用 Kling 生成 AI 影片——全部模型、模式與範例

什麼是 Kling

Kling 是一個影片生成模型家族,由 Kuaishou (快手) 開發——這是一家以短影片平台聞名的大型中國科技公司。Kling 能把文字描述、起始圖片或現成影片變成帶有動態的新片段,力求呈現真實的動態、自然的物體行為以及畫面之間良好的連貫性。

在 AI 影片模型中,Kling 憑藉出色的動態品質和豐富的模式,成為最強的選擇之一。因此它既適合內容創作者和行銷團隊,也適合設計師和愛好者——無需攝影機、演員和剪輯,就能讓一個想法動起來。

在 genkiki.com 上,Kling 提供所有影片品牌中最豐富的版本和模式——從快速的標準版本到 4K,以及用於動作控制、編輯和口型同步的專用模式。

generiram 中的版本與功能

Kling 有多代產品和專用系列。下面是主要的幾組,方便你根據任務選擇合適的版本。

版本模式適用場景
Kling 2.1 / 2.1 Master圖生影片、文生影片成熟的一代——品質與速度之間可靠的平衡
Kling 3.0 Standard圖生影片、文生影片新一代標準畫質,適合日常使用
Kling 3.0 Pro圖生影片、文生影片3.0 一代中更高的畫質和細節
Kling V3 4K / O3 4K圖生影片、文生影片高解析度版本,畫面最清晰、細節最豐富
Kling 2.6 / 3.0 / 3.0 Pro Motion Control影片生影片把動作遷移到新場景——掌控動態
Kling O1 Edit / O3 Edit Pro影片生影片編輯和重製現有影片
Kling O3 Reference (Pro / Standard)影片生影片依參考素材引導生成
Kling Lip-sync參考 → 影片讓口型與語音/音訊同步

文生影片

用文字描述場景——角色、環境、動作、鏡頭運動、氛圍——Kling 就會依描述生成影片。當你從一個想法出發、而不是從現成的視覺素材出發時,很適合用它。

圖生影片

提供一張起始圖片,Kling 會讓它動起來,保留圖片的構圖和外觀,同時為物體、鏡頭和環境加入動態。

影片生影片(Motion Control、Edit、Reference)

這些模式作用於現有影片——把動作遷移到新場景、編輯畫面,或依參考素材引導生成。當你已經有來源片段時,它們能提供更精確的控制。

Lip-sync

Kling Lip-sync 讓嘴唇的動作與語音或音訊同步,適合說話的角色、虛擬形象和配音。

優勢

  • 真實流暢的動態——這是 Kling 最強的地方之一。
  • 影片品牌中模式選擇最豐富:文字、圖片、影片、參考、口型同步。
  • 高解析度版本(4K 系列),畫面清晰、細節豐富。
  • 透過 Standard、Pro 和 4K 版本,靈活平衡速度與品質。
  • 專用的動作控制和編輯模式——在競爭對手中很少見。

適合做什麼

  • 面向社群媒體的短影片——TikTok、Instagram、YouTube Shorts。
  • 廣告、宣傳片和產品展示。
  • 讓照片、插畫和產品畫面動起來。
  • 透過口型同步製作會說話的角色和虛擬形象。
  • 透過編輯和動作控制模式精細改製現有片段。

如何開始

打開 genkiki.com 的 AI 工作室,根據任務和模式選擇合適的 Kling 版本——文生影片、圖生影片、影片生影片或參考。描述場景或上傳來源素材,然後開始生成。如果不確定從哪裡開始,先用標準版本試一試,最終成品再換成 Pro 或 4K 系列。

