Yovid

Kling 4.0 图生视频指南:设置、提示词与常见问题修复

NoraNora阅读约 10 分钟发布于 2026/11/18
分享到 X

直接回答:用 Kling 4.0 把一张图变成视频,分三步。第一步,选一张清晰、画幅正确的图,因为视频的画面比例直接跟随首帧。第二步,在 3 到 30 秒之间选时长,在 720p 和 1080p 之间选清晰度,然后写提示词:写什么在动、镜头怎么动、听到什么声音,而不是重复图里已经有的东西。第三步,先用 5 秒、720p 试一次,每次重跑只改一处,确认动作对了再出长版本或 1080p。镜头需要停在指定画面时,再加一张可选的尾帧。大部分失败出在原图或提示词上:脸太小或侧光太重会变脸,背景太花或压缩太狠会闪烁,提示词只描述画面就会得到几乎不动的视频。

黄金时刻的渡轮栏杆边,一位穿黄色雨衣的年轻女人微笑着,头发被风吹起,身后是城市天际线和波光粼粼的海面

图片提示词:电影感照片,黄金时刻一艘小渡轮穿过港湾,一位穿亮黄色雨衣的年轻女人站在栏杆边,头发被风吹起,身后是城市天际线和平静的海面,她微微看向镜头外,带着浅浅的笑,低角度暖阳从左侧照来,胸部以上中景,头顶留出天空,自然肤质,35mm 镜头质感,浅景深。

最后核实:2026-11-18。模型能力来自 Kling 官方的 Kling 4.0 使用指南;时长、清晰度和积分来自同日 Yovid 生成器的设置。

Kling 4.0 图生视频参数一览

项目 Kling 4.0 图生视频
输入 一张首帧,可选再加一张尾帧
画面比例 跟随上传的首帧
时长 3 到 30 秒,按整秒选
清晰度 720p 或 1080p
声音 始终生成立体声:对白、音效、环境声,要求时也会配乐
Kling 列出的对白语言 中文、英语、日语、韩语、西班牙语、葡萄牙语、德语、法语、印地语
提示词长度 最多 2,500 个字符

第一步:为 Kling 4.0 图生视频选对图片

图片比提示词更能决定结果。Kling 4.0 会保留首帧的样子,只补出动作、镜头路径和声音,所以原图里的问题都会带进视频。

上传前检查这五项:

检查项 为什么影响 Kling 4.0 图生视频
画幅 视频沿用首帧比例。上传前就裁成 16:9、9:16、1:1 或 21:9,不要等生成后再裁。
主体大小 脸在画面里占得越大,越不容易变脸;远景里的小脸最容易走样。
运动空间 在动作方向上留出空间:要转头就在头顶留天空,要走路就在前方留地面。
清晰度 用你手上最大、压缩最少的版本。JPEG 色块和模糊一动起来就会变成闪烁。
光线 主体光线均匀、看得清。脸上压着硬阴影,模型能参照的信息就少。

上面这张渡轮照片就很适合做首帧:脸大、从左前方受光,风已经暗示了动作,头顶还留有天空,方便镜头推近。

第二步:设置 Kling 4.0 时长和清晰度,再写运动提示词

时长按一个清楚的动作来定。转头加微笑 5 秒就够;绕产品慢慢转一圈,8 到 10 秒最好看;画面要发生变化,比如天际线的灯一盏盏亮起,就要 10 秒以上。先用 720p。出最终版,或者头发、布料、水面这类细节本身就是重点时,再切 1080p。

然后把提示词写成「变化」。Kling 的指南建议用具体的视觉描述,不要用抽象的风格词,并且直接点明运镜:推近、拉远、横摇、跟拍或环绕。指南还说,真正需要写的否定指令通常只有两条:不要字幕、不要背景音乐,因为模型可能默认加上。

人物照片的 Kling 4.0 图生视频提示词怎么写?

写一个主要动作、一个运镜和声音。以渡轮照片为例:

提示词

The woman at the ferry rail turns her head slowly toward the camera and her smile widens as the wind lifts her hair. The camera pushes in gently from chest height to a close-up of her face. Gulls cross the sky behind her and the water glitters in the low sun. Sound: steady wind, the low hum of the ferry engine, distant gulls. No subtitles, no background music.

产品照片的 Kling 4.0 提示词怎么写?

