠
  • 保持输入画面的样貌,不会变形
  • 速度够快,可以多试几次
  • 继承了该系列的物理表现

不擅长

  • 细节不如专业档
  • 不支持 4K
  • 小物件抖动更明显

不要用它来做

  • 不要用于交付给客户的最终镜头
  • 不要用于有人说话的画面
  • 不要用于细节很重要的场景

典型用途

  • 快速让照片动起来
  • 在昂贵的生成之前先试一下
  • 用现成照片制作社交媒体短片
  • 多种运动变体

Kling 3.0 Standard

文字个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 169 积分

擅长

  • 同样的物理效果和运动表现,价格却亲民得多
  • 批量制作视频的最佳性价比
  • 继承了专业档对镜头和空间的理解
  • 足够快,可以连续多次尝试

不擅长

  • 没有 4K——分辨率达不到专业水准
  • 远景和细小物体的细节较少
  • 同一段视频里的多个镜头不那么稳定

不要用它来做

  • 不要用于会在大屏幕上观看的镜头
  • 不要用于有很多镜头的复杂叙事
  • 不要用于靠细节传达信息的场景

典型用途

  • 社交媒体短片
  • 同一创意的多种变体
  • 正式生成之前的试验
  • 根据描述制作的日常视频

Kling Lip-sync

参考素材个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 32 积分

擅长

  • 根据现成音频文件在参考视频上做口型同步
  • 接受真实录音——声音还是你选的那个
  • 得益于所属系列,身体动作保持自然

不擅长

  • 需要质量好、脸部清晰可见的原视频
  • 精度不及专业模型
  • 头部移动时表现较弱

不要用它来做

  • 脸被遮挡或为侧脸时不要使用
  • 对口型精度要求很高时不要使用

典型用途

  • 在现成视频上配上选定声音的配音
  • 按录音配出台词

Kling 口型同步(文字)

个视频个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 28 积分

擅长

  • 直接根据文字对口型——声音由它自己生成,无需另外配音
  • 省去工作中的整整一步
  • 属于物理表现出色的系列——身体动作保持自然

不擅长

  • 声音是合成的,可控性不如真实录音
  • 在唇形同步精度上不及专门的模型
  • 无法选择具体的声音

不要用它来做

  • 当声音必须是某个特定的人时,不要用它
  • 当口型同步必须完美无瑕时,不要用它
  • 不要用它做长篇独白

典型用途

  • 根据输入文字快速生成说话的人
  • 配音前先试一下台词

Kling 3.0 Pro Motion control

个视频个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 338 积分

擅长

  • 动作迁移:你给一段有动作的视频和一张人物照片——人物就把这个动作做一遍
  • 参考素材可以是 3 到 30 秒——整套舞蹈编排都行,不只是一个手势
  • 有一栏专门设置人物朝向——它解决了最常见的错误:参考素材面朝这边,而照片里的人面朝那边
  • 保留手部的细微动作和表情——近景特写也能用
  • 输出 720p 或 1080p

不擅长

  • 需要两个输入 — 一张照片和一段带动作的视频
  • 价格贵
  • 样本模糊或动作太快,出来的就是一团糟
  • 照片至少要 300 像素,比例要在 2:5 和 5:2 之间

