Kling V3.0 4K Image-to-Video：在模型頁面與 API 上生成原生 4K 圖片動畫

kling/kling-3.0/4k/image-to-video

將參考圖片製作成原生 4K 電影感影片，支援可選首尾影格引導、多段提示詞轉場、身分鎖定參考元素和同步音訊。

提示詞 *

Bring this still photograph to life in native 4K with hyper-detailed motion. The young American ceramic artist's hands gently cradle and shape the spinning gray clay vessel — the wheel rotates with smooth controlled motion, the soft clay walls rise and slim under her thumbs, a thin glistening ribbon of water trickles continuously down the side, and a few fine droplets of clay-water flick outward in slow motion catching the light. Loose strands of her dirty-blonde hair sway gently, her chest rises and falls with steady calm breathing, eyes stay focused, a small subtle smile tugs at her lips, the linen apron shifts almost imperceptibly. Behind her, dust motes drift through the warm shaft of honey golden-hour light streaming through the multi-pane windows, dried botanicals sway slightly, and faint shadows shift across the whitewashed brick wall as the sun moves. The camera slowly pushes in from a tight medium close-up to an extreme close-up of the wet clay vessel and her glistening fingers, then drifts back up to her face. Ambient sound: the soft whir of the pottery wheel, water droplets, the rustle of linen, distant Portland street ambience, and a warm vinyl indie-folk record playing low. Native-4K hyper-detailed textures — wet clay surface sheen, fingertip ridges, water droplets, hair strands, linen apron weave, brick grain, wood shelf knots — shot on RED Komodo 6K, 50mm anamorphic, shallow depth of field, Kodak Portra color science.

多段提示詞

提供多個提示詞片段來控制場景轉場。所有片段的長度之和必須等於影片總長度。

起始圖片 *

影片的起始畫面。支援 jpg、jpeg、png、bmp、webp 格式。

結束圖片

選填的結束畫面，用於精確控制兩個畫面之間的轉場。支援 jpg、jpeg、png、bmp、webp 格式。

長度

生成影片的總長度，單位為秒。

生成音訊

啟用後將為影片生成音訊。

參考元素

用於生成的素材，包括參考圖片和影片片段。

鏡頭模式

定義鏡頭處理或場景取景方式。

負面提示詞

引導強度

無分類器引導（CFG）強度，用於控制結果遵循提示詞的程度。

Idle

The rate is $0.42 per second regardless of whether audio is on or off.

Kling V3.0 4K Image-to-Video 簡介

快手科技的 Kling V3.0 4K Image-to-Video 是 Kling V3.0 系列的高階圖片動畫版本，可將一張參考圖片製作成原生 4K 電影感影片。無論是否啟用音訊，統一以每秒 $0.42 計費。模型以 3840×2160 輸出，支援選填的首尾影格引導、多段提示詞轉場、基於參考元素的身分鎖定和同步音訊，無須逐格設定關鍵影格、跨軟體合成或後期放大。它面向需要母版級動畫畫面的專業製作團隊、行銷人員、電影工作者和品牌工作室。開發者既可在瀏覽器中使用 RunComfy 上的 Kling V3.0 4K Image-to-Video，也可透過 HTTP API 呼叫，無須自行部署模型或管理擴充。
適用場景：原生 4K 主視覺廣告 | 電影感場景轉場 | 高品質角色動畫

Kling V3.0 4K Image-to-Video#

Kling V3.0 4K Image-to-Video 是快手推出的高階 AI 圖片動畫模型，可將一張參考圖片轉換為 3–15 秒的原生 4K（3840×2160）電影感影片，並支援可選首尾影格引導和同步音訊。輸出可直接作為母版使用，無須放大處理，適合剪輯、調色或直接交付。

主要規格#

屬性	規格
原生解析度	3840×2160（4K UHD）
長度	3–15 秒
畫面比例	16:9、9:16、1:1
音訊	選配同步音訊
影格引導	必須提供起始圖片，結束圖片可選
價格	每秒 $0.42（音訊選項不影響價格）
輸入格式	jpg、jpeg、png、bmp、webp

