可灵AI发布Kling4.0:支持8000Token与立体声唇形同步

事件核心：发生了什么

可灵AI在9月28日公布Kling4.0升级方案，10月正式全量推出。目前Kling4.0 Flash版先向黑金年卡会员小范围开放体验。这次升级集中在三个方向：一是画面稳定性与连贯性，针对高速运动、连续动作、跟拍和环绕镜头等大范围运镜做了优化；二是音频能力，支持高质量音频和双声道立体声，人物唇形同步准确度提升；三是输出规格，支持21:9超宽画幅和4K分辨率，1080p的10-bit HDR格式也即将上线。

创作控制方面，Kling4.0单次生成最多支持15个多模态参考输入，其中包括10张图片、5段视频和7个主体组合，可对原视频的主体和背景做精确编辑，也能分析参考视频的运镜和叙事结构。长镜头能力上，单次可生成最长30秒原生视频，支持最多10个关键帧输入，提示词上限提升至8000 Token，覆盖中、英、日、韩、西、葡、德、法、印地语等多种语言及口音方言。通过多次续写扩展到2分钟视频的能力也将在后续发布。

为什么重要

视频生成模型的竞争焦点正在从“能不能生成”转向“能不能稳定、可控、可交付”。Kling4.0把多模态参考、关键帧控制、长镜头叙事和音频同步打包进同一次升级，直接对标商业视频制作流程中的实际需求。8000 Token的提示词上限和多语言支持，也意味着它开始处理更复杂的脚本级指令，而不只是单句描述。

对行业格局而言，这一轮升级把压力给到了同赛道的闭源视频模型和部分开源方案。多模态参考输入越丰富，模型对算力和推理调度的要求越高，这会进一步拉高视频生成领域的门槛。同时，可灵选择会员优先体验的分层策略，说明商业化落地仍是当前重点。

对用户/开发者/创作者的影响

创作者侧最直接的变化是工作流：过去需要多段拼接、后期配音的镜头，现在有机会用单次30秒生成加关键帧控制完成，2分钟长视频也有了扩展路径。但多模态参考和4K/HDR输出对本地设备和后期工具仍有要求，实际成片质量还需以正式版表现为准。开发者如果关注API接入，目前公开信息显示官方尚未披露Kling4.0的接口开放节奏和计费方式，需要等待后续说明。企业采购方则应关注会员分层是否会影响团队协作和批量生成的权限。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是10月正式版的实际生成质量是否与演示一致，尤其是立体声唇形同步在中文和方言场景下的稳定性；二是2分钟续写、1080p 10-bit HDR的具体上线时间；三是竞品是否跟进多模态参考输入和长镜头控制，以及可灵是否开放Kling4.0的API和开发者生态。

来源：AIbase