Kling AI 发布 4.0 版本，支持立体声与多语言口型同步并推出 Flash 轻量版
Kling AI drops version 4.0 with stereo audio, multilingual lip sync, and a lighter Flash variant
AI 导读
Kling AI 发布视频生成模型 4.0，单次可生成最长 30 秒视频，并支持最多 10 张关键帧图像作为输入来控制场景转场和角色状态，提示词理解扩展到 8,000 tokens。
摘要与补充说明
升级后的 Omni Reference 单次生成最多接受 15 个参考素材，包括 10 张图像、总时长不超过 30 秒的 5 段视频和 7 个元素；新增 Creative Recreation 功能可将已有视频作为模板替换产品或角色。新版本加入双声道立体声和覆盖德语、英语、日语、韩语、西班牙语等十余种语言的口型同步，视频内文字生成也支持多语言。同时推出的 Kling 4.0 Flash 面向更快、更低成本的生成，但上限为 720p 和 20 秒。
正文· AI 翻译
AI 视频生成器 Kling AI 已发布 4.0 版本，分辨率更高、控制更精准，并推出快速 Flash 变体，公司称该版本应能缩小 AI 生成视频与专业视频之间的差距。
用户现在单次可生成最长 30 秒的视频，系统最多可接受十张关键帧图像作为输入，以锁定场景转场、角色状态和故事节点。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”系统在单次生成中最多可接受 15 个参考素材，包括最多 10 张图像、总时长最多 30 秒的 5 段视频，以及 7 个元素。故事板、线框图、图像网格、白模视频和深度图视频均可作为参考。
“Creative Recreation”功能让用户可以将现有视频作为模板，替换其中的产品或角色。公司表示，面部表情、肢体动作、镜头角度或背景等单个元素均可调整，而不影响片段的其他部分。
下方视频将 Kling 4.0 与来自中国竞争对手的 Wan 3.0 和 Seedance 2.5 进行了对比。Kling 4.0 表现不落下风，但并未明显领先，尤其是在逻辑镜头排序、物理效果和自然对话方面。这可能是 AI 视频模型突飞猛进的进展开始趋于平缓的早期迹象，不过下一代 Wan 和 Seedance 的发布将提供更多信息。
立体声与多语言语音为本次更新画上句号
据公司介绍，Kling 4.0 新增双声道立体声音频，并改进了十多种语言的唇形同步，包括德语、英语、日语、韩语和西班牙语，以及多种方言和口音。视频内文字生成现在也支持多种语言，并在镜头运动过程中保持稳定。4K 和 1080p 下的 10-bit HDR 输出，以及可将片段延长至最长两分钟的视频扩展功能，均被 Kling AI 列为“即将推出”。
除主模型外，Kling AI 还推出了更轻量的 Flash 变体。Kling 4.0 Flash 旨在以更低成本实现更快生成，但最高仅支持 720p 和 20 秒视频。创作界面已重新设计，Kling 4.0 现在可通过 MCP 和 CLI 访问，从而能够借助 AI 智能体构建自动化工作流。Kling 4.0 API 的定价尚未公布，支持状态列为“即将推出”。
没有炒作的 AI 新闻——由人工精选
订阅 THE DECODER，享受无广告阅读、每周 AI 新闻简报、每年六期独家“AI Radar”前沿报告、完整档案访问权限以及评论区访问权限。