核心亮點#

原生 4K 輸出 — 直接以 3840×2160 渲染，在 Kling V3.0 系列中提供最高的畫面還原度與動作真實感，無須放大，也不會損失細節。
靈活長度 — 可生成 3–15 秒影片，適合短內容、主視覺鏡頭和剪輯素材。
首尾影格引導 — 同時提供起始與結束圖片，便可控制兩個指定畫面之間的電影感轉場、形變和揭示效果。
同步音訊 — 選填的原生音訊會隨動作同步生成，且不額外收費。
多段提示詞與參考元素列表 — 串聯多個依照長度安排的提示詞段落以控制轉場，並鎖定主體、服裝或品牌元素，保持不同鏡頭間的一致性。
音訊選項不影響計價 — 無論是否生成音訊，均以每秒 $0.42 收費，便於預估 4K 專案預算。

價格#

Kling V3.0 4K Image-to-Video 採用統一的按秒價格，不受音訊選項影響：

計費單位	音訊	費率
每生成 1 秒	關閉	每秒 $0.42
每生成 1 秒	開啟	每秒 $0.42

生成 5 秒影片需 $2.10，15 秒影片需 $6.30。啟用音訊不收取附加費用。

常見問題

Kling V3.0 4K Image-to-Video 與 Standard Image-to-Video 版本有何不同？

Kling V3.0 4K Image-to-Video 會一次性直接渲染 3840×2160 畫面，無須放大，而 Standard 版本最高為 1080p。4K 版本還提供可選首尾影格引導，可精確控制兩個畫面之間的轉場；多段提示詞編排、基於參考元素的身分鎖定和同步音訊等能力則與 V3.0 圖片轉影片系列的其他版本相同。當成片必須達到母版品質，且原始圖片擁有值得保留的豐富細節時，應選擇 4K 版本。

Kling V3.0 4K Image-to-Video 支援哪些解析度和長度？

Kling V3.0 4K Image-to-Video 原生輸出 3840×2160（UHD 4K），單條影片可設為 3–15 秒。由於模型以完整 4K 解析度渲染，相同長度下的生成所需時間會明顯長於 1080p Standard 版本。

Kling V3.0 4K Image-to-Video 的首尾影格引導如何使用？

透過 start_image_url 提供起始圖片，並可透過 end_image_url 新增結束圖片。Kling V3.0 4K Image-to-Video 會生成在兩個影格間平滑銜接的動作，適合電影感形變、場景切換、前後對照與揭示效果和鏡頭連續性處理。若省略 end_image_url，動作將只由起始圖片和提示詞決定。

Kling V3.0 4K Image-to-Video 對參考輸入有何限制？

有。除起始圖片和選配結束圖片外，Kling V3.0 4K Image-to-Video 最多可新增 3 個參考元素，用於在整段影片中鎖定身分、服裝或品牌特徵。每個元素可包含一張正面參考圖、更多參考圖片網址，以及一段用於動作引導的選填短影片。超出支援的參考數量可能導致提示詞被截斷或動作不一致。

Kling V3.0 4K Image-to-Video 支援哪些輸入格式？

Kling V3.0 4K Image-to-Video 的起始影格和結束影格均支援常見的 JPG、JPEG、PNG、BMP、WEBP 圖片，還可接收文字提示詞、多段提示詞和參考素材。要取得更好的 4K 成片，請使用高解析度、且畫面比例與目標影片一致的原始圖片。

Kling V3.0 4K Image-to-Video 能生成同步音訊嗎？

可以。將 generate_audio 設為 true，Kling V3.0 4K Image-to-Video 就會在製作 4K 影片的同時合成與動作同步的環境聲、對白或音效。無論是否啟用音訊，價格都不變。

