For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/zh/articles/kling-4-0-omni-reference-stereo-audio-fla-082a9d72.md.
据 THE DECODER 10 月 19 日的报道，Kling AI 4.0 版本更新带来了更长的单次视频片段、更多参考输入，以及扩展的声音和语言功能。另有一个独立的 Flash 模型，定位为更快、成本更低的生成选项，但输出规格有所限制。
据 THE DECODER 10 月 19 日的报道，Kling AI 4.0 版本更新带来了更长的单次视频片段、更多参考输入，以及扩展的声音和语言功能。另有一个独立的 Flash 模型，定位为更快、成本更低的生成选项，但输出规格有所限制。
公告中还包括一些仍处于路线图阶段的功能。具体而言，报道将 HDR 输出、更长的视频扩展以及 4.0 版本 API 支持列为后续功能。因此，需要将这些内容与当前版本被描述为已经提供的能力区分开来。
据描述，主模型单次生成最长可达 30 秒，支持最多 10 张关键帧图像，并能够理解最长 8,000 个 token 的提示词。
关键帧可以帮助创作者指定一段序列中的视觉状态或重要时刻。它们有助于传达转场或故事节奏，但输入上限并不能说明生成的每一帧都会以多高的准确度遵循预期序列。
更新后的 Omni Reference 系统结合了多种参考素材。其限制需要结合起来理解：
| 参考限制 | 报道中的上限 |
|---|---|
| 所有参考资产合计 | 每次生成 15 个。 |
| 图像 | 10 张，计入整体资产上限。 |
| 视频 | 5 个，合计时长不超过 30 秒。 |
| 元素 | 7 个，计入整体资产上限。 |
各类别上限 不能相加。10 张图像、5 个视频和 7 个元素合计将超过规定的 15 个资产总数。
据报道转述的公司规格，可接受的参考素材包括故事板、线框图、图像网格、白模视频和深度图视频。这些输入可以表达镜头的不同方面：故事板可以描述序列，而深度图可以传达空间结构。但这并不意味着每种参考素材都会获得相同权重，或一定能够产生完全匹配的结果。
报道将 Creative Recreation 描述为一种从现有视频开始，并替换角色或产品的方法。Kling 还表示，创作者可以调整表情、动作、镜头处理方式或背景，同时保留场景的其他部分。
这描述的是预期中的编辑行为，而不是对周围每个细节都保持不变的保证。对于产品镜头或角色序列，除了检查所请求的编辑是否完成，也应检查生成片段中是否出现不必要的变化。
来源在讨论视觉控制之后，加入了与 Wan 3.0 和 Seedance 2.5 的外部比较：
THE DECODER 的评价是，Kling 具备竞争力，但并未在镜头逻辑、物理一致性或对白方面确立明显领先。这是对示例的编辑性解读，并非标准化基准测试结果。报道关于视频模型进展可能正在放缓的说法同样属于假设；仅凭这些示例无法证明整个行业都出现了这一趋势。
据报道，此次更新加入了 双声道立体声，并支持 超过 10 种语言的唇形同步。被点名的语言包括英语、德语、日语、韩语和西班牙语，同时还提到对不同口音和方言的支持。
生成视频中的多语言文字也是据称得到改进的功能。Kling 表示，当镜头移动时，文字可以保持稳定；如果镜头中包含标牌或产品文字，这项能力值得直接测试。
立体声输出与令人信服的语音是两个不同的质量维度。双声道音轨描述的是音频格式本身，并不能单独证明发音准确、表达自然，或整段视频都能保持可靠同步。
来源还在这部分报道中嵌入了第二个视频对比：
观看 Kling 4.0 与 Seedance 2.5 的对比。
报道将以下两项能力列为后续功能：
输入一句想法，We0 AI 即可生成展示站、页面与 CMS。发布上线后并帮你获取客户和流量。
用户注册赠送一次完整项目生成
适合先体验一次完整生成流程，快速看到项目初稿。
两分钟这一数字指的是计划中的扩展功能，不应替代当前主模型据报道支持的单次生成最长 30 秒限制。
Kling 4.0 Flash 被定位为更快且成本更低的选项。来源没有提供具体的延迟测量数据或完整的价格对比，因此不应将这一定位转化为具体的提速或节省金额声明。
| 项目 | Kling 4.0 主模型 | Kling 4.0 Flash |
|---|---|---|
| 报道中的最长片段时长 | 每次生成 30 秒。 | 每次生成 20 秒。 |
| 报道中的分辨率信息 | 计划支持 4K 和 1080p 下的 10-bit HDR；并非已验证的当前分辨率矩阵。 | 最高 720p。 |
| 定位 | 更丰富的生成与控制功能。 | 据公司介绍，生成速度更快、成本更低。 |
报道还称，创作界面也经过重新设计。报道描述了面向 AI 智能体工作流的 MCP 和 CLI 访问方式，但没有提供安装命令或完整的集成流程。
MCP 或 CLI 访问不应被视为公共 Kling 4.0 API 已经全面开放的证据。 同一篇报道将 4.0 版本 API 支持列为即将推出的功能，并表示价格尚未公布。在围绕该 API 构建工作流之前，请查看官方 API 页面，确认具体模型和账户是否符合条件。
据报道，此次发布增加了更长的视频片段、关键帧和参考控制、立体声，以及扩展的语言功能。同时还推出了 Flash 版本和重新设计的创作界面，但部分已公布能力仍处于计划阶段。
据报道，主模型单次生成最长支持 30 秒。Flash 的上限为 20 秒，而已经公布的两分钟视频扩展功能当时仍被描述为即将推出。
报道给出的每次生成参考资产总上限为 15 个。在这一总数内，图像上限为 10 张、视频上限为 5 个、元素上限为 7 个，且视频合计时长不能超过 30 秒。
根据来源转述的 Kling 说法，唇形同步覆盖超过 10 种语言。报道点名提到英语、德语、日语、韩语和西班牙语，但没有提供完整的语言或方言列表。
来源将 4K 和 1080p 下的 10-bit HDR 列为后续功能。在当前账户中，应将这些格式视为路线图项目，而不是已经确认可用的导出选项。
报道表示，4.0 版本 API 支持即将推出，且尚未公布价格。报道单独提到的 MCP 和 CLI 访问，并不能确认公共 API 的可用性、模型标识符或账户资格。
据报道，Kling 4.0 的更新重点是为创作者提供更多输入控制、更长的单次视频片段以及更丰富的视听输出。对于需要利用其所宣称的速度和成本定位的工作流，Flash 提供了更小的 720p、20 秒输出范围。
请将已发布功能与路线图承诺分开：报道仍将 HDR、两分钟视频扩展和 Kling 4.0 API 支持列为后续功能。
从一句话开始，几分钟内拿到完整网站。
