今天，可灵AI在凌晨的时候，终于正式上线了他们最新的视频模型Kling 4.0。
其实早在9月底，可灵就已经提前开放了一波4.0 Flash版本，给部分黑金年卡及Ultra年度订阅用户尝鲜。
4.0 Flash当时在一些用户中的口碑非常好，便宜、速度快、质量也高，非常适合前期探索探索方向，作为一个样片模型来打草稿，确定效果以后，再去用更贵的大参数模型来去生成。
4.0 Flash之后，社区就一直在等Kling的4.0正式版，终于，在半个月之后，正式版来了。
我在今晚烧了几万积分，测了很多的场景以后，我觉得还是可以跟大家聊聊我的体验的。
这次我最关注的几个点，是30秒直出、复杂场景里的动态表现，还有全能参考。
尤其是一些画面里很不起眼的小细节，反而挺能说明问题的。
跟大家一个一个说吧。
1. 30秒直出
我们知道，以前的AI视频创作，经常是生几秒、挑几秒，再将分散的无数片段拼凑起来。
而现在，我们终于开始可以一次性生成30秒的片段，在一个镜头里，实现更长的运动、融入更多的细节。就像我之前在文章里分享过的：
30秒，开始在整体上接近一个完整的场景单元了。
这对于专业的影视创作，无疑是至关重要的，而这次Kling 4.0也支持最长30秒直出。
比如我希望来个20秒以上的一镜到底，于是我准备了下面两张参考：
然后告诉可灵，我希望图一中的人物在图二的城市里被一群混混追逐。
过程中要撞翻水果摊，与道路上的车辆发生交互。
摄影机全程跟拍。
最终生成了这样一段视频。
我觉得整体效果还是不错的。
尤其是这段镜头涉及到连续跑动、障碍物交互、人物转向以及摄影机跟随。
其中我除了关注水果再被撞翻后的自然下落，我还特别关注人物与纸箱的接触会是怎样的。
我观察到了这样一个有意思的小细节：
人物压在了被自己撞倒的纸箱上，纸箱发生了形变，虽然只有不起眼的一瞬间，但已经很能说明Kling 4.0在物理规律理解上的提升。
除了这场城市追逐戏外，我还直出了一段完整的马戏团的30秒剧情。
没有借助任何参考图，纯文生视频，提示词其实还挺长的，我就直接截图放在这里了，喜欢的朋友也可以试试：
说实话，我还挺喜欢这一条的。
因为它和前面城市追逐那段要求的能力还不太一样，城市追逐，更多后驱看人物、道具还有摄影机的跟随啥的。
但马戏团这个提示词，里面几乎塞满了各种会让视频模型头疼的东西。
高速俯冲、穿过狭窄的门帘、前景遮挡、多人运动、鸽群、羽毛、金粉，再加上从正常速度突然进入慢动作，还要一镜到底。
这个时候，30秒的意义就出来了。
二. 动态表现
聊完了关于逻辑及镜头方面的效果，回到真实的创作场景中，还有一项是我们无法忽略的。
那就是模型在画面动态上的表现。
可灵系列过去在人物情绪、表情表达和画面质感上就有不错的积累，这次我更想看看它能不能把大范围运动和复杂打斗也做好。
测试下来，相较于前一代而言，这次Kling 4.0的动态表现也有了明显的提升，特别是涉及到一些复杂的打斗场景时。
比如我想致敬一波美队2中的电梯打戏，于是我用AI准备了下面两张与美队二拥有一样场景的图：
对此提示词我是这样写的：参考图一和图二，在狭窄拥挤的金属电梯内，身穿深色外套、酒红色连帽衫的年轻男子遭到周围西装壮汉围攻。站在一旁的壮汉突然朝男子挥拳，男子及时侧身闪过挥拳，抓住对方手腕，转身肘击；随后被身后壮汉抱住，猛然后撞，将对方撞向电梯壁，挣脱后借力摔倒迎面扑来的敌人。攻防迅猛连贯，重心转移真实，撞击有重量，金属墙面随碰撞震颤。广角镜头贴身跟拍，随动作快速横移，撞击时轻微震动，一镜到底，动作清晰，无慢动作。
最终出来的效果是这样的：
这一条我觉得挺不错的，尤其是两个地方。
第一，是动作之间的关系。
从闪避到反击，再到身体碰撞，你至少能看出来人物在做什么，以及为什么会做下一个动作。
第二，是镜头的临场感。
近距离跟拍、快速横移，再加上一点碰撞时的镜头震动，这些东西组合起来，确实能让打斗显得更有重量，而整个的镜头调度，Kling 4.0完成的很好。
这个公寓打斗也不错。
除了暴力一点的场景，我还想看看它在另一种极端动态里会怎么样。
比如，花样滑冰。