Kling V3.0 4K Image-to-Video 與其他 Kling V3.0 圖片轉影片版本相較如何計費？

Kling V3.0 4K Image-to-Video 無論是否啟用音訊，均以每秒 $0.42 計費，4K 專案的預算十分直觀。相較之下，Standard Image-to-Video 無音訊時為每秒 $0.084，啟用音訊後為每秒 $0.126。4K 價格反映了原生渲染 3840×2160 畫面所需的更高逐格算力。

如何將 Kling V3.0 4K Image-to-Video 從 RunComfy Playground 測試遷移到正式環境 API？

先在 RunComfy Playground 中驗證 Kling V3.0 4K Image-to-Video 的提示詞與參數表現，再從 RunComfy Dashboard 建立 API 金鑰。API 與模型頁面提供相同設定，包括首尾影格圖片網址、多段提示詞、參考元素、音訊選項、負面提示詞和 CFG 強度，並透過需身分驗證的 REST 端點執行。請為正式環境工作備妥足夠的美元 / 點數，並透過 RunComfy 工作佇列非同步取得影片。

Kling V3.0 4K Image-to-Video 如何保持跨影格主體一致性？

Kling V3.0 4K Image-to-Video 會結合起始圖片、選配結束圖片，以及 elements 陣列中的正面圖、更多參考圖和可選動作影片來錨定主體，從而保持各影格中的身分、光照和色彩穩定。原生 4K 會讓閃爍或漂移更容易被察覺，因此這項一致性能力尤為重要。

Kling V3.0 4K Image-to-Video 適合商業用途和製作流程嗎？

可以，但使用 Kling V3.0 4K Image-to-Video 輸出用於商業用途時，必須遵守快手科技的授權條款和 RunComfy 服務條款。在專業流程中，可透過 RunComfy API 自動完成 4K 圖片轉影片、批次算圖，並將結果直接送入剪輯、調色和後期完成工具。

RunComfy

RunComfy 是首選的 ComfyUI 平台，提供 ComfyUI 在線環境和服務，以及 ComfyUI 工作流程具有驚豔的視覺效果。 RunComfy還提供 AI Models, 幫助藝術家利用最新的AI工具創作出令人驚艷的藝術作品。

Kling V3.0 4K Image-to-Video#

屬性

規格

原生解析度

3840×2160（4K UHD）

長度

3–15 秒

畫面比例

16:9、9:16、1:1

音訊

選配同步音訊

影格引導

必須提供起始圖片，結束圖片可選

價格

每秒 $0.42（音訊選項不影響價格）

輸入格式

jpg、jpeg、png、bmp、webp

核心亮點#

原生 4K 輸出 — 直接以 3840×2160 渲染，在 Kling V3.0 系列中提供最高的畫面還原度與動作真實感，無須放大，也不會損失細節。

靈活長度 — 可生成 3–15 秒影片，適合短內容、主視覺鏡頭和剪輯素材。

首尾影格引導 — 同時提供起始與結束圖片，便可控制兩個指定畫面之間的電影感轉場、形變和揭示效果。

同步音訊 — 選填的原生音訊會隨動作同步生成，且不額外收費。

多段提示詞與參考元素列表 — 串聯多個依照長度安排的提示詞段落以控制轉場，並鎖定主體、服裝或品牌元素，保持不同鏡頭間的一致性。

音訊選項不影響計價 — 無論是否生成音訊，均以每秒 $0.42 收費，便於預估 4K 專案預算。

計費單位

音訊

費率

每生成 1 秒

關閉

每秒 $0.42

每生成 1 秒

開啟

每秒 $0.42

常見問題

將參考圖片製作成原生 4K 電影感影片，支援可選首尾影格引導、多段提示詞轉場、身分鎖定參考元素和同步音訊。

Kling V3.0 4K Image-to-Video 簡介

Kling V3.0 4K Image-to-Video#

主要規格#

核心亮點#

價格#

相關模型

常見問題