不要用它来做

  • 没有带着想要动作的视频,就别用它
  • 别给它动作快、拖影模糊的样本
  • 别忘了指定角色的朝向 —— 最难看的错误都是从这儿来的

典型用途

  • 让照片里的人跟着跳同一支舞
  • 把拍好的视频里的手势或步态转到角色身上
  • 给画出来或生成的角色编排舞蹈
  • 手部动作精准的近景

Kling 2.6 Motion control

个视频个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 141 积分

擅长

  • 最便宜的动作迁移
  • 适合先试试想法,再去花大钱
  • 接受的参考素材类型相同

不擅长

  • 上一代模型 — 结果更粗糙
  • 手和脸的细节会丢失
  • 更容易搞错方向

不要用它来做

  • 别用它做最终成品
  • 别用它做特写
  • 别用它做复杂的动作

典型用途

  • 便宜地试一下动作
  • 看看样本管不管用

Kling 3.0 Motion control

个视频个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 254 积分

擅长

  • 中等价位的动作迁移
  • 同样有设置人物朝向的那一栏
  • 用在社交网络上够准了
  • 同样接受 3 到 30 秒的参考素材

不擅长

  • 动作快时精度下降
  • 手部的细微动作会糊掉
  • 细节不如专业级别

不要用它来做

  • 别用它做复杂的编舞
  • 别用它做手部特写
  • 别用它做交给客户的最终成品

典型用途

  • 按样本做简单的舞蹈或手势
  • 社交网络用的短视频
  • 在专业级别之前先试一次

Kling O3 4K

照片个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 846 积分

擅长

  • 用更新的引擎让照片以 4K 动起来
  • 边缘更干净,比上一代闪烁更少
  • 保持所上传照片的外观
  • 在长时间的慢镜头中保持稳定

不擅长

  • 昂贵且缓慢
  • 需要高质量的输入
  • 没有口型同步

不要用它来做

  • 不要用它做试做
  • 不要提供质量差的图片
  • 不要用它做说话的人物

典型用途

  • 用照片制作大屏幕终版视频
  • 最高画质的产品镜头

Kling O3 4K

文字个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 846 积分

擅长

  • 用新一代引擎从描述生成 4K——同样分辨率下画面更干净
  • 擅长镜头穿过场景的运动
  • 边缘闪烁比上一代 4K 版本更少
  • 对描述的贴合度很好

不擅长

  • 又贵又慢
  • 重试需要重新付费
  • 拍静止画面没有优势——那里是多花钱

不要用它来做

  • 不要用它做系列试拍
  • 不要用它拍平静、静止的画面
  • 不要用于只在手机上看的片段

典型用途

  • 大银幕的最终画面
  • 带镜头运动的镜头
  • 最高画质的广告

Kling O3 Edit Pro

个视频个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 282 积分

擅长

  • 该系列中最新一级的编辑能力——更精确、更干净
  • 修改时保留面部和动作
  • 被修改部分的边缘更少抖动
  • 能理解画面中哪些可以改动、哪些不可以

不擅长

  • 小修小改成本偏高
  • 速度慢
  • 需要精确的描述

不要用它来做

  • 不要用于粗略、快速的修改
  • 不要用于试稿——请在更便宜的档位上做

典型用途

  • 对成片进行精准编辑
  • 更换物体并保留面部

Kling O3 Reference (Pro)

个视频个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 338 积分

擅长

  • 按参考重制视频——你提供想要的效果样子
  • 对参考样本的还原度很高
  • 保留原视频的动作

不擅长

  • 很依赖参考图的质量
  • 昂贵
  • 较慢

不要用它来做

  • 不要上传模糊的参考图
  • 不要用它做试验

典型用途

  • 按参考样例更换角色形象
  • 把图片的风格迁移到拍摄的视频上

Kling O3 Reference (Standard)

个视频个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 254 积分

擅长

  • 价格实惠的参考图改编
  • 保持原片的动作
  • 以半价看出参考图是否有效
  • 像专业版一样保持原片的动作

不擅长

  • 贴合度不如专业级
  • 结果更粗糙
  • 面部和小物件的细节较少

不要用它来做

  • 不要把它用作交给客户的最终成品
  • 不要提供薄弱的参考

典型用途

  • 参考重制的试跑
  • 在专业重制前先检验样片
  • 按参考制作社交媒体短片

Kling V3 4K

照片个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 846 积分

擅长

  • 直接把照片动起来,输出 4K
  • 运动时保留画面中的人脸和环境
  • 图片转视频的最高画质
  • 缓慢的电影感运动下表现稳定

不擅长

  • 昂贵且慢
  • 需要高质量的照片——输入差,输出就差
  • 没有口型同步

不要用它来做

  • 不要用它来试做——先用更便宜的档位
  • 不要提供小尺寸或模糊的照片
  • 不要用它来做说话的人物

典型用途

  • 最高画质的照片成片
  • 适合大屏幕的产品镜头
  • 让档案或影棚照片动起来

Kling V3 4K

文字个视频
画面比例: 1:1, 9:16, 16:9 时长: 5 秒, 10 秒 价格: 846 积分

擅长

  • 根据描述直接生成原生 4K——适合大屏幕和大尺寸展示的广告
  • 物理效果可信,动作有分量感
  • 镜头比该系列大多数模型更长
  • 镜头穿越场景时空间不会崩坏

