Seed Audio 1.0
返回博客

Kling 4.0:三十秒原生视频、立体声,以及已经开放的 Flash

核对 2026 年 9 月 28 日可灵的公布:单次最长 30 秒、双通道立体声,以及哪些能力仍标着即将上线。

2026年9月29日SeedAudio Editorial Team
Kling 4.0:三十秒原生视频、立体声,以及已经开放的 Flash

Kling 4.0 是把声音做进镜头里的视频模型。2026 年 9 月 28 日,@Kling_ai 在 X 上发文:完整模型将于今年 10 月上线,Kling 4.0 Flash 已向 Ultra Yearly 会员开放。这条帖子只给了月份和开放范围,没有写模型能做什么。

下面的能力清单,来自 IT 之家 9 月 29 日转载的官方介绍。凤凰网科技和《每日经济新闻》同一天报道了同一份说明。某个控件算不算可用,以你正在用的工作室是否真的打开它为准。这份介绍里,有两项被明确写成还没上线。

本文核对日期为 2026 年 9 月 29 日。

今天能打开的是哪一版

公告里有两个名字,它们不是同一次发布。

  • Kling 4.0 定在 2026 年 10 月。没有具体日期。中文财经报道把当前阶段写成内测。
  • Kling 4.0 Flash 于 9 月 28 日向一小部分人开放。英文对 X 帖的转述称之为 Ultra Yearly。中文官方介绍写的是黑金年卡。Flash 的官方定位是高频创作里的速度和成本。介绍没有说 Flash 带上了 30 秒时长、15 项参考,或 10-bit HDR。

同一份介绍里,还有两项连完整版也标着即将上线:4K 与 1080p 的 10-bit HDR 输出,以及最长 2 分钟的多次续拍。

官方介绍里实际写了什么

控件官方介绍怎么写文中状态
单次时长最长 30 秒,支持长镜头和连续叙事列在 Kling 4.0
续拍多次续拍,最长 2 分钟即将上线
参考

单次最多 15 项多模态参考:图片最多 10 张、视频最多 5 段、主体最多 7 个

列在 Kling 4.0
关键帧最多 10 张,用来钉人物状态、场景变化和情节节点列在 Kling 4.0
画面4K、1080p 的 10-bit HDR,以及 21:9 超宽画幅HDR 标为即将上线;21:9 写在同一段
声音高品质音频、双通道立体声、更准的口型列在 Kling 4.0
提示词最长 8000 tokens,并允许模型补写和润色列在 Kling 4.0
Flash面向高频创作,更快、更省9 月 28 日向黑金年卡开放

参考数量容易加错。15 是一次任务的总数。10 张图、5 段视频、7 个主体是这个总数里面的上限,不是可以叠成 22 项上传。

动作部分写的是高速运动、连续动作、跟拍和环绕更稳。编辑可以对原视频里的主体和背景做增加、修改、删除,也可以改风格、天气、颜色、材质和景别。另一项叫创意复刻:分析参考片的镜头语言和叙事结构,再生成一条新的商业视频,场景写的是社媒、商品广告、服饰美妆和数码 3C。点名的风格是电影感、动画、奇幻、像素风和毛毡。

同一则介绍还说创作页已经改过:图片、视频、音频参考放进同一个输入框;宫格和列表可以切换;预览、剪辑、加素材在同一条时间线上;画布上可以用节点排素材,旁边有 Agent。

声音是嵌在画面里的

声音这项说的是成片,不是工程文件。

可灵写的是支持高品质音频和双通道立体声,让声音更有纵深,更接近同期声;口型、对白和表演要对得更紧。同一段列出的语言是中文、英语、日语、韩语、西班牙语、葡萄牙语、德语、法语和印地语。旁边点名的口音和方言是北京、中国台湾、东北、四川、粤语、美式英语、英式英语和印度英语。同一段还说,多语种文字、Emoji 和 Logo 在画面运动时仍要保持清楚。

这是一条带人声的画面。对白、房间和环境声是一次混好的文件。你没法把雨声从一句耳语下面拉低,也不能只换一个市场的台词。如果要做的是声带,把场景写进本站的 Seed Audio 生成器,画面留给视频模型。

一篇首发实测实际看到了什么

爱范儿 APPSO 在 9 月 29 日发了一篇体验。把它当成评测,不要当成第二份规格。

他们写到:大场面里的跟拍、摇移和高位斜俯拍比较稳;竹林对打和天台近身搏斗在快切之后人脸还在;一段 30 秒的连续文戏;以及一场粤语家庭晚饭,父亲的台词和口型对齐,立体声把房间和窗外的街道分开。他们还用 10 张关键帧做了一条公路片,并使用了 21:9。

有两处走在官方转载前面。他们把 10-bit HDR 写成已经可以进 DaVinci Resolve 或 Premiere 调色的素材。IT 之家转载的介绍仍把 4K 和 1080p 的 10-bit HDR 标成即将上线。他们还多写了参考位和风格,包括 3D 赛博、Vlog 和写实纪录片,这些不在转载清单里。评测和转载不一致时,以转载为准。

他们对参考素材的用法仍然有用:写明哪一段视频只负责动作和运镜,哪一张静帧负责脸、衣服和房间。否则模型会把参考片里没点名的道具带进来。

正式上线前可以先写好的简报

时长:30 秒
画幅:21:9
语言:粤语
声音:立体声;左边是房间,右边是街道;口型开启
关键帧:
- 00:00 全景,冷的窗光,晚饭桌
- 00:08 父亲低头,台词开始
- 00:18 母亲停下筷子
参考:
- 静帧 A:父亲的脸和衣服
- 静帧 B:母亲的脸和衣服
- 静帧 C:房间
不要从任何参考视频里借用脸或家具。

如果 Flash 预览能跑出来,听三件事:嘴和声音是否错开,立体声是不是把单声道复制了一遍,关键帧之间脸有没有换人。这三件是 10 月那版该守住的。只写「电影感的晚饭」看不出它有没有做到。

还没有公布的

  • 10 月里的具体日期。
  • 价格,以及单条消耗的积分会不会变。
  • 公告里没有 4.0 或 4.0 Flash 的公开 API 模型名。CellCog 在 9 月 28 日的文章里写道,当天下午可灵的 API 价格表仍只有 3.0 一代的模型。接到正式任务之前,以可灵自己的价格页为准。
  • 没有一份公开对照,说明 Flash 相对 10 月完整版少了哪些能力。

来源