veo-3-1/fast/first-last-frame-to-video
使用Veo 3.1 Fast快速将静态图像转换为电影级视频，轻松实现创意动画制作。
Kling V3.0 4K 是 RunComfy 上 Kling V3.0 多模态 AI 视频模型的原生 4K 版本。它可将文字提示词转为 3840×2160 超高分辨率的电影感视频，并提供 V3.0 系列通用的多镜头编排、同步音频和专业镜头控制，适合制作无需后期放大的母版级成片。
输出格式：原生 4K（3840×2160）/ 3–15 秒 / 16:9、9:16、1:1 / 可选同步音频
| 参数 | 必填 | 类型 | 默认值 | 范围 / 选项 | 说明 |
|---|---|---|---|---|---|
| prompt* | 是（*） | string | — | — | 描述所需的场景、动作、镜头风格和氛围。 |
| negative_prompt | 否 | string | — | — | 指定不希望出现在视频中的元素。 |
| duration | 否 | number (seconds) | 5 | 3–15 | 以秒为单位设置视频长度。 |
| aspect_ratio | 否 | enum | 16:9 | 16:9, 9:16, 1:1 | 视频宽高比。 |
| cfg_scale | 否 | number | 0.5 | — | 提示词引导强度。 |
| sound | 否 | boolean | disabled | enabled/disabled | 为视频生成同步声音。 |
| multi_prompt | 否 | array/string | — | — | 用于复杂场景编排的附加提示词。 |
| 计费单位 | 音频 | 价格 |
|---|---|---|
| 每生成 1 秒 | 关闭 | 每秒 $0.42 |
| 每生成 1 秒 | 开启 | 每秒 $0.42 |
Kling V3.0 4K 无论是否启用音频，都采用相同的固定秒价。
使用Veo 3.1 Fast快速将静态图像转换为电影级视频，轻松实现创意动画制作。
将第一帧图像动画化为 768p 或 2K 视频，最长 15 秒
根据文本生成语音并与视频同步，可选择音色、语言和语速。
通过必填参考图片与元素数组生成视频，使用按顺序编号的 @Image 和 @Element 标记，并精确控制时长与宽高比。
将源视频放大到所选目标分辨率和帧率。
根据 1 张必填图片和 1 个必填音频文件生成数字人视频，并可用文字提示词补充生成指令。
Kling V3.0 4K Text-to-Video 是 Kling V3.0 系列的原生 4K 版本。与 Standard 和 Pro 不同，它不经过放大处理，而是一次直接以 3840×2160 渲染，因此精细纹理、轮廓和运动细节在近距离查看或大屏展示时依然清晰。多镜头架构、同步音频和参数设置则与系列其他版本一致，无需改变提示词写法即可获得母版级分辨率。
是的。无论选择哪种宽高比，Kling V3.0 4K Text-to-Video 都会原生输出 3840×2160（UHD 4K）。流程中没有后期放大环节，因此皮肤毛孔、织物纹理和镜头高光等细节是在完整 4K 分辨率下生成的，而不是从低分辨率画面重建。
包括 Seedance 1.0 Pro 和 Wan 2.5 在内，许多竞品文生视频模型的原生输出上限是 1080p，更高分辨率需要依靠放大处理。Kling V3.0 4K Text-to-Video 可直接输出原生 4K，并在多镜头序列的时间一致性和音画同步方面更有优势。其他模型在特定风格化效果上仍可能表现出色，但需要原生分辨率母版时，Kling V3.0 4K 的优势更明确。
Kling V3.0 4K Text-to-Video 每次生成时长约为 15 秒，最多可包含 6 个连续镜头。原生分辨率为 3840×2160，常用宽高比包括 16:9、9:16 和 1:1。提示词通常最多支持 1,200 个 token；参考输入数量较少，具体上限取决于节点配置。由于分辨率很高，生成等待时间会比 Standard 或 Pro 更长。
可以。Kling V3.0 4K Text-to-Video 使用 V3.0 系列相同的多镜头功能，最多可将 6 个镜头串联成一段连贯的 4K 视频。你可以在 RunComfy Playground 的提示词或 multi_prompt 中定义镜头类型、机位和转场；系统会在完整 4K 分辨率下尽量保持光线和角色的连续性。
在 RunComfy Playground 中验证 Kling V3.0 4K Text-to-Video 的文生视频流程后，即可迁移到 RunComfy API。API 提供与 Playground 对应的全部设置，包括镜头定义、多段提示词和音频开关，并通过需要身份验证的 REST 端点调用。请生成 API 密钥、准备正式环境所需的 USD 积分，再通过 RunComfy 的任务队列异步获取视频。
Kling V3.0 4K Text-to-Video 提供与 V3.0 系列其他版本相同的一体化音频合成和动态口型同步能力，支持英语、中文、日语、韩语和西班牙语。生成带对白的片段时，模型会在一次 4K 生成过程中自动同步语音和嘴部动作，无需再单独配音。
Kling V3.0 4K Text-to-Video 支持在文字提示词中直接指定专业镜头语言，例如横摇、推轨、俯仰和 POV，以及相应的运动描述。原生 4K 能比 1080p 版本更清楚地呈现视差深度、镜头高光和构图平衡，为技术美术人员制作最终母版提供更实用的电影感控制。
无论是否启用音频，Kling V3.0 4K Text-to-Video 均按每秒 $0.42 的固定价格计费。Standard 不含音频时为每秒 $0.084，含音频时为每秒 $0.126；Pro 分别为每秒 $0.112 和 $0.168。4K 价格反映了原生渲染 3840×2160 时更高的逐帧计算需求。
Kling V3.0 4K Text-to-Video 输出是否可商用，取决于快手科技公布的许可条款和 RunComfy 服务协议。生成视频通常可用于营销或创意项目，但在正式发布前，仍应查看官方许可页面中的商业使用条款和署名要求。
普通用户通过 RunComfy Playground 使用 Kling V3.0 4K Text-to-Video 时，所有渲染都在云端完成，因此本地不需要支持 4K 的 GPU。通过 API 集成时，由于每帧像素数大幅增加，等待时间会明显长于 Standard 或 Pro。精简提示词、控制片段时长并复用提示词模板，有助于减少生成时间和费用。
RunComfy 是首选的 ComfyUI 平台，提供 ComfyUI 在线 环境和服务，以及 ComfyUI 工作流 具有惊艳的视觉效果。 RunComfy还提供 AI Models, 帮助艺术家利用最新的AI工具创作出令人惊叹的艺术作品。
