Kling AI 4.0 提示词指南:镜头、运动与示例
Kling AI 4.0 提示词指南提出四段式结构:主体、动作、场景、镜头与风格,并强调先写主体和主要动作,镜头与情绪服务于动作。指南建议用具体术语写运镜指令,如"镜头缓慢推进至主体面部""肩部高度跟拍",并将速度限定与物理线索配对以控制运动。跨镜头角色一致需固定角色块原样复用,文生视频与图生视频提示词写法不同,后者应专注指挥运动。
Kling AI 4.0 提示词指南提出四段式结构:主体、动作、场景、镜头与风格,并强调先写主体和主要动作,镜头与情绪服务于动作。指南建议用具体术语写运镜指令,如"镜头缓慢推进至主体面部""肩部高度跟拍",并将速度限定与物理线索配对以控制运动。跨镜头角色一致需固定角色块原样复用,文生视频与图生视频提示词写法不同,后者应专注指挥运动。
Kling 4.0 与 Seedance 2.5 面向高要求 AI 视频工作流,但侧重不同:Kling 4.0 主打电影感控制、更长镜头和高分辨率交付,适合单主体电影镜头与品牌主视觉;Seedance 2.5 为多模态参考包设计,适合参考素材密集、多主体一致性和源素材驱动的反复迭代。
Kling 4.0 将单次生成时长从 Kling 3.0 的 15 秒延长至 30 秒,关键帧从起始/结束帧扩展至最多 10 个,并新增多参考 Omni Reference 控制与立体声音频及改进的口型同步。Kling 3.0 仍适合 15 秒内、成本敏感的短社媒视频与对白主导片段,Kling 4.0 则面向更长镜头、多节拍和品牌一致性要求高的商业与剧情内容。
Kling 4.0 并非面向所有人免费开放,而是分阶段先向符合条件的高等级会员开放 Kling 4.0 Flash,免费用户仍主要使用较早的 Kling 模型。免费账户通常提供注册一次性积分和每日刷新积分,但在模型访问、分辨率、时长、音频、水印、队列和商业使用权上与付费套餐存在差异。免费访问更适合测试与学习,用于客户交付或付费营销前需查看当前套餐的商业使用条款。
Kling 4.0 可将文字创意或静态图片生成短篇 AI 视频,指南给出文生视频与图生视频的分步流程。提示词按主体、动作、场景、镜头与风格四层组织,先用最短时长验证创意,再生成最终长镜头。图生视频应聚焦描述运动而非重述画面,首版避免叠加口型同步、运动笔刷等高级控制。
通过 Higgsfield CLI + Skills,开源智能体 Hermes Agent 可完成选模型、提交生成请求并取回结果的全流程,无需 Higgsfield API key,按套餐积分以标准费率计费。
Kling Motion Control 是随 Kling Video 2.6 推出、在 Kling 3.0 升级的参考驱动视频生成功能,可将参考视频中的动作、表情与时机迁移到参考图像中的主体上。
Higgsfield 给出在同一 AI 视频场景中保持两个角色身份不混淆的完整流程:先用 Soul 2.0 为每个角色各生成一张 16:9 三视图角色设定表,再作为参考图一并传入 Cinema Studio 4.0。
Higgsfield 提供两种无代码自动化 AI 视频创作方式:在 ChatGPT 中通过 Higgsfield Extension、在 Claude 中通过 Higgsfield MCP 批量生成视频,或用 Supercomputer 按计划运行重复任务,两者均消耗常规套餐积分且无需 API key。
这篇指南按十步工作流对比 Higgsfield、Runway、Kling AI、Dreamina CapCut 和 LTX Studio 五个一站式 AI 视频平台,依据各家公开套餐与文档页面。
Kapwing 发布分步指南,讲解如何用 AI 生成 Vox 风格拼贴动画纪录片,流程分为写脚本、拆分视觉节拍、生成拼贴图像、逐帧动画、生成配音和剪辑成片六步。
推荐理由:完整拆解 Vox 拼贴风纪录片的六步 AI 工作流,含可复用的图像与动画 Prompt,适合想复刻该视觉风格的创作者参考。
Higgsfield 的 Cinema Studio 把 AI 视频的运镜、机位与镜头从纯文本提示词改为生成前锁定的显式参数,以减少同一提示词每次生成结果的差异。
Respeecher 发布指南,说明标准"姓名、声音与肖像"条款已无法覆盖 AI 声音使用,需在演员合同中加入项目级数字复制品同意条款。指南要求区分 SAG-AFTRA 定义的雇佣型与独立创建型数字复制品,并给出 AI 声音合同必备的 7 项条款模板。加州 AB 2602 规定,若条款允许 AI 复制品替代演员工作、未具体说明用途且未经法律或工会代表谈判,则可被判定不可执行。
