Kling 4.0 Image-to-Video API

Kling 4.0 Image-to-Video 是 Kling AI 推出的统一创作模型，将视频生成、多模态参考和编辑整合在一个系统中。它可将参考图像动画化为带有运动、镜头调度和叙事感的视频，原生生成时长覆盖 3 至 30 秒，适合需要更长叙事序列的创作。 该模型支持最多 10 张关键帧图像来控制关键视觉时刻，单项目最多可接受 10 张图像和 5 段视频作为参考，涵盖主体图像、三视图、图像网格、信息图、关键帧和线框图等形式。它能稳定呈现大幅运动与快速移动、跟踪镜头、环绕扫掠等复杂运镜，同时保持主体结构与空间关系，并输出双声道立体声与更准确的唇形同步。 它适合品牌广告与商业片、短片叙事与电影感场景、产品宣传、社交媒体内容、视觉故事、概念视频与分镜预览，以及复刻热门视频风格等任务。统一的输入框可组合文本、图像、视频和音频参考，并提供网格与列表对比视图、时间线编辑以及画布与 Agent 创作体验。

费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格，详见计费明细。

支持图像、文本、视频和音频输入。统一输入框可将文本、图像、视频和音频参考组合使用，单项目最多可接受 10 张图像和 5 段视频作为参考。

原生视频生成时长为 3 至 30 秒，便于构建更长的叙事序列。

最多可使用 10 张关键帧图像来控制关键视觉时刻，从而精确把握场景推进。

输出双声道立体声，并提升了唇形同步准确度。

适合品牌广告、短片叙事、产品宣传、社交媒体内容、视觉故事、概念视频与分镜预览，以及复刻热门视频风格。

Kling 4.0 定位为统一创作模型，将视频生成、多模态参考和编辑整合在一个系统中，并支持最长 30 秒的原生生成。