VIBEPAPER JOURNAL / AI CREATION
Kling 3.0 实测：它改了什么、怎么设置，以及我们的测试片段说明了什么
VibePaper · 更新于
Kling 3.0 更适合那些靠物理细节撑起画面的镜头：会摆动的布料、会泛起涟漪的水面、穿过空间的人体动作。Kling 公布的数据是单次生成 3 到 15 秒，支持用参考素材保持角色一致，并可生成五种语言的原生声音。我们在 VibePaper 的视频生成器里选用 Kling 3.0 Omni，生成了一段五秒的测试，看单一主体能保持到什么程度。下面的片段只做了 720p 网页压缩，没有其他处理。
- Kling 3.0
- Kling 3.0 Omni
- AI 视频生成
- 参考图
- 原生声音
一览
| 能力 | Kling 公布的数字或表现 | 在 VibePaper 里意味着什么 |
|---|---|---|
| 单次时长 | 单次生成最长 15 秒。Kling 的发布博客给出 3 到 15 秒的范围。 | 我们读到的时长菜单是 3 秒到 10 秒。目前在 VibePaper 里请按 10 秒以内规划。 |
| 分辨率 | Kling 的 Omni 指南列出 720p 和 1080p 两种模式。 | 画质菜单里有 std、pro 和 4k。我们查看的 Kling Omni 页面上没有 4K，请先用自己的任务测试再依赖它。 |
| 参考图 | 最多 7 张，每张至少 300 像素。若加入参考视频，图片和元素合计最多 4 个。 | 参考行里，这个模型显示的是图片和视频两个素材位。每张图在镜头里只承担一个作用。 |
| 参考视频 | 一段 3 到 10 秒的视频，最大 200 MB，最高 2K。 | 一段只有一个角色的短视频，有助于保持外观和声音一致。 |
| 声音 | 与画面在同一次生成中产生原生声音，支持英语、中文、日语、韩语和西班牙语。 | 画质菜单下方有一个 Sound 勾选框，默认关闭。 |
相比上一代 Kling 改了什么
Kling 的 Omni 指南给出了最清楚的对比。它写 Omni 的视频时长最长 15 秒，前一代 O1 最长 10 秒。同一份指南说，Kling 3.0 Omni 把原生声音和元素一致性控制结合在一起，所以一段生成里角色的外观和声音都能保持下来。
对创作者来说，实际变化主要有三处：单个镜头能跑多长，同一个角色能用多少种参考素材来约束，以及声音是否随画面一起生成，而不是事后再加。
Kling 3.0 的能力细节
单次生成可以更长
Kling 公布单次生成最长 15 秒，发布博客还说可以在 3 到 15 秒之间任选一个长度。不过，我们在 VibePaper 里读到的时长菜单只到 10 秒。我们的测试只用了五秒，画面里只有一个动作、一个地点。我们没有做更长的测试，所以无法判断完整的 15 秒镜头效果如何。
参考素材与元素
Kling 最多接受 7 张参考图，每张的短边至少 300 像素。若再加入一段参考视频，图片和元素合计最多 4 个。Kling 的指南把「元素」描述为由图片或一段短视频建立的主体。用视频建立角色时，需要一段 3 到 8 秒、只有一个人的画面；用来绑定声音时，需要 5 到 30 秒、只有一个人说话的音频。
我们把数量当作上限，而不是要用满的目标。每个参考素材都应该回答一个问题：镜头里是谁、地点长什么样、镜头怎么运动。回答不了新问题的素材，只会增加噪音。
原生声音
Kling 称，声音与画面在同一次生成中完成，支持英语、中文、日语、韩语和西班牙语。它的定价表把原生声音开启和关闭列为两个不同档位，所以声音既是创作决定，也是成本决定。我们在界面上看到一个默认未勾选的 Sound 选项。我们没有测试声音，我们那段网页版片段也没有声轨。
我们测试里的物理细节
最能体现这个模型特点的，正是我们生成的这段镜头。一条浅色长裙在人转身时摆动，浅水里的涟漪从脚边扩散开，水中的倒影随人物移动。Kling 的宣传把布料、头发、水和拐弯的汽车列为优势。我们只测了布料和水，没有测其他内容。
我们测试的画面
下面的截图都来自同一段五秒片段。它于 2026 年 10 月 14 日在 Paper Gen 里生成，选用 Kling 3.0 Omni，画幅 16:9。第一张截图同时也是动态版本，即原片的 720p 网页压缩，已去掉声音。另外两张是同一片段里的其他帧。我们没有剪辑或调色。