Kling 的模型 — 詳解

哪個適合做什麼、弱在哪裡、不該拿來做什麼。

Kling 2.1

照片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 113 點數

擅長

  • 影片的入門檔——從照片到動態畫面最經濟的途徑
  • 動作平穩從容,沒有變形
  • 可預測:很少冒出什麼崩壞的東西
  • 快速又便宜,適合初次嘗試

不擅長

  • 影片最長 5 秒
  • 上一代——物理效果明顯不及新模型
  • 沒有聲音
  • 細小的細節會遺失

不要用它來做

  • 不要用它做要在大螢幕上觀看的最終畫面
  • 不要用它做複雜或快速的動作
  • 不要用它做說話的人物

典型用途

  • 第一個由照片生成的影片
  • 在昂貴的生成之前先試一下
  • 適合社群媒體的短片
  • 讓人像或產品輕輕動起來

Kling 2.1 Master

文字個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 564 點數

擅長

  • 上一代——經過驗證、表現可預測且價格便宜
  • 適合簡單、平緩的動作
  • 與新一代重型模型相比速度很快

不擅長

  • 物理表現明顯不如第三代
  • 只能生成短片
  • 沒有多鏡頭,也沒有原生聲音
  • 細小的細節會崩壞

不要用它來做

  • 第三代可用時不要選它
  • 不要用於最終成片畫面
  • 不要用於複雜動作

典型用途

  • 簡單的動畫
  • 高負載時的備選
  • 低成本試驗創意

Kling 3.0 Pro

照片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 226 點數

擅長

  • 讓上傳的照片動起來,動作是市面上最令人信服的
  • 在讓畫面動起來的同時,保留鏡頭裡的臉孔和環境
  • 原生 4K
  • 能理解照片裡哪些該動、哪些該靜止
  • 畫面裡有多個人時也能處理,不會把他們混在一起

不擅長

  • 速度慢——以分鐘計,而不是秒
  • 嘴唇不跟隨聲音:說話的人物需要用另一個模型
  • 重複嘗試成本高
  • 在我們這裡,片段最長 10 秒

不要用它來做

  • 不要用它做說話的人物——這個有口型同步
  • 不要在照片需要變成另一個場景時用它——應先生成新的畫面
  • 不要用它做快速試驗

典型用途

  • 讓照片動起來,呈現自然的動作
  • 讓產品或場景動起來
  • 從照片生成適合大銀幕的鏡頭
  • 從現成照片出發的廣告

Kling 3.0 Pro

文字個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 226 點數

擅長

  • 唯一原生支援 4K(3840×2160)、最高 60 幀/秒的模型——不是事後放大,而是直接這樣生成
  • 用多個鏡頭說故事:一個片段中最多 6 個獨立鏡頭,每個都有自己的時長、景別和機位,模型會自行保持空間前後一致
  • 場景中可有多人說話,每人都有各自的口型同步——而且每個人都可以說不同的語言
  • 最逼真的物理效果:重量、慣性和觸感看起來真實,不會飄
  • 原生生成最長 15 秒——比上一代多出一半

不擅長

  • 慢:五秒的片段需要大約兩分鐘,而 15 秒、含多個鏡頭的敘事片段要五分鐘甚至更久
  • 聲音取決於模式——並非每種模式都有
  • 價格貴,而且每次重試都要重新付費
  • 過長、過於繁雜的描述比最聽話的模型更容易讓它搞混
  • 在我們這裡,片段最長 10 秒,而不是原生的 15 秒

不要用它來做

  • 不要用它做系列試拍——先用標準檔做試拍,只把最終畫面放在這裡
  • 需要快速出結果時不要用它——分鐘會累積
  • 不要寫半頁長的描述——拆成清晰的短句

典型用途

  • 面向大銀幕的電影級鏡頭
  • 一段影片裡包含多個鏡頭的短故事
  • 兩人對話的場景,各說各的語言
  • 物體物理效果真實的廣告
  • 必須經得起 4K 檢驗的最終鏡頭

