Kling 4.0 多帧关键帧 30 秒实测
关键帧怎么准备、哪里会跑偏
Kling 4.0 可以一次生成 30 秒、21:9、带声音的视频,还能给它首帧、尾帧和几张中间帧,让它按顺序「走」过去。我们在同一天用它做了 6 个题材:温情短片、夏日恋爱 MV、产品广告、武侠动作、对话戏和科幻大片。这篇不重复提示词全文(在 Kling 4.0 七项实测页可以复制),只讲做法、花费和踩坑。
一、流程:定妆 → 关键帧 → 视频
每个题材都按同一个顺序做:
- 定妆:每个人物(和关键道具)先出一张三视图设定稿——正面、侧面、背面加一张头肩特写,浅灰背景、无文字。
- 关键帧:按 30 秒的分镜,出 5 张关键帧:0 秒首帧、约 8 秒、约 13 秒、约 17 秒、30 秒尾帧。每张都写「参考图里的某某(同一张脸、发型、衣服)」,并写清景别、镜头、光线。
- 视频:把 5 张关键帧按顺序喂给「多帧关键帧」,提示词里用【参考】【人物】【场景】【风格】【分镜(按秒)】【禁止】六段写清楚,按秒描述每一段发生什么。

关键帧图用的是 GPT Image 2.5(2K),每张约 2.75 积分;视频是 Kling 4.0,720P、21:9、30 秒,在 Higgsfield 上按钮报价 15 积分。以按钮当时的报价为准,不同平台、不同时期价格差别很大。
二、时间会晚 1~3 秒
多帧关键帧不是「精确到秒」的。我们把关键帧标在 8、13、17 秒,生成出来的视频整体会晚 1~3 秒才到达对应画面——模型会在两张关键帧之间「多走几步」,让动作更连贯。
处理办法有两个:一是在分镜里给每段留一点余量,不要把重要台词卡在关键帧前后半秒;二是需要和音乐鼓点对齐的地方,不靠关键帧对齐,而是放到剪辑里去对。我们的恋爱 MV 开头写了「卡鼓点快切三刀」,模型确实切了,但具体落在哪一帧,还是要在剪辑台里微调。
三、它会自己唱歌,但不是你的歌
Kling 4.0 会一起生成声音:旁白、对白、音效,甚至会把提示词里写的歌词「唱」出来,还是立体声。问题是:它唱的旋律是它自己的,不是你准备好的那首歌。
所以我们的分工是:对白、环境音、音效让 Kling 生成,这部分写进分镜就行(比如《饺子》的分镜里写了门铃「叮咚」、拖鞋擦地声和两句对白);音乐和歌一律用自己的,在剪辑台里替换掉原声的音乐部分。如果需要角色唱我们的歌,就用专门的对口型工具或本地对口型(见 本地对口型 MV 实测)。
四、用「视频参考」修改:参考视频不能超过 30 秒
恋爱 MV 第一版出来后,有几处想改:相纸上的画面、一段花田、结尾的动作。Kling 4.0 支持把生成好的视频作为参考,再用文字说明要改哪里。我们改了三轮:
| 轮次 | 改了什么 | 结果 |
|---|---|---|
| 第 1 轮 | 相纸画面、结尾 | 几乎没变 |
| 第 2 轮 | 相纸合影、向日葵改薰衣草 | 这两处都改对了;但公路段和结尾没变 |
| 第 3 轮 | 以第 2 轮为参考,只改结尾 | 直接失败 |
第 3 轮失败的原因,我们一开始以为是参数传错了,后来才查清:参考视频长度是 30.04 秒,超过了 30 秒的上限。生成出来的视频经常是 30 秒多一点点,直接拿来当参考就会被拒。先把参考视频截到 29.9 秒以内再提交即可。
五、六个题材总结出的规矩
| 规矩 | 原因 |
|---|---|
| 关键帧先出图确认,再生成视频 | 视频一次 15 积分,关键帧不对,视频一定不对 |
| 兵器、道具数量写死(「一把剑」「一台相机」) | 不写数量,道具在镜头之间容易多出来或消失 |
| 对话戏每张图人物左右站位一致 | 站位一换,观众就分不清谁在说话 |
| 多帧关键帧里不放三视图 | 三视图是设定稿,放进去会被当成画面出现 |
| 画面「去油腻」、表演克制 | 写「真实皮肤质感」「表演克制」,避免网红滤镜感 |
| 自拍类画面写明「看到相机背面,镜头朝人」 | 否则会拍成对着镜子或镜头朝外 |