Kling AI发布 4.0 版本：单次生成 30 秒视频，新增立体声与多语言唇形同步
可灵称 4.0 支持单次生成 30 秒视频、最多 10 张关键帧图片输入，提示词上限扩至 8000 tokens；同时推出最高 720p、20 秒的Flash轻量版本。API定价与 4K HDR输出均标注为“即将推出”。
AI解读：Kling AI发布视频生成模型 4.0，可灵方面称其分辨率更高、控制更精确，并同时推出主打速度和低成本的Flash变体。
4.0 支持单次生成最长 30 秒视频，可输入最多 10 张关键帧图片来固定场景转场、角色状态和情节节点；提示词理解上限扩大到 8000 tokens。
升级后的Omni Reference单次生成最多接受 15 个参考素材，包括最多 10 张图片、最长合计 30 秒的 5 段视频和 7 个元素；故事板、线框图、图片网格、白模视频和深度图视频均可作为参考。
Creative Recreation功能允许用户以现有视频为模板替换产品或角色，可灵称可单独调整面部表情、肢体动作、镜头角度或背景而不影响片段其余部分。
4.0 新增双声道立体声和十余种语言的唇形同步，包括德语、英语、日语、韩语和西班牙语及多种方言口音；视频内文字生成也支持多语言，并在镜头运动时保持稳定。
据The Decoder的对比，Kling 4.0与万相 3.0、Seedance 2.5相比不落下风但未明显领先，尤其在镜头逻辑衔接、物理表现和自然对话上；该媒体认为这可能是AI视频模型进展放缓的早期信号，但需等待后续版本验证。
Kling AI发布视频生成模型 4.0 版本，可灵方面称新版本提升了分辨率和控制精度，并新增双声道立体声、十余种语言唇形同步，同时推出轻量版Kling 4.0 Flash。
4.0 版本的生成能力与参考素材
根据可灵公布的信息，4.0 支持单次生成最长 30 秒视频，提示词理解上限扩大到 8000 tokens。用户最多可输入 10 张关键帧图片，用于固定场景转场、角色状态和情节节点。
升级后的Omni Reference系统单次生成最多接受 15 个参考素材，具体为最多 10 张图片、5 段合计最长 30 秒的视频和 7 个元素。可灵称故事板、线框图、图片网格、白模视频和深度图视频都可作为参考。
- 单次生成视频最长 30 秒
- 提示词上限 8000 tokens
- 最多 10 张关键帧图片输入
- Omni Reference最多 15 个参考素材
Creative Recreation与多语言音频
Creative Recreation功能允许用户拿现有视频当模板，替换其中的产品或角色。可灵称，面部表情、肢体动作、镜头角度或背景等单个元素可被单独调整，而不影响片段其余部分。
音频方面，4.0 新增双声道立体声，并扩大唇形同步的语言覆盖，包括德语、英语、日语、韩语和西班牙语，以及多种方言和口音。视频内文字生成也支持多语言，并在镜头运动时保持稳定。
Flash版本、接口与尚未上线的功能
与主模型一同推出的Kling 4.0 Flash面向更快生成和更低成本，但规格上限为 720p、20 秒视频。可灵还重新设计了创作界面，并开放通过MCP和CLI访问Kling 4.0，以便用AI智能体搭建自动化工作流。
10-bit HDR的 4K和 1080p输出，以及可将片段延长至最长 2 分钟的视频扩展功能，均被可灵列为“即将推出”。Kling 4.0 API的定价尚未公布，支持状态同样标注为“即将推出”。
- Flash版本：最高 720p、最长 20 秒
- 可通过MCP和CLI访问
- 4K/1080p 10-bit HDR输出：即将推出
- 视频扩展至 2 分钟：即将推出
- API定价：未公布
对比测试中的位置
The Decoder将Kling 4.0与万相 3.0、Seedance 2.5做了对比。该媒体的判断是，Kling 4.0不落下风，但没有明显领先，尤其在镜头逻辑衔接、物理表现和自然对话方面。
The Decoder称，这可能是AI视频模型高速进展开始放缓的早期信号，但认为要等万相和Seedance的下一个版本才能进一步判断。