Kling 3.0 Standard

照片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 169 點數

擅長

  • 讓照片動起來,動作穩定,價格實惠
  • 保持輸入畫面的樣貌,不會變形
  • 速度夠快,可以多試幾次
  • 繼承了該系列的物理表現

不擅長

  • 細節不如專業檔
  • 不支援 4K
  • 小物件抖動更明顯

不要用它來做

  • 不要用於交付給客戶的最終鏡頭
  • 不要用於有人說話的畫面
  • 不要用於細節很重要的場景

典型用途

  • 快速讓照片動起來
  • 在昂貴的生成之前先試一下
  • 用現成照片製作社群媒體短片
  • 多種動作變體

Kling 3.0 Standard

文字個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 169 點數

擅長

  • 同樣的物理效果和運動表現,價格卻親民得多
  • 批量製作影片的最佳性價比
  • 繼承了專業檔對鏡頭和空間的理解
  • 足夠快,可以連續多次嘗試

不擅長

  • 沒有 4K——解析度達不到專業水準
  • 遠景和細小物體的細節較少
  • 同一段影片裡的多個鏡頭不那麼穩定

不要用它來做

  • 不要用於會在大螢幕上觀看的鏡頭
  • 不要用於有很多鏡頭的複雜敘事
  • 不要用於靠細節傳達訊息的場景

典型用途

  • 社群媒體短片
  • 同一創意的多種變體
  • 正式生成之前的試驗
  • 根據描述製作的日常影片

Kling Lip-sync

參考素材個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 32 點數

擅長

  • 根據現成音訊檔案在參考影片上做口型同步
  • 接受真實錄音——聲音還是你選的那個
  • 得益於所屬系列,身體動作保持自然

不擅長

  • 需要品質好、臉部清晰可見的原影片
  • 精度不及專業模型
  • 頭部移動時表現較弱

不要用它來做

  • 臉被遮擋或為側臉時不要使用
  • 對口型精度要求很高時不要使用

典型用途

  • 在現成影片上配上選定聲音的配音
  • 依錄音配出台詞

Kling 口型同步(文字)

個影片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 28 點數

擅長

  • 直接根據文字對口型——聲音由它自己生成,無需另外配音
  • 省去工作中的整整一步
  • 屬於物理表現出色的系列——身體動作保持自然

不擅長

  • 聲音是合成的,可控性不如真實錄音
  • 在唇形同步精度上不及專門的模型
  • 無法選擇具體的聲音

不要用它來做

  • 當聲音必須是某個特定的人時,不要用它
  • 當口型同步必須完美無瑕時,不要用它
  • 不要用它做長篇獨白

典型用途

  • 根據輸入文字快速生成說話的人
  • 配音前先試一下台詞

Kling 3.0 Pro Motion control

個影片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 338 點數

擅長

  • 動作遷移:你給一段有動作的影片和一張人物照片——人物就把這個動作做一遍
  • 參考素材可以是 3 到 30 秒——整套舞蹈編排都行,不只是一個手勢
  • 有一欄專門設定人物朝向——它解決了最常見的錯誤:參考素材面朝這邊,而照片裡的人面朝那邊
  • 保留手部的細微動作和表情——近景特寫也能用
  • 輸出 720p 或 1080p

不擅長

  • 需要兩個輸入 — 一張照片和一段帶動作的影片
  • 價格貴
  • 樣本模糊或動作太快,出來的就是一團糟
  • 照片至少要 300 像素,比例要在 2:5 和 5:2 之間