产品适合慢而稳的运镜,背景保持不动。

深绿色背景前,一只金色拉丝瓶盖的透明玻璃香水瓶立在湿润的黑色板岩上,柔和的轮廓光勾出瓶身

图片提示词:产品摄影,一只金色拉丝瓶盖的透明玻璃香水瓶立在湿润的深色板岩上,背后柔和的轮廓光勾出玻璃边缘,石面上有几滴水珠,纯深绿色背景带柔和渐变,瓶子四周留出充足空白,居中构图,瓶身对焦清晰,棚拍布光,真实反射,无标志,瓶身无文字。

提示词

The camera orbits slowly around the perfume bottle, a quarter turn over the whole clip, keeping the bottle centered and in sharp focus. A single drop of water slides down the slate and catches the rim light. The green backdrop and the lighting stay exactly as they are. Sound: a soft low room tone and one quiet water drop. No subtitles, no background music.

风景照片怎样随时间变化?

画面要变化时,按顺序写出几个节点,并给每个节点一个大致时间。Kling 的指南里,带时间的动作也是这样写的。

提示词

Start on the harbor skyline at golden hour, locked-off wide shot, ferries crossing slowly in the foreground. Around three seconds in, the camera begins a slow pan to the right along the skyline while lights switch on window by window. In the last two seconds the camera holds still as the sun touches the water. Sound: harbor ambience, lapping water, one ferry horn in the middle of the clip. No subtitles, no background music.

如果视频必须停在某个画面上,比如产品定版图或人物的最终姿势,就把那张图作为尾帧上传,并在提示词里写清两帧之间的运动。

第三步:生成、检查、重跑 Kling 4.0 视频

把第一次生成当成测试,而不是成品:

  1. 先用 5 秒、720p 生成。这是验证动作想法最省钱的方式。
  2. 看三遍:一遍看主体(脸、手、产品形状),一遍看背景,一遍开着声音听。
  3. 每次重跑只改一处:图片、动作描述、运镜或时长。全部一起改,就不知道是哪处起了作用。
  4. 保留有效的提示词,再拉长时长或切到 1080p。
  5. 连续两次出同样的问题,多半是图片的原因。先回到第一步,别急着再改提示词。

Kling 4.0 图生视频常见问题怎么修

为什么脸会变样或变形?

观众最先看的是脸。脸在画面里太小、转得离镜头太远、半边在阴影里,或者被要求做大幅动作时,最容易走样。

雨痕斑斑的咖啡馆窗边,一位穿藏青色针织毛衣、留灰白胡子的六十多岁男人坐着,脸朝镜头侧转四分之三,柔和日光照在脸上

图片提示词:电影感人像照片,一位六十多岁、留灰白胡子、穿藏青色针织毛衣的男人坐在挂着雨痕的咖啡馆窗边,脸朝镜头侧转四分之三,被窗外柔和的日光均匀照亮,神情平静,双眼清晰可见,面前木桌上放着一杯咖啡,头肩构图,脸在画面中占比大,自然肤质,50mm 镜头质感。

按这个顺序修:

  • 用像这张一样的照片:脸大、受光均匀、两只眼睛都看得见。
  • 只要求小幅动作。「微微转头看向窗外」比「转过身」稳得多。
  • 特写镜头控制在 5 到 8 秒左右。
  • 结尾仍要像同一个人时,加一张同一组拍摄里的照片做尾帧。
提示词

The grey-bearded man by the café window lifts his eyes from the table and looks slightly toward the window, then back to the camera with a faint smile. His face, beard and sweater stay exactly as in the photo. The camera stays still at head-and-shoulders framing. Rain runs down the glass. Sound: soft rain on the window, quiet café chatter, a cup set down on wood. No subtitles, no background music.

为什么背景会闪烁或发虚抖动?

闪烁通常来自三种情况:背景里有细密重复的纹理(树叶、人群、瓷砖墙),原图压缩严重或被放大过,或者镜头快速扫过这些细节。上传最干净的原图,在提示词里写出背景是什么并说明它保持不动,把运镜放慢或固定机位;细节很密时试试 1080p。

为什么主体几乎不动?

提示词只重复图里已有的内容(「渡轮上的女人,日落」)时,模型没有动作可做。写动词,按先后顺序写,点明运镜,并给动作留够时间:3 秒的视频很难做完一个完整动作。用尾帧画出动作结束的状态,也能逼出明显的运动,因为模型必须从一张图走到另一张图。

图片里有文字或标志怎么办?