我的Prompt是这样的：花样滑冰视觉短片，整体参考顶级体育商业大片的凌厉剪辑节奏与高速摄影美学。环境设定为极简深邃的暗黑冰场，唯有头顶一束冷冽银蓝追光刺破黑暗打在镜面冰场上。主视觉是一位气质清冷孤傲的亚裔女运动员，穿深海蓝渐变碎钻考斯滕。镜头以极低机位高速贴冰面追随她全速助滑冲刺、侧身凌厉急停刮起漫天扇形碎冰雾，紧接着她腾空跃起完成极具爆发力的四周跳、高速轴心旋转与大跨度燕式滑行。采用高速环绕运镜、微距冰刃特写与升格慢动作自由交织，水钻礼服与飞溅的冰晶在追光下拉出璀璨光轨，充满速度与力量的极致美感。
这类画面其实也挺难的，还要做出美感来。
最后，可灵的效果还不错。
跳跃和旋转过程中，人物身体的中轴、重心、四肢展开，以及落冰后的衔接，都非常不错。
除了花滑之外，我还专门跑了一个关于篮球的片段，提示词是这么写的：
傍晚的城市天台篮球场，一名球员面对防守运用各种技巧，后撤步跳投。镜头在他出手时绕到身后，跟随篮球划出高弧线，空心入网，篮网轻轻弹起。夕阳逆光，城市天际线做背景
也非常的稳。
三. 全能参考
而这一次，随着Kling 4.0而来，还有在参考能力上的提升。
首先就是可灵将原本的视频首尾帧，直接改成了多帧参考了，现在一次性是可以最多添加10帧画面的：
正好我也想到了一个好玩的，就是现在是国庆回来后的第一周，很多朋友还处于回味状态，于是我做了一个非常应景的小片段，对此我先准备了四张参考图分别作为视频的四帧画面：
通过Kling 4.0，于是得到了这样的效果：
可灵在帧的过渡上，效果还是首屈一指的。
最后，在这次升级中，可灵在全能参考方面做得也更加细腻了。
这可能是一部分人会忽视的一点，但它真的很重要。
因为如果你也具备一定的AI视频创作经验就会知道，很多时候我们是不太能精准描述出自己想要的镜头的，但我们又的的确确会在各种地方看到我们想要的镜头。
而即便现在的视频模型再强，随机性也是AI永恒的话题。
如果要靠碰运气般一遍遍抽卡，成本未免太过。
这个时候这种模型参考能力的价值就体现出来了
比如我们公司有个小伙伴非常喜欢指环王三部曲，并且在第一部中有一个一镜到底的长镜头他个人非常喜欢，于是他把那一段截了下来：
其实这一段只是中间一部分，前后还各衔接了两段交代艾辛格场景的片段，以及在配乐上也做了非常丝滑的衔接，但考虑到目前AI视频模型单镜头直出时长的限制，于是保留了中间他最喜欢的这一小段。
对此我换了个场景，同时还将片段中的甘道夫也替换了下面的机器人：
再简单交代一下：
参考视频一的景别和运镜效果，生成具备同样运镜效果的一镜到底的视频：其中，整个场景换成第一张图中的场景，并且将视频中最后人物坐着的高塔也换成第一张图中的石塔上，然后将视频中的人物替换为第二张图片中的机器人，注意在蝴蝶飞到机器人手中前，机器人的面部屏幕一直显示的是一脸愁容的表情，而当蝴蝶飞到机器人手中后，机器人的面部屏幕随即切换为第三张图中的高兴表情
于是，配乐的衬托下，加上我们替换的机器人，一段略显滑稽搞笑的片段就此诞生：
当然，除了参考这种并替代掉这种运镜场景中的各种元素，最火的玩法，是替换掉原视频中的人物。
说到这里我又想了一位故人，我就不放原视频了，大家懂的都懂。
我想将宗主替换成牛来，于是我准备了牛来的三视图：
然后把海外的AI F4，跟牛来跟视频一起，扔给了Kling 4.0，然后我的prompt是这么写的。
于是。。。
又是被魔性洗脑的一天。
最后
前面聊了那么多画面和功能。
最后还是得回到一个非常现实的问题。
钱。
尤其对于每天都要做内容的人来说，这个问题真挺重要的。
所以我一直觉得，评价一个视频模型，除了成片质量，还应该多看两个指标。
单次生成成本，以及为了得到一条可用成片，你究竟要抽多少次卡，也就是我们常说的废片率。
这次Kling 4.0在价格上，我觉得还是有一定竞争力的。
1080P，30秒，是450积分。
按照他们会员价的推算，大概就是16块钱一个30秒的1080P视频。
720P大概是9块钱。
而Kling 4.0 Flash就更便宜了。
720P 20秒只要120积分。
所以很多时候我更加推荐用4.0 flash先跑小demo和样本，然后再上Kling 4.0正式版去跑。
然后他们还有一个大活还没上线，支持10-bit 4K HDR的业内最高输出规格，这个确实之前从来没在AI视频上见过，非常期待了。
总体测下来，我觉得Kling 4.0这次在大范围动态、复杂动作衔接，以及全能参考的可控性上，都拿出了一些挺扎实的进步。
我特别特别希望可灵未来，能越来越强。
毕竟，有更多模型竞争。
对于创作者来说，那才是好事。
相关文章
津公网安备12011002023007号