AIREITER
Kling 4.0 可生成的内容
Kling 4.0 是快手可灵（Kuaishou Kling）推出的视频模型。单个模型即可涵盖文生视频、关键帧、图像/视频/音频参考、视频编辑以及视频扩展，且每个片段都自带立体声音轨。
一个模型，四种模式
文本/参考、多帧、视频编辑和视频扩展。根据您现有的素材选择模式。
3 至 30 秒
3 到 30 秒之间的任意整数秒时长，默认 5 秒。在扩展模式下，时长仅代表新增部分。
720p 或 1080p 配备声音
每个视频片段的声音都会随画面一同生成。不提供 4K 分辨率，也没有静音选项。
16:9、9:16、1:1、21:9
在文本/参考模式下设置宽高比，或保留为自动。多帧模式遵循首帧比例；编辑和扩展模式保留原视频比例。
Kling 4.0 测试结果
两个片段均来自我们于 2026 年 11 月 4 日的实测。尺寸、时长和声音均根据交付文件测定。
文生视频：霓虹街道上的纸船
要求：纯文本，16:9，5 秒，1080p。
交付文件：H.264 MP4，1920x1080，5.04 秒，24 fps，立体声 AAC 音频。
生成时间：约 4.5 分钟。
视频扩展：为同一片段再延长五秒
需求：延长视频，新增 5 秒。
交付文件：960x540，10.0 秒：先是原素材，接着是新增部分。
保持良好之处：5 秒处没有明显的剪辑痕迹，街道、标志和倒影均保持一致。在新增的几秒中，一名路人走入画面并将纸船从水中捞起。
声音：原素材保持静音，新增的几秒带有生成的声音。
如何选择 Kling 4.0 模式
每种模式支持不同的输入内容。
文本 / 参考
文生视频仅需提示词。或者添加最多 10 张图片、5 个视频（总长 30 秒）以及 3 段 5 至 30 秒的音频片段（最多不超过 15 个项目），并在提示词中将它们命名为 @Image1、@Video1、@Audio1。
多帧
必须提供首帧。按播放顺序最多可添加 8 个中间帧以及可选的尾帧：总计最多 10 帧，且不得超过视频时长加 1。
视频编辑
提供一段 3 到 30 秒的源视频片段以及最多 10 张参考图片。说明需要修改的内容；源视频记为 @Video1。可保留原始声音或重新生成声音。
视频扩展
提供一段最长 30 秒的源视频片段，外加可选的结束尾帧。您将获得合并了源内容和新增内容的单个文件。
使用 Kling 4.0 可以制作什么
单次生成更长的镜头
单次生成最长可达 30 秒，因此产品环视展示或简短场景无需后期拼接。
从分镜脚本到动态视频
规划好首帧、中间帧和尾帧，让模型自动填充其间的动态过渡。
保持角色或产品一致性
提供人物、服装、产品和场景图片，以及用于动作的参考视频或用于声音的参考音频剪辑。
重新编辑现有素材
使用 Edit 更改现有片段的风格、服装或背景，或像纸船测试中那样使用 Extend 进行扩写续接。
如何使用 Kling 4.0 进行生成
同样的步骤既适用于 Playground 操作台，也适用于 API 调用。
选择模式
Text / Reference、Frames、Edit Video 或 Extend Video。
添加输入内容
针对 Text / Reference 提供参考内容，针对 Frames 提供起始帧，针对 Edit 和 Extend 提供一段源视频片段。
描述视频
先描述主体的运动，再描述运镜、光影和声音。对于 Extend，描述接下来会发生什么。
设置时长和分辨率
3 到 30 秒，分辨率为 720p 或 1080p。在 Extend 模式下，时长代表新增部分的秒数。
通过 AIReiter API 调用 Kling 4.0
一套异步协议规范，统一支持全部四种模式。
模型 ID
发送 kling_v4。
提交
使用 model、唯一的 out_task_id 和 params 请求 POST /api/openapi/submit。将 type 设置为 reference、frame、edit 或 extend。
按模式划分的输入参数
reference：prompt，可选填 image_url、video_url、audio_url。frame：image_url（起始帧）、keyframe_url、end_image_url。edit：video_url、image_url、audio_setting。extend：video_url、end_image_url。
查询
使用相同的 out_task_id 请求 POST /api/openapi/query，直到状态变为 completed 或 failed。已完成的响应中包含视频 URL。
相关 AI 视频模型
Kling 4.0 常见问题
关于生成模式、时长、参考素材、声音和 API 的常见问题。
/ 01什么是 Kling 4.0？
来自 Kuaishou Kling 的视频模型，可生成 3 至 30 秒、具备立体声音频、分辨率为 720p 或 1080p 的视频片段。它支持基于文本、关键帧或图像、视频及音频参考生成内容，还可以对您上传的视频片段进行编辑或扩写。
/ 02Kling 4.0 视频最长可以生成多久？
3 到 30 秒（取整数秒），默认为 5 秒。在 Extend 模式下，时长仅计算新增部分。
/ 03Extend Video 会返回什么？
返回一个包含源视频及紧随其后的新增部分的完整文件。在我们的测试中，一段 5 秒的源视频扩写 5 秒后，返回了一个 10.0 秒的视频。
/ 04Extend 会保留原始声音吗？
是的。原素材会保留自身的声音，而新增部分会生成新的声音。在我们的测试中，静音的原素材仍会保持静音。
/ 05我可以设置首帧、中间帧和尾帧吗？
可以。多帧模式需要一个必填的首帧、最多 8 个中间帧以及一个可选的尾帧。
/ 06我最多可以添加多少个参考素材？
最多可添加 10 张图片、5 个视频（总长 30 秒）以及 3 个音频片段，总共不超过 15 项。
/ 07我可以关闭声音吗？
不可以。每个片段都带有立体声音轨。在编辑模式下，您可以保留原始声音或重新生成。
/ 08Kling 4.0 与 Kling v3 Omni 有何不同？
Kling 4.0 最长可支持 30 秒，并新增了中间帧、视频编辑（Edit Video）和视频扩写（Extend Video）功能，分辨率为 720p 或 1080p。Kling v3 Omni 最长仅支持 15 秒，但提供 4K 画质。
/ 09我应该使用哪个 API model ID？
使用 kling_v4 调用 POST /api/openapi/submit，然后使用相同的 out_task_id 轮询 POST /api/openapi/query。