Recraft 官方博客发布教程,介绍如何用 Recraft V4.1 Vector(Create → Model,每张图 4 credits)把角色配角转成矢量吉祥物,并生成表情包与贴纸包。流程包括简化形状、以 16:9 一次性生成六种姿势的贴纸表情表、导出 SVG 无损缩放,并在 16 至 32 像素下测试可读性。
Recraft 官方博客发布教程,讲解如何在 Recraft Studio 中用原创角色制作四格漫画:先用 V4.1 Flash(每张 0.5 credits)生成 2:1 四格分镜草图,再用 Nano Banana 2.1(每张 7 credits)逐格渲染,并附上角色与环境参考图保持一致性。文字气泡建议用文本工具添加而非图像模型,最后可导出为社交轮播图、竖版长图或网络漫画页。
Recraft 官方博客发布教程,介绍如何在 Recraft Studio 中用角色主图创建自定义风格,再设计场景并把角色放入其中。
因官方 Qwen-Image 2.1 提示词改写器是 9B 模型、需约 20 GB 内存,作者通过 HuggingChat 中的 ML Intern 造出 0.8B 版本,可在 CPU 运行,输出有效率 99.7%,token 消耗约为教师模型的四分之一,含 8,797 条标注在内的总算力成本 16 美元。
Higgsfield 用 Soul ID 和 Lipsync Studio 两步把静态角色图变成对口型说话视频:Soul ID 用 20+ 张参考图训练可复用角色身份,Lipsync Studio 支持 8 种模型、18+ 语言,示例用 Wan 2.5 Speak 生成 10 秒 1080p 视频。
Raindance AI 趋势源自 Dave 与 Tems 的《Raindance》MV,创作者用 AI 把码头场景中的两位表演者替换成自己或任意角色。
推荐理由:用两张身份参考图加一张线稿动作参考,在 Seedance 2.5 里复刻 Raindance 双人音乐视频场景,可迁移到其他动作参考类趋势。
作者在单张 RTX 5090(32GB 显存)上,用 FastVideo 的 FastH3 V2 checkpoint 四步采样跑出 15 秒 448×256 的实时视频,目标是把连续生成成本从每天 6k 降下来。
推荐理由:作者把单张 RTX 5090 上跑实时视频的六项优化逐条拆开,可迁移到自己的出片流程。
PixVerse 发布剧本文生视频实用工作流指南,主张把剧本当作制作蓝图而非整段粘贴渲染:先拆场景、标记叙事节奏,再逐镜头生成。其 AI 视频生成器同时提供文生视频与图生视频两条路径,便于在参考素材需保持可识别时选用图生视频。流程还涵盖音频、字幕、口型同步、风格一致性、审查与按渠道导出。
PixVerse 发布短片 AI 视频生成器制作指南,主张逐镜头生成而非一次成片,并强调用参考图保持角色与场景连续性。该工具支持文本和图像驱动的创作,可按短片流程不同阶段选择输入方式。指南还建议将声音、字幕与剪辑同步规划,并在粗剪中检查连续性、节奏与清晰度。
LALAL.AI、ElevenLabs、Descript、Fish Audio、TopMedi AI 和 Noiz AI 六款 AI 声音克隆工具被列为视频制作首选,其中 LALAL.AI 主打口音与音调控制,需 10–50 分钟样本训练 Voice Pack,Lite 年付 $7.50/月、Pro 年付 $15/月。
Kapwing 发布教程,讲解如何用角色参考表和动作参考视频在 Seedance 2.5 中复刻 Jean Philanthrope 式 AI 角色视频。流程分四步:先用提示词生成含正面、四分之三侧面和侧面的多视角角色参考表,再把现有视频转成黑白线稿作为动作参考,然后在 Seedance 2.5 中把两者结合生成新场景,最后在 Kapwing 中剪辑。
推荐理由:拆解 Jean Philanthrope 式 AI 角色的可复用流程,用角色参考表加动作参考在 Seedance 2.5 中保持人物一致。
OpenAI 已于 2026 年 5 月 12 日从 API 下线 DALL-E 3,ChatGPT 免费版内置图像生成每天仅约 2 到 3 张。
Topaz AI 并非免费:Topaz Labs 已于 2025 年 9 月终止 Topaz Photo AI 和 Topaz Video AI 的永久授权,桌面版也不再提供试用,改为先付费、48 小时内可申请退款。
LetsEnhance 是乌克兰团队运营的浏览器端 AI 放大工具,Trustpilot 186 条评价获 4.1 分,付费版最高支持 16 倍放大与 512 MP 输出,免费账户仅 10 积分且输出带水印。
