veo-3/image-to-video
以AI將靜態圖像轉為動態影片，具有風格控制與鏡頭運動功能，助你輕鬆展現創意。
Kling V3.0 4K 是 RunComfy 上 Kling V3.0 多模態 AI 影片模型的原生 4K 版本。它可將文字提示詞製作成 3840×2160 超高解析度的電影感影片，並提供 V3.0 系列通用的多鏡頭編排、同步音訊和專業鏡頭控制，適合製作不需後期放大的母版級成片。
輸出格式：原生 4K（3840×2160）/ 3–15 秒 / 16:9、9:16、1:1 / 選填同步音訊
| 參數 | 必填 | 類型 | 預設值 | 範圍 / 選項 | 說明 |
|---|---|---|---|---|---|
| prompt* | 是（*） | string | — | — | 描述所需的場景、動作、鏡頭風格和氛圍。 |
| negative_prompt | 否 | string | — | — | 指定不希望出現在影片中的元素。 |
| duration | 否 | number (seconds) | 5 | 3–15 | 以秒為單位設定影片長度。 |
| aspect_ratio | 否 | enum | 16:9 | 16:9, 9:16, 1:1 | 影片長寬比。 |
| cfg_scale | 否 | number | 0.5 | — | 提示詞引導強度。 |
| sound | 否 | boolean | disabled | enabled/disabled | 為影片生成同步聲音。 |
| multi_prompt | 否 | array/string | — | — | 用於複雜場景編排的附加提示詞。 |
| 計費單位 | 音訊 | 價格 |
|---|---|---|
| 每生成 1 秒 | 關閉 | 每秒 $0.42 |
| 每生成 1 秒 | 開啟 | 每秒 $0.42 |
Kling V3.0 4K 無論是否啟用音訊，都採用相同的固定秒價。
以AI將靜態圖像轉為動態影片，具有風格控制與鏡頭運動功能，助你輕鬆展現創意。
透過多模態參考、口型同步與鏡頭控制，更快生成具有電影感的短片。
以 Veo 3.1 將靜態圖像轉換成流暢影片，快速呈現電影般的視覺效果，創作更高效。
利用Dreamina 3.0，將靜態影像即刻轉化為流暢2K影片，完美呈現細緻動態與真實光影。
根據參考影像和提示詞生成含同步音訊的短影片。
依照圖片、音訊和提示詞產生影片，並分別調整文字與音訊的引導強度。
Kling V3.0 4K Text-to-Video 是 Kling V3.0 系列的原生 4K 版本。它和 Standard、Pro 最大的不同，在於不經過放大處理，而是一次直接以 3840×2160 算圖，因此精細紋理、輪廓和動態細節在近看或大型螢幕上仍能維持清晰。多鏡頭架構、同步音訊與參數設定則和系列其他版本一致，不必改變提示詞寫法就能取得母帶等級的解析度。
是的。無論選擇哪一種長寬比，Kling V3.0 4K Text-to-Video 都會原生輸出 3840×2160（UHD 4K）。流程中沒有後製放大步驟，因此皮膚毛孔、布料織紋與鏡頭高光等細節，都是以完整 4K 解析度生成，而不是從低解析度畫面重建。
Seedance 1.0 Pro、Wan 2.5 等許多競品文字轉影片模型，原生輸出的上限為 1080p，更高解析度需要依賴放大處理。Kling V3.0 4K Text-to-Video 能直接輸出原生 4K，並在多鏡頭序列的時間一致性與影音同步上更具優勢。其他模型在特定風格化效果上仍可能表現出色，但需要原生解析度母帶時，Kling V3.0 4K 的優勢更明確。
Kling V3.0 4K Text-to-Video 每次生成的時長約為 15 秒，最多可包含 6 個連續鏡頭。原生解析度為 3840×2160，常用長寬比包括 16:9、9:16 與 1:1。提示詞通常最多支援 1,200 個 token；參考輸入的數量較少，實際上限取決於節點設定。由於解析度很高，等待時間會比 Standard 或 Pro 更長。
可以。Kling V3.0 4K Text-to-Video 使用 V3.0 系列相同的多鏡頭功能，最多可將 6 個鏡頭串成一段連貫的 4K 影片。你可以在 RunComfy Playground 的提示詞或 multi_prompt 中定義鏡頭類型、機位和轉場；系統會在完整 4K 解析度下盡量維持光線與角色的連續性。
在 RunComfy Playground 中驗證 Kling V3.0 4K Text-to-Video 的文字轉影片流程後，即可移至 RunComfy API。API 提供與 Playground 對應的所有設定，包括鏡頭定義、多段提示詞與音訊開關，並透過需要驗證身分的 REST 端點呼叫。請建立 API 金鑰、準備正式環境所需的 USD 點數，再經由 RunComfy 工作佇列非同步取得影片。
Kling V3.0 4K Text-to-Video 提供與 V3.0 系列其他版本相同的一體化音訊合成和動態口型同步能力，支援英語、中文、日語、韓語與西班牙語。生成帶有對白的片段時，模型會在一次 4K 生成過程中自動同步語音與嘴部動作，不需要再另外配音。
Kling V3.0 4K Text-to-Video 可在文字提示詞中直接指定專業鏡頭語言，例如橫搖、推軌、俯仰與 POV，以及相應的動作描述。原生 4K 能比 1080p 版本更清楚地呈現視差深度、鏡頭高光與構圖平衡，讓技術美術人員在製作最終母帶時擁有更實用的電影感控制。
無論是否啟用音訊，Kling V3.0 4K Text-to-Video 均以每秒 $0.42 的固定價格計費。Standard 不含音訊時為每秒 $0.084，含音訊時為每秒 $0.126；Pro 則分別為每秒 $0.112 與 $0.168。4K 價格反映了原生算圖 3840×2160 所需的更高逐格運算量。
Kling V3.0 4K Text-to-Video 輸出是否可商用，取決於快手科技公布的授權條款與 RunComfy 服務協議。生成影片通常可用於行銷或創意專案，但正式發佈前仍應查看官方授權頁面的商業使用條款與署名要求。
一般使用者透過 RunComfy Playground 使用 Kling V3.0 4K Text-to-Video 時，所有算圖工作都在雲端完成，因此本機不需要支援 4K 的 GPU。透過 API 整合時，由於每個影格的像素數大幅增加，等待時間會明顯長於 Standard 或 Pro。精簡提示詞、控制片段時長並重複使用提示詞範本，有助於降低生成時間與費用。
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。
