可灵 Image 3.0 Omni 出图实战：原生 4K 与图像系列模式全流程

分镜图不稳，成片就接不上

用 AI 做视频的人，大部分时间其实耗在视频生成之前。角色定妆照、场景概念图、一套能讲完故事的分镜，全都要先从图像模型里出来。这一步常年有两个老毛病：一是分辨率不够，出图之后还得再过一道放大工具，细节是拉伸出来的，不是模型生成的，皮肤和织物一看就发假；二是一组图里主角换了脸，分镜第 3 张和第 8 张对不上，进到剪辑软件里就是穿帮镜头。

可灵在 2026 年 8 月 13 日上线的 Kling Image 3.0 Omni，把这两件事放在一个模型里解决：原生 2K 和 4K 输出，外加一个「图像系列模式」（AI Image Series Mode），让一组图保持角色、场景与光线的前后一致。这篇教程依据可灵官方博客的 Omni 指南整理，把分辨率选择、系列模式、多参考混合、局部重编辑四块拆成可以照着做的流程，官方示例提示词原文照抄，换成自己的题材就能直接套。它是AI 视频教程系列里出图环节的一篇：图怎么动起来，看可灵图生视频实操教程；这篇讲的是图怎么先生成好。可灵的平台档案见产品页。

先弄清它解决了什么

Image 3.0 Omni 是图像模型，不是视频模型——输出的是静帧。但它的定位明确指向视频工作流的前端，官方指南里反复出现的词是电影分镜（film boards）和叙事逻辑（narrative logic），典型用途是把「一套视觉上互相咬合的图」先做出来。两个核心能力分开看。

第一是原生 2K / 4K 输出。像素从生成第一步就是满尺寸的，不经过「先出小图再放大」的二次处理，纹理细节和色彩过渡直接落在成品里。官方指南给了一档对照表，按需求选档位就行：

官方指南用同一组画面演示了三档的差异，直观感受一下细节密度的变化：

官方指南的 1K/2K/4K 画质对比组图（之一），同一画面在三档分辨率下的细节差异

画质对比组图（之二），4K 档的纹理细节可直接用于海报级输出

第二是图像系列模式。一次任务产出一组图，模型锁住主角、道具和场景氛围，让整套分镜像同一个摄制组拍出来的。官方对它的描述是：精确控制构图、光照、镜头切换和景深这些核心元素，「像人类导演一样记住主要角色和物品，保障整个系列创作过程中的场景稳定」。对做短剧、PV、广告分镜的人来说，这正是以前靠抽卡硬凑的那块能力。

准备环节只有两件事。一个可灵账号，登录创作平台就能用；以及积分——官方按积分计价，具体规则见下文积分一节，数字以官方页面为准。

从一张参考图，长出一组镜头

系列模式的第一条路叫单图转系列（Single Image to Series）：给一张正面参考图做锚点，模型按提示词生成一组镜头推进，场景关联性由提示词里的视听元素描述来维持。参考图要用正面形象，这是官方指南明说的；参考图本身的清晰度和角度，直接决定整组图的上限，模糊图或大角度侧脸进去，后面每一张都在还债。

官方指南给了一组完整示例，从参考图到提示词到输出全链路。提示词值得整段抄下来：

Cinematic ancient action movie still, 16:9, style of Shadow. Low-angle close-up side shot of the female protagonist in ancient armor on a dusk battlefield, pulling a bow and aiming forward. Fingers strained white, sharp determined gaze, coat and hair blowing in the wind. Foreground bow blurred, focus on the facial expression. Diagonal dynamic composition. Realistic skin and fabric textures. Natural dusk light outlining silhouette, dusty blurred background, yellow-green tone, dramatic movie lighting with facial shadows.

