Kling AI 发布 4.0 版本：支持立体声、多语言唇形同步及轻量级 Flash 版

AI 视频生成器 Kling AI 发布了 4.0 版本，具备更高分辨率、更精准的控制功能，以及一个快速的 Flash 轻量版。公司表示，这一版本应能大幅缩小 AI 生成视频与专业视频之间的差距。

用户现在可以一次性生成长达 30 秒的视频。系统允许输入最多十张关键帧图像，以固定场景转换、人物状态和叙事节点。提示词的理解能力已扩展至 8,000 tokens。

据 Kling AI 介绍，升级后的 “Omni Reference” 系统支持在单次生成中引入多达 15 个参考素材，包括最多 10 张图片、5 段视频（总时长上限 30 秒）以及 7 个元素。分镜脚本、线框图、图像网格、白模视频和深度图视频均可作为参考。

“Creative Recreation” 功能允许用户将现有视频作为模板，替换其中的产品或角色。公司称，面部表情、身体动作、摄像机角度或背景等单个元素可独立调整，而不会影响到片段的其他部分。

下方视频将 Kling 4.0 与来自中国竞争对手的 Wan 3.0 和 Seedance 2.5 进行了对比。Kling 4.0 表现尚可但并未明显领先，尤其是在镜头逻辑连贯性、物理效果和自然度感的对话方面。这可能预示着 AI 视频模型飞速发展的节奏开始放缓，不过后续 Wan 和 Seedance 的新版本将提供更多线索。

立体声与多语言配音完善此次更新

Kling 4.0 新增双声道立体声音效，并提升了超过十种语言的唇形同步效果，包括德语、英语、日语、韩语和西班牙语，以及各种方言和口音，据公司称。视频内文字生成功能现也支持多语言，并在摄像机运动时保持稳定。10-bit HDR 输出（支持 4K 和 1080p）以及可将片段扩展至最多两分钟的视频延伸功能，Kling AI 均标注为“即将推出”。

除了主模型之外，Kling AI 还推出了轻量版 Flash。Kling 4.0 Flash 定位是更快、更便宜，不过分辨率和时长上限分别为 720p 和 20 秒。创作界面也重新设计了，并且现在可以通过 MCP 和 CLI 访问 Kling 4.0，方便用 AI agent 搭建自动化工作流。Kling 4.0 API 的定价尚未公布，支持状态显示为"即将上线"。