不要用它來做

  • 沒有帶著想要動作的影片,就別用它
  • 別給它動作快、拖影模糊的樣本
  • 別忘了指定角色的朝向 —— 最難看的錯誤都是從這兒來的

典型用途

  • 讓照片裡的人跟著跳同一支舞
  • 把拍好的影片裡的手勢或步態轉到角色身上
  • 給畫出來或生成的角色編排舞蹈
  • 手部動作精準的近景

Kling 2.6 Motion control

個影片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 141 點數

擅長

  • 最便宜的動作遷移
  • 適合先試試想法,再去花大錢
  • 接受的參考素材類型相同

不擅長

  • 上一代模型 — 結果更粗糙
  • 手和臉的細節會遺失
  • 更容易搞錯方向

不要用它來做

  • 別用它做最終成品
  • 別用它做特寫
  • 別用它做複雜的動作

典型用途

  • 便宜地試一下動作
  • 看看樣本管不管用

Kling 3.0 Motion control

個影片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 254 點數

擅長

  • 中等價位的動作遷移
  • 同樣有設定人物朝向的那一欄
  • 用在社群網路上夠準了
  • 同樣接受 3 到 30 秒的參考素材

不擅長

  • 動作快時精度下降
  • 手部的細微動作會糊掉
  • 細節不如專業等級

不要用它來做

  • 別用它做複雜的編舞
  • 別用它做手部特寫
  • 別用它做交給客戶的最終成品

典型用途

  • 按樣本做簡單的舞蹈或手勢
  • 社群網路用的短影片
  • 在專業等級之前先試一次

Kling O3 4K

照片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 846 點數

擅長

  • 用更新的引擎讓照片以 4K 動起來
  • 邊緣更乾淨,比上一代閃爍更少
  • 保持所上傳照片的外觀
  • 在長時間的慢鏡頭中保持穩定

不擅長

  • 昂貴且緩慢
  • 需要高品質的輸入
  • 沒有口型同步

不要用它來做

  • 不要用它做試做
  • 不要提供品質差的圖片
  • 不要用它做說話的人物

典型用途

  • 用照片製作大螢幕終版影片
  • 最高畫質的產品鏡頭

Kling O3 4K

文字個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 846 點數

擅長

  • 用新一代引擎從描述生成 4K——同樣解析度下畫面更乾淨
  • 擅長鏡頭穿過場景的運動
  • 邊緣閃爍比上一代 4K 版本更少
  • 對描述的貼合度很好

不擅長

  • 又貴又慢
  • 重試需要重新付費
  • 拍靜止畫面沒有優勢——那裡是多花錢

不要用它來做

  • 不要用它做系列試拍
  • 不要用它拍平靜、靜止的畫面
  • 不要用於只在手機上看的片段

典型用途

  • 大銀幕的最終畫面
  • 帶鏡頭運動的鏡頭
  • 最高畫質的廣告

Kling O3 Edit Pro

個影片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 282 點數

擅長

  • 該系列中最新一級的編輯能力——更精確、更乾淨
  • 修改時保留面部和動作
  • 被修改部分的邊緣更少抖動
  • 能理解畫面中哪些可以改動、哪些不可以

不擅長

  • 小修小改花費偏高
  • 速度慢
  • 需要精確的描述

不要用它來做

  • 不要用於粗略、快速的修改
  • 不要用於試稿——請在更便宜的檔位上做

典型用途

  • 對成片進行精準編輯
  • 更換物體並保留面部

Kling O3 Reference (Pro)

個影片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 338 點數

擅長

  • 按參考重製影片——你提供想要的效果樣子
  • 對參考樣本的還原度很高
  • 保留原影片的動作

不擅長

  • 很依賴參考圖的品質
  • 昂貴
  • 較慢

不要用它來做

  • 不要上傳模糊的參考圖
  • 不要用它做試驗

典型用途

  • 依參考樣例更換角色形象
  • 把圖片的風格遷移到拍攝的影片上

Kling O3 Reference (Standard)