Kling 的指南说,它的文字在镜头和人物运动时仍能保持清晰,但图里本来就有的小字依然容易出问题。让文字够大、正对镜头,避免镜头横扫过文字,并在提示词里加一句「the label text stays unchanged and readable」。

图生视频选 Kling 4.0、Kling 4.0 Flash 还是 Seedance 2.5?

把照片做成视频,并不只有 Kling 4.0 一个选择。在 Yovid 上,另外两个模型也接受首帧:

图生视频 Kling 4.0 Kling 4.0 Flash Seedance 2.5
帧 首帧,可选尾帧 只有首帧 首帧,可选尾帧
时长 3–30 秒 3–20 秒 4–30 秒
清晰度 720p、1080p 720p 480p、720p、1080p
声音 始终开启 始终开启 可开可关
5 秒 720p,积分包价格 15 积分 9 积分 31 积分

Kling 4.0。 适合:最长 30 秒的一镜到底、必须停在指定画面的镜头、1080p 的产品或人像视频。不适合:需要无声输出的场合,因为它总会生成声音。

Kling 4.0 Flash。 适合:低成本试动作想法、720p 的短社媒视频。不适合:需要尾帧控制、1080p 或超过 20 秒的视频。

Seedance 2.5。 适合:想要无声视频、用 480p 打草稿,以及买了入门积分包(Starter,不含 Kling 模型)的用户。不适合:追求 720p 下每秒积分最低的场合。

Kling 4.0 图生视频在 Yovid 上按时长要多少积分

下面是 Kling 4.0 图生视频在 Yovid 上的积分,取自 2026-11-18 生成器自己的计价。加尾帧不额外收费。

Kling 4.0 视频 积分包 Lite Pro Premium
5 秒,720p 15 14 11 10
10 秒,720p 30 27 21 21
15 秒,720p 45 41 31 31
30 秒,720p 90 81 63 62
5 秒,1080p 25 23 18 17
10 秒,1080p 50 45 35 35
15 秒,1080p 75 68 53 52
30 秒,1080p 150 135 105 103

套餐列按月付计算,Premium 列按现在新开的订阅计算。Kling 4.0 需要付费套餐(Lite 每月 14.90 美元,含 100 积分)或 Creator 积分包(49.90 美元,375 积分)及更大的积分包;免费档和 Starter 积分包不含 Kling 4.0。按各自的单积分价格算,第三步里那条 5 秒 720p 测试,Creator 积分包约 2.00 美元,Lite 约 2.09 美元,Pro 约 1.60 美元,Premium 约 1.15 美元。30 秒 1080p 的成片在积分包下要 150 积分,所以先在 5 秒里把动作调对更划算。

操作时,打开图生视频生成器,把照片上传为首帧,需要时再加尾帧,在模型菜单里选 Kling 4.0,设好时长和清晰度,粘贴提示词后点生成。按钮上会先显示要扣的积分。套餐详情见价格页。

常见问题

Kling 4.0 图生视频支持哪些画面比例?

视频跟随首帧比例,所以先把照片裁好。Kling 4.0 支持 16:9、9:16、1:1 和 21:9;图生视频直接按上传的首帧定形,不用另外选比例。

Kling 4.0 能同时指定首帧和尾帧吗?

能。首帧必填,尾帧可选。两张图的光线和风格尽量一致,并在提示词里写清两帧之间的运动。Kling 4.0 Flash 只接受首帧。

Kling 4.0 图生视频最长多久,要多少积分?

3 到 30 秒。在 Yovid 上用积分包时,720p 每秒 3 积分,1080p 每秒 5 积分;Lite、Pro、Premium 更少。一条 5 秒 720p 的测试在积分包下是 15 积分。

图片里有文字怎么办?

让文字够大、正对镜头,避免镜头横扫过文字,并在提示词里写明文字保持不变。如果文字必须完全准确,生成后再在剪辑软件里加。

Kling 4.0 图生视频能加声音吗?

能,每条 Kling 4.0 视频都会和画面一起生成立体声。用一行「Sound:」描述声音,对白放进引号并注明语言;不想要配乐就写「no background music」。

把你的第一张照片做成 Kling 4.0 视频

挑一张清晰的照片,复制上面对应的提示词,先用 5 秒跑一次再拉长。想要更多思路,可以看 30 条 Kling 4.0 提示词(覆盖文生视频和参考生成),以及适用于多个模型的图生视频提示词示例;视频工作流里还有更多分步教程。照片准备好了,就打开 AI 视频生成器,选 Kling 4.0。