The Decoder · 2026/10/20 01:36:26
可灵 AI 发布 4.0 版 支持立体声与多语言口型同步
可灵 AI（Kling AI）发布 4.0 版本，引入立体声音频、多语言口型同步及更轻量化的 Flash 变体。新版本将单次生成时长提升至 30 秒，支持高达 15 个参考资产输入以增强场景控制，并新增 MCP 和 CLI 接口以便集成至自动化工作流。
报道全文原始报道全文
AI 视频生成工具 Kling AI 发布了 4.0 版本，带来了更高分辨率、更精准的控制功能，以及一款快速 Flash 变体。该公司表示，这些改进旨在缩小 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，系统支持输入最多十张关键帧图像，以锁定场景转换、角色状态和故事节奏。提示词理解能力已扩展至 8,000 个 token。
据 Kling AI 介绍，升级后的“Omni Reference”（全能参考）系统在单次生成中可接受最多 15 个参考素材，包括最多 10 张图片、总时长不超过 30 秒的 5 段视频，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素材使用。
新增的“Creative Recreation”（创意复刻）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。该公司表示，用户可以单独调整面部表情、肢体动作、摄像机角度或背景等元素，而不会影响视频的其他部分。
下方的视频对比了 Kling 4.0 与中国竞争对手推出的 Wan 3.0 和 Seedance 2.5。Kling 4.0 表现尚可，但并未占据明显优势，尤其是在逻辑镜头序列、物理模拟和自然对话方面。这可能是一个早期迹象，表明 AI 视频模型的飞速进步开始趋于平缓，不过接下来的 Wan 和 Seedance 版本发布将为我们提供更多线索。
立体声音频和多语言语音完善了此次更新
Kling 4.0 增加了双声道立体声音频，并改进了超过十种语言的口型同步效果，包括德语、英语、日语、韩语和西班牙语，以及各种方言和口音，据该公司称。视频内文字生成功能现在也支持多种语言，并在摄像机移动过程中保持稳定。Kling AI 将 4K 和 1080p 分辨率下的 10-bit HDR 输出，以及可将片段延长至两分钟的视频扩展功能均列为“即将推出”。
在主模型之外，Kling AI 还推出了一款更轻量的 Flash 版本。Kling 4.0 Flash 旨在以更低成本实现更快的生成速度，但其视频输出上限为 720p 分辨率和 20 秒时长。创作界面经过重新设计，且 Kling 4.0 现已支持通过 MCP 和 CLI 访问，这使得构建基于 AI 智能体的自动化工作流成为可能。Kling 4.0 API 的定价尚未公布，官方标注其支持状态为“即将推出”。