個影片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 254 點數

擅長

  • 價格實惠的參考圖改編
  • 保持原片的動作
  • 以半價看出參考圖是否有效
  • 像專業版一樣保持原片的動作

不擅長

  • 貼合度不如專業級
  • 結果更粗糙
  • 面部和小物件的細節較少

不要用它來做

  • 不要把它用作交給客戶的最終成品
  • 不要提供薄弱的參考

典型用途

  • 參考重製的試跑
  • 在專業重製前先檢驗樣片
  • 按參考製作社群媒體短片

Kling V3 4K

照片個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 846 點數

擅長

  • 直接把照片動起來,輸出 4K
  • 運動時保留畫面中的人臉和環境
  • 圖片轉影片的最高畫質
  • 緩慢的電影感運動下表現穩定

不擅長

  • 昂貴且慢
  • 需要高品質的照片——輸入差,輸出就差
  • 沒有口型同步

不要用它來做

  • 不要用它來試做——先用更便宜的檔位
  • 不要提供小尺寸或模糊的照片
  • 不要用它來做說話的人物

典型用途

  • 最高畫質的照片成片
  • 適合大螢幕的產品鏡頭
  • 讓檔案或攝影棚照片動起來

Kling V3 4K

文字個影片
畫面比例: 1:1, 9:16, 16:9 時長: 5 秒, 10 秒 價格: 846 點數

擅長

  • 根據描述直接生成原生 4K——適合大螢幕和大尺寸展示的廣告
  • 物理效果可信,動作有份量感
  • 鏡頭比該系列大多數模型更長
  • 鏡頭穿越場景時空間不會崩壞

不擅長

  • 因為解析度高,所以昂貴且慢
  • 每次重試的費用都和第一次一樣
  • 過於繁雜的描述會妨礙它

不要用它來做

  • 不要用於試驗——先在更便宜的檔次試好,再來這裡
  • 不要用於手機觀看的片段
  • 不要寫半頁長的描述

典型用途

  • 大銀幕畫面
  • 最高畫質的最終廣告
  • 帶運鏡的電影級鏡頭
  • 用於放映或電視的素材

Kling O3 4K

參考素材個影片
畫面比例: 1:1, 9:16, 16:9 時長: 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 價格: 846 點數

擅長

  • 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

不擅長

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

不要用它來做

  • 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 常見問題

用 Kling 生成一次要多少錢?

以點數支付,價格依模型而定:Kling 2.1 — 113 點數; Kling 2.1 Master — 564 點數; Kling 3.0 Pro — 226 點數; Kling 3.0 Pro — 226 點數; Kling 3.0 Standard — 169 點數; Kling 3.0 Standard — 169 點數; Kling Lip-sync — 32 點數; Kling 口型同步(文字) — 28 點數; Kling 3.0 Pro Motion control — 338 點數; Kling 2.6 Motion control — 141 點數; Kling 3.0 Motion control — 254 點數; Kling O3 4K — 846 點數; Kling O3 4K — 846 點數; Kling O3 Edit Pro — 282 點數; Kling O3 Reference (Pro) — 338 點數; Kling O3 Reference (Standard) — 254 點數; Kling V3 4K — 846 點數; Kling V3 4K — 846 點數; Kling O3 4K — 846 點數。開始生成前會顯示確切價格。

Kling 有哪些限制?

以下是每個模型支援的內容:Kling 2.1 — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling 2.1 Master — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling 3.0 Pro — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling 3.0 Pro — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling 3.0 Standard — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling 3.0 Standard — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling Lip-sync — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling 口型同步(文字) — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling 3.0 Pro Motion control — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling 2.6 Motion control — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling 3.0 Motion control — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling O3 4K — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling O3 4K — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling O3 Edit Pro — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling O3 Reference (Pro) — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling O3 Reference (Standard) — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling V3 4K — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling V3 4K — 畫面比例 1:1, 9:16, 16:9, 長度 5 秒, 10 秒; Kling O3 4K — 畫面比例 1:1, 9:16, 16:9, 長度 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 最適合做什麼?

各模型的強項:Kling 2.1 — 影片的入門檔——從照片到動態畫面最經濟的途徑, 動作平穩從容,沒有變形, 可預測:很少冒出什麼崩壞的東西; Kling 2.1 Master — 上一代——經過驗證、表現可預測且價格便宜, 適合簡單、平緩的動作, 與新一代重型模型相比速度很快; Kling 3.0 Pro — 讓上傳的照片動起來,動作是市面上最令人信服的, 在讓畫面動起來的同時,保留鏡頭裡的臉孔和環境, 原生 4K。

Kling 與其他模型比較

所有模型比較

立即試用 Kling

直接在瀏覽器裡用 Kling 生成你自己的 影片 — 無需安裝,中文介面。