深度体验一周Kling 4.0后，感觉真人演员更危险了

作者｜赖捷 王宇锟

编辑｜张洁

Kling 4.0已于昨晚全量上线。

可灵方面这次重点强化了几个功能：全能参考，可输入多达15项参考素材，包含视频图片音频；推出flash版，消耗积分更低，先用低画质让创作者快速试错；升级了复杂动作运镜时的画面表现，强化了专业级影片的质量。

实际效果如何？上线前，“AI新榜”拿到了内测资格实际体验了一周多，为大家做个小总结。

先说下总结原则：每次新模型上线，社交媒体都会出现不少惊艳作品，但坦白讲这些作品多是博主们反复打磨的结果。它往往是模型能力能达到的天花板，对普通创作者不一定有参考价值。我们在关注视频模型时，更应考虑那些地板级的能力，模型能否在演员演技、画面、动作、物理轨迹等维度为创作者兜底？哪怕提示词不够优秀、参考图不够精确，也能做出基本能用的作品。

所以，这次只展示一次性生成的效果，看看模型底层能力。

实测可灵新模型，

六大对创作者的实用更新

30秒视频直出——做一镜到底视频质量有提升

这是最直观的一个更新。

目前市面上的视频模型，已从15秒直出普遍升级到30秒直出，Kling 4.0表现怎样呢？我们来了个高难度测试，让它用无人机视角还原大唐长安盛景，且不上传任何参考图，看看模型理解能力如何：

点评：这段视频中，模型对无人机拍摄运镜的理解是到位的，街景中的人物动作没出现重大瑕疵。当然，场景搭建上还缺乏大唐华丽质感，也因为我们没上传参考图。

全能参考，让爆改和模仿借鉴更方便

这是要重点安利的功能。刷到爆款、经典视频，很多人也想鬼畜一个，比如《流星雨》，能不能换成科技版再加个奶龙？方法很简单，直接上传参考视频，替换关键主体人物就行：

一次性生成效果如下，基本的动作口型模仿是到位的。

让最近走红的“王之蔑视”猫来个流行的闪身步，更是不在话下：

但必须要说的是，让Kling 4.0来做这些简单的鬼畜，属于大炮打蚊子。所以我们来个复杂点的，美剧《无耻之徒》里，这段跳舞和运镜画面很经典，这是博主“桶雷丸（三角洲行动）”二创后的画面：

能不能改成科技圈版本呢？直接上传原剧视频和人物参考图，它就可以生成一段“老黄看奥特曼跳舞”，运镜、动作丝毫不差，再P上一个标题“当老黄听说奥特曼要自己搞芯片”，一段有内涵表达的视频就有了：

点评：全能参考功能不是Kling独有，各大视频模型功能是相似的，上传图片锁定人物道具，上传视频让模型模拟拍摄风格。区别在于，各家模型允许上传的素材数量不同。但个人实测后觉得，Kling 4.0有个对普通创作者很友好的点，它在还原参考视频的运镜风格上比较到位，这个细节很重要，因为绝大部分人没有把镜头语言转换为精确提示词的能力，当你看到经典电影、画面，脑海里往往会有一闪而过的改编创意，这时，全能参考的一致性还原能力就至关重要。

文戏——演员演技大幅度提升，真人演员真危了

虽然各大模型都在卷大场面、动作戏，但演技，依然是大部分创作者比较看重的细节。生成大哭大笑之类的表演不难，难的是毫无夸张表情但细腻丰富的表演。

所以这次的测试要求得“返璞归真”，一位东亚女生对面站着对她很重要的人，对方说了句“我不会再回来了”，让模型自行理解，还原女孩的表情变化。我们用完全相同的提示词，也让Seedance 2.5生成了一条，这是对比：

再看看这段日剧风格的文戏，我们只上传了一张参考图，剧情要求非常简单，男主要去东京打拼了，请生成他们的对话视频：

点评：两家模型呈现各有千秋，但总体来说，在演技方面，顶尖模型们已告别表面浮夸感，“A子脸”更是成为了历史。大模型开始呈现人物更有张力的表演，不动声色的情绪。细看这些演技和微表情，已经超越很多真人。

武打戏——复杂场面逻辑性在提升，但还是有瑕疵

看完文戏再来看武戏。双人打斗场面，现在各家模型都能生成合格视频，所以这次测试下多人打斗，因为人多了后，主角以外的人物动作常会失真。

这一次依然没上传任何参考图，但重点强调了一件事——“不要穿透第四幕墙”。这是电影界从戏剧里借来的重要概念，观众看戏时舞台一般有三面实体墙，面向观众那一面就是“第四面墙”，不要穿透的意思，就是演员要忘记、无视观众存在，对观众彻底透明，营造出一种看舞台戏的感觉，很多纪录片风格电影都喜欢用这种运镜。用这句提示词，就是想看看模型能否通过简单语言来理解创作者要的画面。

这是Kling 4.0和Seedance 2.5的效果：

点评：它们都理解了什么叫“不穿透第四幕墙”，两边的共同优点，是镜头移动时人物动线、镜头运镜比较稳定，人物都做出了基本合乎逻辑的动作。在同样提示词下，Seedance的呈现更戏剧化，强调冲突感。但细看后还是有瑕疵，比如Kling的画面里，有一位小喽啰疑似在劝架；而Seedance2.5中，小喽啰搂抱巨人主角时的物理动作不太符合现实。