Sony Pictures Imageworks 的纹理主管 Jody Tidsbury 与动态图形师 Nori Kaneko 披露,团队用 Adobe Substance 3D Painter、Designer、Sampler 和 After Effects 完成了《KPop Demon Hunters》的角色、服装、环境纹理与演唱会动态图形。
可灵官方发布 Kling 4.0 Multiple Keyframes 使用指南,单次生成最多支持 10 张关键帧图像,用于在时间轴上设定角色入场、产品露出、场景切换等视觉节点,模型据此生成节点之间的运动与转场。
推荐理由:可灵官方给出多关键帧控制 30 秒长视频的完整方法,含时间轴规划与常见错误,可直接迁移到广告与短叙事流程。
Suno 官方博客给出在 Suno Studio 中使用 EQ 的三条入门技巧:混音以耳朵为准而非只看曲线,先衰减再提升,以及把 EQ 放在效果链首位。文中以浑浊人声为例,建议先在 400Hz 处衰减 -6dB 并用约 80Hz 高通滤除低频。
3D 艺术家 Jon Blalock 演示了如何用 Character Creator 5 搭配 Headshot 3 插件,将 2D 肖像匹配到 3D 网格,快速生成可动画的写实头部或夸张漫画头像。
WellSaid 官方博客发布指南,介绍如何用 AI 语音完成营销活动的本地化。流程包括准备本地化脚本、按市场选择带地区口音与方言的语音、生成并试听配音、调整发音与节奏,再逐市场复用同一套创意方向。AI 语音让团队无需为每次脚本修改重新安排录音,把时间与预算从协调录音转移到比较与打磨版本上。
Cartesia 官方博客指出,TTS 模型与它使用的音色是两个独立概念,音色更像输入而非模型本身。固定说话人模型只接收文本,多说话人模型可额外选择预设音色,零样本克隆模型则接受 10 到 60 秒参考音频作为提示,Cartesia 的 Sonic 端到端模型即支持 Instant Voice Cloning。专业声音克隆(PVC)需用更大录音数据集微调模型,耗时可达数小时。
Hugging Face 团队用 Gradio Workflow 重建了 AUTOMATIC1111 的大部分功能,做成单一画布 Workflow1111,由 11 条媒体管线和 73 个节点组成。
推荐理由:用 73 个节点复刻 A1111 全部功能,可对照 ComfyUI 评估节点式工作流的另一种组织方式。
开发者用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型通过 p5.brush 写 JavaScript 画水彩的思路,参考图池、RL 环境、训练脚本和模型全部开源,整条流水线跑在 Hugging Face 上。
Gradio 内置的 gr.Workflow 把 AI 管线描述为带类型节点的图,提供可拖拽画布,每个节点可运行、中间结果可见,同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。
推荐理由:Gradio 把多步 AI 管线做成可视化图并自动暴露 REST 接口,可对照现有出片流程评估迁移成本。
Hugging Face 博客介绍 Diffusers 现已原生支持 Nunchaku 的 4-bit 扩散推理,加载量化 checkpoint 只需调用 from_pretrained(),无需本地 CUDA 编译。
推荐理由:Nunchaku 的 4-bit 量化推理现已原生接入 Diffusers,创作者可据此评估消费级显卡上的出图显存与速度取舍。
PRX 系列第四篇披露其数据管线:预训练数据由公开与内部数据集混合组成,用 VLM 重新生成图像长描述,再转为可流式训练的语料。团队改用 Qwen3-VL 文本编码器并在训练中实时计算文本 latent,实测吞吐损失约 3–4%(30 天训练多花约 1 天)。图像统一以 JPEG quality 92 编码,经实测首次重编码几乎不可察觉。
一个编码智能体通过直接调用两个 Hugging Face Spaces,生成了巴黎地标的图像并重建为 3D Gaussian splat,最终部署为静态 Space 画廊。
Hugging Face 博客发布 PRX 文本到图像模型训练系列第二篇,用消融实验记录哪些训练技巧真正有效。基线为 1.2B 参数的 PRX-1.2B,采用纯 Flow Matching、Flux VAE latent 空间、256×256 分辨率、全局 batch size 256、训练 100k 步,数据为 MidJourneyV6 生成的 100 万张合成图。