这段的结构比内容更有参考价值。第一句定类型和画幅：电影感古装动作片剧照、16:9、风格参照物。第二句写这一张的机位与主体动作：低角度近景侧拍、黄昏战场、拉弓瞄准。往后依次是细节特写（手指扣到发白、外套和头发被风吹起）、焦点安排（前景弓虚化、表情实焦）、构图（对角线动态构图）、材质（皮肤与织物真实质感）、光线与色调（黄昏轮廓光、尘土虚化的背景、黄绿色调、面部阴影）。换成自己的题材时，保持这个信息顺序，只换名词——机位与焦段的写法可以对照AI 视频镜头语言指南的词汇表来填。

这套示例的输入与输出长这样：

系列模式官方示例的输入：参考图（Reference Image），古装甲胄主角形象

系列模式的输出（Output）：由上图参考图与官方示例提示词生成的低角度近景侧拍镜头

第二条路是多图转系列（Multi-Image to Series）：风格、角色、场景分别用不同的参考图定义，再生成整套分镜。官方说明平台会做批量调整与统一优化，把逐张重调的重复劳动省掉，创作时注意力放在叙事层而不是技术参数上。

把人、风格、场景拆开喂

多参考混合（Multi Reference Blending）允许把不同图里的元素组合成一个画面。官方指南举的例子：用一张图里的角色，放进另一张图里的车里，得到统一的视觉系统；也可以把一张角色肖像和一张风格迁移参考混合，捏出新造型。这类任务的指令写法，官方同样给过原文：

Replace the elderly man in Image 2 with the man from Image 1, keeping the original tone and atmosphere, and replicate the man's expression.

翻译过来：把图 2 里的年长男性替换成图 1 里的男性，保持原来的色调与氛围，并复刻他的表情。要点是用 Image 1 / Image 2 这样的编号在提示词里直接点名参考图，然后说清三件事——换谁、保留什么（tone and atmosphere）、复刻什么（expression）。这套编号引用写法在可灵的多参考任务里通用。

多参考替换官方示例的输出：按提示词将图 1 的人物替换进图 2 的画面并复制表情

身份锁定不挑角度。官方说明模型可以从任意角度锁定面部身份，近景和中长景里角色都保持可辨认，靠的是升级后的一致性引擎对细微面部特征的捕捉与稳定；三人以上的群像，模型会分别锁定每个角色的特征，不会互相串。对商业图还有一条硬能力叫文字保留：招牌、字幕、品牌元素可以保留或重新生成，字迹清晰、排版结构完整——logo 必须清楚可读的广告图，靠的就是这个。官方指南举的高分辨率应用里，产品材质 shot（香水瓶切面的细腻质感）和品牌宣传图（保品牌识别度与可读文字）都点名了这条能力。

改一处，不必整图重来

系列图出完，进入改稿环节。以前的循环是「提示词微调、整图重生成、抽卡、再微调」，改一处赔上整张图。Omni 的局部重编辑把改稿变成了点状操作：官方指南列出的场景包括——把环境光改成科幻感的红蓝色调而角色不动、把墙面颜色改成指定色号（官方原文写的是 specific hex code）、在角色脚边加一条狗、更换角色服装，其余构图保持稳定。新增和删除物品也在能力范围内。

放在工作流里看，这一步对应概念图和场景设计的细化阶段：先低成本试不同视觉方案，方向确认后再上高分辨率出成品。它和系列模式是配套的——系列保证「一套图互相咬合」，局部重编辑保证「咬合之后还能单点修改」，两个一起才撑得起分镜迭代的真实节奏。

积分花在哪，怎么省

价格机制官方博客写得直白：按积分计价，生成成本取决于所选分辨率，以及是否启用系列模式、4K 输出这类高级模式；分辨率越高，积分投入越大。订阅的 Ultra / Premier 档提供大额月度积分和新功能优先体验。具体数字随时会调，以官方页面为准。

省积分的路子官方自己也给了：初期构思用低分辨率跑，方案定稿后切 4K 出成品——原文说这是 common professional practice。再加上任务排队与快速通道（queue tasks and fast-track generation），批量项目的整体效率还能再提一档。换句话说，最贵的 4K 只留给最终交付那一次，中间所有的试错都在 1K 完成。

成组出图之后

分镜图齐了，下一步进视频生成。系列模式的产出本身就是逐镜素材：一组图内部的一致性已经锁住，按镜转视频时角色漂移的源头就少一个。两张图锁定起止画面的接法看首尾帧完全教程，可灵平台的图生视频全流程在这篇。

练手建议从复现开始：拿官方那组古战示例的提示词原文，配自己的参考图跑一遍单图转系列，对齐输出效果之后再换题材、换镜头写法。第一步就奔着复杂群像去，积分烧得快，问题也不好定位。

本文步骤与图片均依据可灵 AI 官方博客《Kling Image 3.0 Omni: Native 4K & Image Series Creation Guide》（2026-08-13）整理，版权归原作者所有。