如何使用 Kling 4.0:AI 视频生成分步指南
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。
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。
有用户在 fal.ai 上用 Krea 2 训练写实角色 LoRA,数据集为 Nano Banana 生成的 26 张 1024 分辨率图片、训练 1000 步,结果生成时胡须、体毛等细节模糊,而不用 LoRA 时画质正常。该用户表示已尝试各种方法仍未解决,发帖求助原因。
一位创作者用 Wan2GP 搭配 MiniMax H3 Ref2VA Pruned 20B,在单张 RTX 3090 24GB 上以 720p、20 步生成黑白科幻短剧《The Prompting Zone》首集,每段约 5–10 秒的片段耗时约 30 分钟。他先写完整剧本,再为每个场景生成 2×2 四格构图参考图当分镜,但模型有时把参考图误读成四格画面,角色一致性和屏幕可读文字仍是最大难题。
因 ComfyUI 桌面版安装 MiniMAX H3 时提示需更新 NVIDIA 驱动,作者担心影响现有 FLUX1 on Stable Diffusion Web UI Forge、FramePack Eichi_F1 等环境,放弃了在 GPU VRAM 8 GB 环境下导入 MiniMAX H3 的 i2v。
有用户在 ComfyUI 中用 Krea2 生成图片后,借助 Claude 做出了一个提示词与工作流提取器,把图片拖进去就能导出 .json,再拖回 ComfyUI 即可还原当时的完整工作流。该用户称无需编程基础,只需描述需求并反复调整即可实现。
作者用 Claude Opus 5.5 配合 Three.js 从零生成可自由漫游的 3D 动漫樱花小镇星球,全程序化单文件,无外部模型和贴图,Canvas 生成招牌纹理与花瓣,普通电脑可流畅运行。
针对 AI 视频中旁白听不清、音效突兀、BGM 过响的问题,可用「声音三层」整理法:先定主役音(旁白或 AI 音乐),BGM 与环境音作支撑,音效只在转场处使用。
创作者 gabrielxdesign 发布了 Kroma(Chroma + Krea 2)的简易工作流,内置 Amateur Slider 与 2x 超分。该工作流提供文档与下载链接,可通过 Civitai、Patreon(完全免费)、作者网站及 JSON 代码获取,并附英文和西班牙文说明。
针对 AI 生成 note 文章配图时缩略图与 3 张插图容易雷同的问题,可用「4 张设计图」先为每张图分配不同角色与场景:缩略图负责传达主题,插图 1 讲整体构成、插图 2 讲操作方法、插图 3 讲完成确认。生成时把提示词拆成共通条件(如可爱日本成年女性、明亮动画风、青粉色调、约 5,500K 中性日光、16:9)与每张图的个别场景,并逐张生成检查,插图需明确不加大字标题。
用 Claude Code 加开源 Remotion 框架,一条提示词在约 9 分钟内生成 12 秒 1920x1080、30fps 的 MP4,模型调用按 API 标价计费 1.00 美元。
Ideogram API 按模型与质量档位对每张生成图计费,Ideogram 4.5 在 Low 档为 $0.03、Medium 档 $0.06、High 档 $0.10,且 1K 与 2K 同价,Medium 档 2K 图合 $60/1000 张。
在 VIBE 应用内制作 AI 视频只需五步:选模型、写一两句提示词、设定时长与画幅、生成、导出最佳结果,全程手机操作、无需剪辑技能。
OpenClaw 可以协调视频工具产出视频:既能从已配置的视频生成服务商获取生成片段,也能让智能体在 CoAnimator 中搭建并渲染可编辑项目。Telegram 负责发送指令和接收预览,实际剪辑与渲染在接入项目的电脑上完成,导出前需依次确认分镜方案、静帧和粗剪。该集成流程尚未经过端到端测试。
ArchiGen AI 提出用"变更预算"来指导 ComfyUI 建筑渲染增强:在搭建工作流前先列出受保护的建筑事实、允许的图像改动和需要蒙版的编辑。全局通道适合曝光、色彩等整体氛围调整,需用低降噪;材质、反射等有明确归属的改动应走蒙版或局部 inpaint,且每次输出都要与原始图像对比。
ArchiGen 提出用可验证的建筑不变量替代"中等"这类定性标签来评估 AI 渲染器的几何控制:生成前选定 8-12 项可见不变量,用同一源图跑至少 6 个固定种子输出,按保留、不确定、失败三档打分,再按项目阶段加权失败并记录修复时间。几何控制即该测试下的验收通过率,而非弱、中、强标签。