不擅长

  • 因为分辨率高,所以昂贵且慢
  • 每次重试的费用都和第一次一样
  • 过于繁杂的描述会妨碍它

不要用它来做

  • 不要用于试验——先在更便宜的档次试好,再来这里
  • 不要用于手机观看的片段
  • 不要写半页长的描述

典型用途

  • 大银幕画面
  • 最高画质的最终广告
  • 带运镜的电影级镜头
  • 用于放映或电视的素材

Kling O3 4K

参考素材个视频
画面比例: 1:1, 9:16, 16:9 时长: 3 秒, 4 秒, 5 秒, 6 秒, 7 秒, 8 秒, 9 秒, 10 秒, 11 秒, 12 秒, 13 秒, 14 秒, 15 秒 价格: 846 积分

擅长

  • Видео в 4K по до 7 снимки на героите, продукта или стила
  • Пази лицата, дрехите и продукта от снимките през целия клип
  • Референциите се назовават в описанието (@Image1, @Image2) и моделът знае коя за какво е
  • „По сцени“: до 6 сцени с отделно описание и секунди
  • Видео от 3 до 15 секунди
  • Звук към клипа по желание, на същата цена

不擅长

  • Не приема видео и аудио референции
  • Не говори български
  • Резолюцията е само 4K, затова е от по-скъпите
  • Не приема отрицателен промпт

不要用它来做

  • Не го ползвай без нито една снимка: нужна е поне една референция
  • Не го ползвай за проби: всяка секунда е в 4K
  • Не го ползвай, ако искаш движението от примерен клип: видео референция няма

典型用途

  • Рекламен клип в 4K с продукта и героя от снимките
  • Клип с няколко героя от отделни снимки
  • История в няколко сцени със същите герои
  • Видео за голям екран или телевизор

Kling 常见问题

用 Kling 生成一次要多少钱?

用积分支付,价格取决于具体模型:Kling 2.1 — 113 积分; Kling 2.1 Master — 564 积分; Kling 3.0 Pro — 226 积分; Kling 3.0 Pro — 226 积分; Kling 3.0 Standard — 169 积分; Kling 3.0 Standard — 169 积分; Kling Lip-sync — 32 积分; Kling 口型同步(文字) — 28 积分; Kling 3.0 Pro Motion control — 338 积分; Kling 2.6 Motion control — 141 积分; Kling 3.0 Motion control — 254 积分; Kling O3 4K — 846 积分; Kling O3 4K — 846 积分; Kling O3 Edit Pro — 282 积分; Kling O3 Reference (Pro) — 338 积分; Kling O3 Reference (Standard) — 254 积分; Kling V3 4K — 846 积分; Kling V3 4K — 846 积分; Kling O3 4K — 846 积分。开始生成前会显示确切价格。

Kling 有哪些限制?

以下是每个模型支持的内容:Kling 2.1 — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling 2.1 Master — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling 3.0 Pro — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling 3.0 Pro — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling 3.0 Standard — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling 3.0 Standard — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling Lip-sync — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling 口型同步(文字) — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling 3.0 Pro Motion control — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling 2.6 Motion control — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling 3.0 Motion control — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling O3 4K — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling O3 4K — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling O3 Edit Pro — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling O3 Reference (Pro) — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling O3 Reference (Standard) — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling V3 4K — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling V3 4K — 画面比例 1:1, 9:16, 16:9, 时长 5 秒, 10 秒; Kling O3 4K — 画面比例 1:1, 9:16, 16:9, 时长 3 秒, 4 秒, 5 秒, 6 秒, 7 秒, 8 秒, 9 秒, 10 秒, 11 秒, 12 秒, 13 秒, 14 秒, 15 秒。

Kling 最适合做什么?

各模型的优势:Kling 2.1 — 视频的入门档——从照片到动态画面最经济的途径, 动作平稳从容,没有变形, 可预测:很少冒出什么崩坏的东西; Kling 2.1 Master — 上一代——经过验证、表现可预测且价格便宜, 适合简单、平缓的动作, 与新一代重型模型相比速度很快; Kling 3.0 Pro — 让上传的照片动起来,动作是市面上最令人信服的, 在让画面动起来的同时,保留镜头里的人脸和环境, 原生 4K。

Kling 与其他模型对比

所有模型对比

立即试用 Kling

直接在浏览器里用 Kling 生成你自己的 视频 — 无需安装,中文界面。