场景一致性——多镜头下场景更稳定，但提示词须足够细

场景、物理的真实性，是决定视频水准的关键。

目前的模型，大部分能做到在单一场景下的一致性，人物、物品的空间关系不出现位移；但视频创作，很多时候需要从多镜头去展现同一场景，提升表达质感。

我们测试了两段视频，一段是模拟飞机越过女孩头顶的场景，一段是海边女孩遇到怪物。两段视频，均要求用第一视角和俯拍视角两种镜头展现，重点看模型在场景空间的展示上是否一致：

点评：这段测试一忧一喜，好的地方，是两个镜头对同一场景的展现是一致的，不要小看这个细节，它决定了能否做出更多风格的画面调动；但出问题的是，模型还不能理解“飞机越过头顶”这种模糊提示词的物理含义，照理说，飞机越过头顶前女孩就应该有惊恐反应。这就提醒我们，创作视频时，可能仍需要上传足够多的参考图，足够细的提示词，以免重复抽卡，现在的模型还做不到在简单提示词下完全还原物理世界。

多语言表达——方言处理上有意外小惊喜

这次Kling更新，还强化了中国各地方言口音的能力，如北京口音、台湾腔、四川方言、粤语。但光说方言似乎不能体现能力，我们测试了个更复杂的场景——男孩是北京人，女孩是四川人，双方混杂着北京味四川话，和四川味普通话进行交流，效果如下：

点评：这段让我们非常惊喜，因为男孩在跟女孩说那句“我也喜欢你”时，刻意用了一个四川话语气词——“噻”，而这时的口音，就是带着北京味的四川话，很符合真实场景中，外地人刻意说方言那种蹩脚感，当然，这个表达效果已经提前写进了提示词；而女孩在激动时又直接飙了句标准的四川话——“瓜娃子”。这种刻意用对方方言来拉近距离的交流，恰恰是我们生活中的日常场景。

视频模型激烈搏杀

可灵们瞄准了细分专业赛道

以上案例，仅针对普通人做视频时的痛点。

Kling 4.0这次更新，还重点升级了专业电影制作能力，特别是大场面能力。所谓大场面，不仅仅在于宏大感和视觉刺激，而是每一秒画面，它的灯光、运镜、物理轨迹、人物表情都要经得住考验。

Kling 4.0全量发布前，《首尔之春》导演金性洙在釜山电影节上展示了用它做出的短片——《虫族列车》，故事灵感来自卡夫卡《变形记》，讲一位疲惫的职场男性变成巨大昆虫，依然要挤地铁上班，属于职场版的《寄生虫》了。

这部短片的难点在于，车厢里挤满人，身体要不断碰撞，碰撞感要真实。当人物变身昆虫后，那些正在看手机、打瞌睡的打工人起初并没注意到，而惊悚感正好来自这种暴风雨前的宁静。

而模型基本领会了提示词，体现了反差张力，说明底座能力在加强。

综合各方面信息来看。Kling 4.0的野心，就是在覆盖普通AI创作的同时，进军专业制作。“AI新榜”曾提到，从2026年年中开始，越多越多传统导演、电视台开始推出院线质感的AI电影、AI长片，它对工具的能力必然提出新要求。

曾经因为算力成本太高入不敷出的Sora，最近正计划复出，OpenAI正准备将技术授权给梦工厂联合创始人，打算成为好莱坞的专业影视工具；Runway则选择融入专业影视工具的工作流，并与狮门影业达成合作；还有一些创业公司，宣称在打造影视工业级大模型。

Kling这次还推出了一个业界比较关注的新功能——10-bit HDR，这是绝大部分普通创作者不会用到的东西，简单来说，常规视频使用8-bit编码，每通道只有256级取值，而10-bit HDR是1024级，能呈现更复杂和细微的细节。电影级的后期制作，一般都要求交付这个参数的画面。

AIGC赛道，正从早期的各种短片短剧鬼畜魔改，向更专业、长时的内容制作演进，传统影视业的格局变化会更剧烈。

根据媒体报道，金性洙导演这次组建了一支9人团队，来反复判断人物表演、摄影角度、灯光、运动轨迹是否成立。专业影视制作中的流程，也开始进入AIGC领域。

当然，我们普通创作者其实没这个条件和经验，比如之前测试的“盛唐长安城”短片，要求一镜到底，但其实转场还比较硬，需要后期重新生成调整。同样的模型在不同人手上，往往能发挥不同效果。

最后做个总结——Kling 4.0在操作便捷性、画面细腻度、人物演技上有提升，物理轨迹真实这个老大难问题，也有一定进步；大家最关心的价格方面，从实测来看，30秒的1080P视频，根据提示词复杂程度，大概需要15到30元，同样的内容，flash版消耗积分低到四分之一左右，更适合做测试；但普通创作者们，依然不可能通过简单提示词，做出真实世界质感的东西，更别提有大片感的连贯内容，它需要创作者日积月累的专业训练。

这或许也代表了AI视频创作领域的未来趋势——视频模型一定会越来越强，专业能力上限会越来越高，专业级AI作品会越来越多。但理论上的可以做到，不等于大部分创作者都能做到，创作的分化未来会越来越明显。

欢迎分享、点赞、推荐

一起研究AI