HyperFrames 与 Remotion 的核心差异在编写方式:HyperFrames 把 HTML、CSS 和 GSAP 动画渲染成 MP4,采用 Apache 2.0 协议;Remotion 渲染 React 组件,使用自有 Remotion License。
一位 PC 新手用 ChatGPT 和视频生成 AI 制作切水果 ASMR 短视频,记录了 5 个失败案例:包刀穿过葡萄却切不开、果肉断面与切前外观不一致、汉堡视频里出现两把刀且切割方向与断面错位、玻璃香蕉的断面突然出现、加入女性人物后画面里多出小女性和咖啡杯。作者认为 AI 视频难以自然衔接物体动作与前后状态,需明确切前状态、切割动作和切后断面,并反复生成修正提示词。
Curious Refuge 用 Seedance 2.5 在三种真实与动画角色场景中对比了两种 AI 角色一致性方法:无头角色表(headless character sheet)和传统角色表(traditional character sheet)。
视频对比了两种主流 AI 角色一致性方法,判断哪种更适合 AI 影视制作。完整文字解析与提示词已发布在 curiousrefuge.com/blog/how-to-create-pro-ai-character-sheets。
Speridlabs 发布约 30 亿参数的图像生成模型 Iris-3B,不用 VAE、直接在 RGB 像素空间生成,并配套 4 步蒸馏 LoRA(Iris-3B Turbo LoRA)与 ComfyUI 自定义节点。
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。
用一张照片生成 AI 视频时,运镜只需在固定、靠近、拉远中三选一,并写清停止位置,才能决定最后一个画面留下什么。靠近时若只写「靠近」,画面可能停在花瓶花纹局部而看不出是花瓶;拉远则会让 AI 画出照片里没有的棚子和窗户,实拍场景应改用广角照片加「固定」。DomoAI 官方博客建议一个场景只用一种运镜,Runway 官方说明则提示运镜词要补上速度或时长,并区分相机推进与变焦。
一位自学 AI 视频创作的作者尝试把长文输入 Gemini 生成故事后再制作视频,让 Gemini 写出约小说一个章节体量的剧本,讲述两名冒险者三十年旅程后最终互相厮杀的故事。作者据此生成视频后表示结果与预想不同。
作者用 ChatGPT 图像生成先做出一张角色表,再在 7 个场景提示词中每次附上该表作参考,固定同一名 20 代日本女性工程师的脸型、发型、眼镜与体型,场景包括写代码、线上故障、线上会议、工牌自拍、眼镜起雾、秋叶原假日和死亡行军。所有图统一 3:4 竖幅,角色表可保存后直接复用。
AICU 杂志 Vol.29 出刊,卷首特集聚焦图像生成新模型 GPT-Image-2.5,并用官方角色 AiCuty 的 AiCutyBench 实测其角色复现的“良品率”。该期还介绍高速模型 Flare 与高精度模型 Sunburst 的按用途分工、GPT-Image-2.5 的 API 手册与提示词指南翻译,以及 Suno v6 局部编辑、UMG 与 ElevenLabs 的多年授权协议。
作者在 RTX 3060 Ti 8GB、RAM 16GB 环境下用 Endless MiniMax H3 与 ComfyUI 的 H3 Motion Context 节点做续写式视频生成。
一篇实战教程讲解如何用 Stable Diffusion、Midjourney 等工具生成非"量产型"的原创 AI 美女,核心方法是先设计包含年龄、骨格、性格、魅力点与视觉符号的"人设与世界观"设计表,再按五层结构撰写提示词。教程建议把 extremely beautiful、cute girl 等词从提示词中删除,改用具体部件、光线、构图与质感描写来表现美感,并给出可直接套用的角色设计模板。
一名大学生为制作"100年后的东京"主题视频,用AI图像生成工具做素材,再用PixVerse把图片转成动态影像,最后用CapCut剪辑拼接并配BGM,成片发布到TikTok。作者称PixVerse常出现镜头乱动、建筑变形,需固定机位并逐场景调整指令;并强调能做出视频与能靠它做副业是两回事。
针对 AI 生成图片中日文汉字出错、换行别扭的问题,可用「先出无字背景、再用 Adobe Express 加字」的流程解决:生成时在预定位置留出明亮空白并避免绘制文字,随后在 Text 面板添加可编辑文本框,分别设置标题与日期。调整时统一字号层级、拉开文字与背景明暗差、按语义断行,输出前用原寸核对错字与数字、用小尺寸确认标题是否一眼可读。