在 VibePaper 里设置一段 Kling 3.0 视频
- 01打开视频模式进入视频生成器，从「图片」切换到「视频」。页面顶部有图片、视频和文字三个标签。
- 02选择 Kling 3.0 Omni打开模型选择器，进入 Kling 分组。分组里有 Kling 3.0 Omni 和 Kling V3。先选 Omni，因为模型决定了可用的比例、时长和画质选项。
- 03设置比例和时长「生成」按钮旁边的设置行显示 Aspect ratio 和 Duration。我们看到的比例菜单是 1:1、9:16 和 16:9，时长是 3 秒到 10 秒。我们选了 16:9 和 5 秒。
- 04检查画质和声音点击设置行里的滑杆图标，会展开高级行：Quality 菜单（std、pro、4k，我们用的是默认的 pro），以及默认关闭的 Sound 勾选框。
- 05添加参考、写分镜、看价格用图片和视频素材位添加参考，然后只描述一个镜头：主体、一个动作、一种运镜、光线。提交前先看一眼「生成」按钮上的数字。
各项设置在哪里
影响 Kling 任务的设置分布在两处。第一处是提示词框上方的参考行，这个模型的图片和视频素材位都在这里。第二处是提示词下方的设置行，模型、比例、时长、高级滑杆和「生成」按钮都在这里。下面的截图是 Kling 3.0 Omni 默认设置下的高级行和设置行。
我们核实过的限制
功能列表告诉你模型本该做到什么，限制才决定它适不适合一项任务。下面是我们能够核实的部分。
- 界面的菜单比公布的范围短。Kling 公布最长 15 秒，但我们看到的时长菜单只到 10 秒。请以你看到的菜单来规划。
- 4K 还未经证实。画质菜单里有 4k，但 Kling 的 Omni 指南只写了 720p 和 1080p 两种模式。正式提交 4K 任务前，先用测试看看输出。
- 参考视频有限制：一段 3 到 10 秒的视频，最大 200 MB，最高 2K。与图片合用时，图片和元素合计最多 4 个。
- 价格显示在按钮上。我们在 5 秒、16:9、pro 画质、Sound 关闭的设置下，看到「生成」按钮显示 30.8。我们没有测试其他设置会如何改变这个数字，所以每次都请重新看一遍。
- 我们只测了一个主体。多个角色或人群能保持到什么程度，我们无法判断。
第一次尝试的提示词清单
主体：一位穿长款浅色裙子的女人，夕阳下站在没过脚踝的浅水里。动作：她缓慢转身，裙摆随之甩开。镜头：低机位、稳定的侧面角度，轻微推近。光线：温暖的低角度阳光，水面上有柔和的倒影。质感：干净的电影感，画面无文字、无标志。关于 Kling 3.0 的常见问题
Kling 3.0 单次生成最长多久？
Kling 公布单次最长 15 秒，发布博客给出的范围是 3 到 15 秒。我们看到的 VibePaper 时长菜单只到 10 秒，规划更长的镜头前请先看菜单。
最多能用几张参考图？
Kling 的 Omni 指南列出最多 7 张，每张短边至少 300 像素。如果同时加入参考视频，图片和元素合计最多 4 个。
Kling 3.0 会生成声音吗？
Kling 称，原生声音与画面在同一次生成中完成，支持英语、中文、日语、韩语和西班牙语。在 VibePaper 里，Sound 勾选框默认关闭。我们没有测试片段的声音。
Kling 3.0 Omni 支持 4K 吗？
VibePaper 的画质菜单里有 4k。Kling 的 Omni 指南写的是 720p 和 1080p 两种模式，没有提到 4K。依赖 4K 输出之前，建议先用自己的任务做一次简短测试。
参考资料与阅读边界
技术概念以所列官方资料与原始来源为准。文中的工作流建议和示例属于编辑分析，不构成效果保证。
- Kling VIDEO 3.0 Omni 用户指南来源：15 秒上限、720p 与 1080p 模式、参考图和参考视频限制、元素要求，以及原生声音开启与关闭两个档位。
- Kling VIDEO 3.0 Omni：AI 视频终极指南来源：3 到 15 秒的时长范围，以及原生声音的五种语言。页面标注日期为 2026 年 6 月 26 日。