跳到正文
VibePaper

Kling 3.0带声音的 AI 视频生成

最长 15 秒,按你写的分镜切换,台词、脚步声和环境声与画面一次生成。可以从提示词或首尾两帧开始。

无水印,生成前先看价格。

它能做什么

Kling 3.0 的功能:由你调度的分镜,随画面而来的声音

五个分镜,同一组角色,在你写的地方切换

一只柴犬叼起一个面包,面包店店员沿着积雪的街道追出去。把每个分镜连同它的秒数按顺序写好,Kling 3.0 就会在它们之间切换:这段 15 秒的镜头里,切点落在第 3、6、10 和 13 秒。同一只狗、同一位戴酒红色毛线帽的店员,贯穿全部五个分镜。

场景里的人声,听得见的雪

一位旅行者在雪夜里自拍,对着镜头说出她的台词。Kling 3.0 把人声、踩雪的咯吱声和远处的人群声与画面一起生成,所以话语和口型对得上。每句台词都要写明角色名、语气和语言。Kling 列出的语言有中文、英语、日语、韩语和西班牙语。

四个分镜,拍完一次归来

分镜 1 列车进站,分镜 2 她走下车,分镜 3 蒸汽弥漫的街道,分镜 4 旅馆的门。每个分镜都写上秒数,总和为 15 秒,所以切点落在第 4、8 和 12 秒。每个分镜里都用同样的话描述她的外套、围巾和帽子,她才会始终是同一个人。

开始生成
Frame from the clip: 车站Frame from the clip: 车厢Frame from the clip: 街道Frame from the clip: 旅馆门口
提示词里的四个分镜

适用场景

用 Kling 3.0 做广告、故事和社媒视频

产品与手艺. 茶倒进白瓷杯,茶面上浮着一片雪花,再缓缓拉远到窗边的灯笼。十秒内三个分镜,倒茶声已经在音轨里。

模型卡片

Kling 3.0 一览

开始生成
开发方
快手
时长
每次生成 3 到 15 秒
画质
720p 标准、1080p 专业或 4K
起点
文字提示词,或首帧和尾帧
分镜
每次生成最多 6 个,每个分镜各自写明秒数
声音
台词、音效和配乐与画面一起生成,可以关闭
画幅
1:1、9:16 或 16:9
使用入口
VibePaper 的 Paper Gen 和画布

用 Kling 3.0 制作的视频

开始生成

Kling 3.0 常见问题:分镜、声音、首尾帧和画质

Kling 3.0 是什么?

Kling 3.0 是快手的视频模型。它可以从文字提示词或首帧和尾帧出发,一次生成 3 到 15 秒、带声音的视频,并且能按写进提示词里的多个分镜来切换镜头。在 VibePaper 中,它可用于 Paper Gen 和画布,模型列表里的名字是 Kling V3。

视频能有多长,画质是多少?

每次生成 3 到 15 秒,画质可选 720p 标准、1080p 专业或 4K。想省积分,可以先用 720p 标准试一个镜头,满意后再用更高档位生成。本页第一条视频是 1080p 专业,其余都是 720p 标准。

Kling 3.0 会生成声音吗?

会。台词、环境声、音效和配乐与画面一起生成。声音开关默认打开,也可以关闭。每句台词按角色名、语气和语言来写,并给每位说话者一个固定的称呼。Kling 列出的语言有中文、英语、日语、韩语和西班牙语,同一场景里可以切换语言。

能在多个分镜之间切换吗?

可以。把分镜写成分镜 1、分镜 2、分镜 3,并写明各自的秒数,让秒数之和等于你设定的时长。Kling 单次生成最多支持 6 个分镜。我们用 5 个分镜做了一次 15 秒的测试,切点落在第 3、6、10 和 13 秒,与我们写的相差不到半秒。不写分镜列表,就会得到一个连续的长镜头。

可以用首帧和尾帧吗?

可以。添加一张图作为首帧、一张作为尾帧,在提示词里描述两者之间的动作。请描述动作和镜头,不要重复描述你已经给出的画面。

可以添加参考图、参考视频或延长片段吗?

这个模型不支持。这里的 Kling 3.0 从提示词或首帧和尾帧开始。需要参考图或参考视频,请用 Kling 3.0 Omni;需要最多 9 张图片、3 段视频和 3 段音频作为参考,请用 Seedance 2.0。

可以告诉它哪些东西不要出现吗?

没有反向提示词输入框,所以请直接说你想要什么,而不是要避开什么。要写"素面的纸灯笼",而不是"没有字的灯笼";要写"晴朗的天空",而不是"没有云"。

支持哪些画幅?

支持 1:1、9:16 和 16:9,一个模型就能覆盖竖屏社媒、方形帖子和宽屏。

我的提示词为什么被拒绝了?

提到已有电影、歌曲、艺术作品或真实人物的提示词可能会被拒绝。请改用你自己的话来描述原创角色和场景。

生成的视频可以商用吗?

可以。视频无水印下载,可用于广告、客户项目和社交渠道。你需要确保自己有权使用上传作为首帧或尾帧的图片。

探索更多 AI 工具