一位心理学背景的 IT 工程师用 Grok 视频生成功能和 Google Flow 等 AI 工具重现日本护理现场场景,发现画面已相当自然,但声音成为最大难点。指定日语对话后模型仍可能输出英语,且「帰りたい!」这类大声场景中,AI 语音虽音量到位,却难以传达不安、混乱等情绪,显得夸张或机械。作者认为画面越真实,声音表达的责任越大,未来或需将视频与音频分开生成。
法国 2026 年公共采购规则下,AI 视频自由职业者可投标地方政府、旅游局等发布的视频制作招标。低于 6 万欧元的服务合同无需公开招标,6 万至 9 万欧元适用适应性程序,9 万欧元以上须在 BOAMP 或法定公告报刊发布。BOAMP 免费关键词搜索可组合“vidéo”与“Services”“Avis en cours”筛选,视频常仅为多个标段之一。
博主用 Miora 织影 Agent 将南宋《夷坚志》中的《乾红猫》故事做成 1 分 18 秒短片,全程生成 50 段视频、花费约 4000 积分(约 40 美元)。Agent 把故事拆成框架、大纲、剧本、角色卡、分镜和镜头素材,视频部分使用 Seedance Fast 模型。红猫一致性仍是主要问题,需靠角色卡和反复抽卡调整,距离一句话生成故事短片仍有距离。
作者实测了 Alissonerdx 于 10 月 12 日发布的 MiniMax H3 用 Character Swap LoRA v1.0,用 3 段 Pexels 视频与 3 个角色(本人、2D 动画女孩、黏土人偶)组合出 9 种结果,其中 8 种能跟上原视频动作,黏土人偶在全身舞蹈中也能完成撑地与踢腿。
作者在 RTX 5060 Laptop(VRAM 8GB、内存 32GB)上用 ComfyUI 0.39 实测了显存与缓存策略。Z-Image Turbo 在 2560×2560 下未出现 OOM,但耗时 189 至 213 秒,而先用 1024×1024 生成再经 RealESRGAN x4 放大到 2560 只需约 12 秒,且构图更稳定。
个人开发记录 v0.5.70 的视频制作智能体不再对全部 Scene 统一做视频生成,而是按 Scene 分流:可独立生成、从上一段视频末帧续接,或用 FFmpeg 让静止画动起来、仅对必要镜头调用视频生成 AI。该版本引入 Canonical Shot Brief 统一 Scene 设计,再分别转换为图像与视频输入,并在素材生成前设确认边界。
一位从 A1111 起步的本地图像生成用户建议,在 A1111 学会基础后若想进一步提速和做工作流编排,应迁移到 ComfyUI。作者称 A1111 不适合大批量生成,曾出现 200 张生成到早上仍未完成、单张耗时约 20s 的情况,而 ComfyUI 按队列逐张处理,速度更快。ComfyUI 还能把生成到超分、保存的整条流程保存复用,作者截至 2026/10/13 已积累 510 个自建工作流。
日本创作者 kawakijourney_ai 公开了"大学生的一天"系列第 2 弹,用 ChatGPT 生成从下课、社团活动、酒会到酒店连贯的 AI 照片,模拟男友或学长 iPhone 随手拍的效果。教程按 STEP1 至 STEP5 分场景给出日英双语提示词,共塑造 3 位不同长相与发型的人物,每人 28 张、合计 84 张,并强调固定桌椅朝向、笔记本位置及全画面轻微手抖以保留真实感。
一份面向独立护肤品牌的 AI 视频广告接单指南,教你把客户的产品照片做成 15 秒竖屏广告:$500 一个套餐,含 1 个产品 1 个创意、3 个不同开场钩子的版本、字幕与 CTA、1 轮修改和 3 个 MP4 成片,示例目标为 10 个套餐 × $500 = 月入 $5,000。
PixAI、SeaArt AI、NovelAI 三家图像生成服务实测均能画出露肩礼服与深V开衩旗袍等成熟风格插画,但「无限制」并不等于无规则。PixAI 的敏感内容仅本人可见、积分可结转,SeaArt AI 每日体力当日清零且部分模型支持无限生成,NovelAI 的 Explore 需人工审核且禁止 NSFW 投稿。选服务时应分别核对可生成内容、可公开范围、生成额度与注册条件。
软件工程师 Brandon Thomas 用 Anthropic 的 Claude Opus 5.5 以 Rust 语言 vibe-code 出 ArtCraft 套件,免费提供 LightCraft、PhotoCraft、FilmCraft 等 Adobe 全家桶替代品,目前处于早期 alpha,支持 PC、Mac 和 Linux。