Kling Video O3 Standard Reference to Video：在模型页面与 API 上生成角色一致的视频 | RunComfy

Kling Video O3 Standard Reference to Video 是快手 O3 系列中以参考素材驱动的视频生成模型。它会根据提示词生成 3–15 秒视频，同时保留参考图像中的人物、道具或风格身份；也可加入参考视频引导动作或风格。输出无需手工遮罩或合成，也能在各帧间保持角色与视觉一致。

可以添加角色、道具或美术风格的参考图像，也可提供一段参考视频进行动作或风格迁移。不使用参考视频时最多支持 7 张图；使用参考视频时最多 4 张。在提示词中按位置指明图像，例如“图 1 走向图 2”，Kling Video O3 Standard Reference to Video 就能判断各主体的角色与位置。

与 Pro Reference to Video 相比，Kling Video O3 Standard Reference to Video 在保留 O3 视觉语言的同时提供更低的每秒价格，适合迭代及较大批量社交或营销内容。根据现有提供方信息，Pro 主要面向最终成片的顶级保真度，Standard 则适合草稿、变体和短内容。提示词、参考素材、宽高比、时长、音频与镜头类型等控制方式一致，可直接迁移。

社交内容创作者、广告与营销团队、电商视频制作人和设计工作室，可用 Kling Video O3 Standard Reference to Video 根据现有照片生成角色一致、场景或道具不同的视频，无需重拍。它也适合品牌代言人内容、美术方向概念短片和多角色叙事；开发者则可把简报与几张静帧自动转成完整短视频。

模型必须提供提示词，参考图像和参考视频可选但建议使用。图像最多 7 张；搭配参考视频时最多 4 张。aspect_ratio 支持 16:9、9:16、1:1，duration 为 3–15 秒整数，shot_type 接受 customize 或 intelligent，sound 与 keep_original_sound 为布尔值。分辨率和格式等其他限制可能随提供方变化，请以 RunComfy 参数面板为准。

可以。先在 RunComfy AI Playground 网页界面中调整 Kling Video O3 Standard Reference to Video 的参考素材、提示词、宽高比、时长与音频开关，再以完全相同的参数调用 RunComfy API。浏览器负责创意迭代，代码负责生产运行，模型行为保持一致。

任务会从 RunComfy 余额中扣除美元积分。根据现有提供方信息，Kling Video O3 Standard Reference to Video 无声时每秒 $0.084，有声时每秒 $0.112；提供参考视频后则改为 1.5 倍费率，即每秒 $0.126，并覆盖音频倍率。例如 5 秒无声约 $0.420，10 秒有声约 $1.120，15 秒含参考视频约 $1.890。最新费率请以模型页面 Generation 区域为准。

Kling Video O3 Standard Reference to Video 更适合明确、具体的提示词：先用“图 1”“图 2”等位置把参考素材绑定到角色，再描述动作、环境和摄影机运动。“slow tracking shot”“golden hour rim light”“neon-lit street”等具体提示，比模糊情绪词更能锁定画面与动作。复杂场景可用 multi_prompt 分隔节拍，保持一次生成中的转场干净。