Kling 4.0 Flash Text to Video API

Kling 4.0 Flash 是 Kling AI 推出的视频生成模型，于 2026 年 9 月 28 日开启小规模试用。它支持纯文本提示生成视频，也可用首帧图像驱动画面，并通过参考图像、元素与参考视频实现全能参考。提示词上限为 26,000 字符，可一次性描述完整场景；输出为 MP4 格式、8 位 SDR 色彩深度，支持 auto、16:9、9:16、1:1 和 21:9 五种画幅比例，片段长度 3 至 20 秒。 该模型定位在 Kling 4.0 家族中追求生成速度与成本效率的场景，分辨率限定720p。它适合社交媒体短视频制作、基于产品照片的电商宣传片，以及故事板与预可视化草稿等任务。 与完整版 Kling 4.0 相比，Flash 仅支持单张首帧图像生视频，多关键帧控制、1080p 分辨率及超过 20 秒的片段都需要使用 Kling 4.0。模型还以文生视频、图生视频、参考生视频和视频编辑四种形态提供，并已上线 each::labs、Kie.ai 等第三方平台。

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。

支持文本提示、首帧图像、参考图像和参考视频输入。参考图最多 10 张，元素最多 5 个。

片段长度范围为 3 至 20 秒，分辨率为 720p，输出为 8 位 SDR 色彩的 MP4 文件。

上下文长度为 26,000 个字符，可用于一次性描述完整场景。

适合社交媒体短视频制作、基于产品图生成促销短片，以及预演和分镜草稿等场景。

Flash 侧重速度与成本效率，分辨率限于 720p、片段最长 20 秒，且只支持单张首帧图像；多关键帧控制、1080p 和更长片段需使用 Kling 4.0。