Kling 4.0 关键帧与 Omni Reference 使用指南

快速回答： Kling 4.0 允许你在单次 3–30 秒的生成中放置多达 10 个关键帧图像，并为同一个任务添加多达 15 个 Omni Reference 资产（图像、视频和主体）。关键帧决定了画面何时发生变化；Omni Reference 则决定了什么内容保持一致。请仅在场景必须改变的地方设置关键帧，并确保你的提示词顺序与关键帧顺序保持一致。

快手旗下的 Kling AI 于 2026 年 9 月 28 日发布了 Kling 4.0，其中两项重大的升级在于控制力：多关键帧和容量更大的 Omni Reference。Kling 3.0 仅提供首尾帧控制，且生成时长上限为 15 秒。Kling 4.0 则将时长延长至 30 秒，并允许你固定视频中间的内容。

本指南将解释这两项功能的工作原理、如何在 30 秒的时间轴上进行规划，并提供三个可供参考的方案。Kling 4.0 即将登陆 seedance.tv，因此这些方案现在就可以开始构思，待功能上线后即可立即生成。在文末，我们将这种方法与 Seedance 2.5 的时间戳提示词及其已支持的 50 个参考输入进行了对比。

关键帧 vs Omni Reference 对比表

Kling 4.0 关键帧工作原理

关键帧是一张告诉模型“在视频的这个时间点，画面应该长这样”的图像。在 Kling 4.0 中，除了熟悉的起始帧和结束帧工作流外，你还可以在一次生成中放置多达 10 个关键帧图像。

随后，模型会生成这些关键帧之间的动态过渡。你的文本提示词需要描述每个阶段发生的事情，以确保衔接自然。

Kling 官方对于多关键帧的建议简短且实用：

• 在视觉状态必须改变的地方放置关键帧，而不是固定间隔。仅仅因为功能允许而每 3 秒设置一个关键帧，通常会导致动作僵硬。
• 仅根据故事需要使用关键帧。 三个精心挑选的关键帧往往优于十个随意的关键帧。
• 不要在一个关键帧中改变所有元素。 在同一点改变角色、场景、镜头、光影和风格会给模型的过渡带来太大压力。建议一次只改变一两个元素。
• 按照关键帧发生的顺序编写提示词。 如果关键帧 3 是“产品使用中”，那么提示词的第三部分也应描述产品的使用情况。

在 30 秒时间轴上规划关键帧

Kling 针对 30 秒产品视频给出的示例规划如下：

请注意，时间间隔是不均匀的。关键帧位于故事的节奏点上，而不是机械地分布在网格中。

提示词随后被编写为与这些节奏点匹配的时间轴片段，例如 0–5 s、5–12 s、12–20 s、20–27 s 和 27–30 s。这与 时间轴提示词 的理念一致，只是通过图像进行了锚定。

Kling 4.0 支持高达 8,000 个 token 的提示词，因此你有足够的空间详细描述每个片段。短提示词会自动扩展，但对于关键帧视频，编写时间线可以获得更可预测的结果。

Kling 4.0 中的 Omni Reference 如何运作

Omni Reference 是你上传必须保持辨识度的内容的地方。在 Kling 4.0 中，一个任务总共可以包含多达 15 个资产：

关于如何用好这些功能的一些说明：

• 图像最适合产品照、人物面部、服装、Logo 和风格帧。使用光线充足、主体清晰的干净图像。
• 视频在动作或主体多角度外观很重要时很有帮助。请保持简短，因为总时长限制为 30 秒。
• 元素 / 主体是可重复使用的角色或物体。从视频构建一个主体可以让模型有更多角度参考。
• 音频仅作为语音参考。Kling 不支持音乐或音效参考，因此请在提示词中描述音乐和音效 (SFX)。

限制是最大值，而不是目标。两三个高质量的参考通常比十五个质量参差不齐的参考更能保持一致性。

关键帧与 Omni Reference 如何协同工作

Kling 官方的总结是最好的记忆规则：关键帧定义何时发生变化，Omni Reference 定义什么保持一致。

在实践中：

1. 将常量上传到 Omni Reference。 产品、主角、服装、品牌风格。
2. 仅针对变化构建关键帧。 每个关键帧应展示与参考一致的相同角色或产品，但处于新的状态、姿势、地点或角度。
3. 按照与关键帧相同的顺序将提示词写成时间线，并且每次都以相同的方式命名参考主体。
4. 在提示词中描述声音。 Kling 4.0 生成具有口型同步的原生立体声音频，因此请为每个片段添加对话、音乐风格和音效。

制作关键帧图像的一个技巧：使用图像模型（如 Nano Banana 2）从同一张参考图生成它们，每个关键帧只改变一件事。这样在视频模型处理之前，就能保持面部和产品的一致性。

案例方案 1：30 秒产品视频

目标： 一个 9:16 的不锈钢水瓶广告。

Omni Reference（4 个资产）：

• 3 张产品图：正面、侧面、瓶盖细节
• 1 张主体图：广告中出现的跑步者

关键帧 (5)：

提示词（时间线）：

0–5 s: 宁静的城市大桥黎明。一名穿着灰色连帽衫的跑者正在系鞋带，在冷空气中呼出白气。柔和的蓝光。环境城市嗡嗡声，远处的鸟鸣。

5–12 s: 她站起身，从背包侧袋拿出不锈钢水瓶。特写水瓶的拉丝金属和黑色瓶盖。轻微的金属点击声。

12–20 s: 沿着河边小径奔跑，她在跑动中喝水，水滴捕捉到了第一缕阳光。欢快的电子音乐响起。

20–27 s: 低角度追踪镜头，她跑过摄像机，手里拿着水瓶。音乐渐强。

27–30 s: 水瓶立在石台上，背景是日出。静态英雄镜头。音乐收尾。

• 固定网格上的关键帧。 十个均匀分布的关键帧会产生停顿感。请将它们放置在故事节奏点上。
• 每个关键帧的变化过多。 同时更换新角色、新场景、新镜头和新光影是导致过渡混乱的最常见原因。
• 提示词顺序与关键帧顺序不匹配。 模型会同时读取两者。如果两者不一致，结果会产生偏差。
• 关键帧与参考图不匹配。 如果关键帧 4 中的面部与 Omni Reference 主体不同，模型就必须猜测哪一个是正确的。
• 期望从音频参考中获得音乐。 Kling 4.0 中的音频参考仅限人声。请将音乐和音效放入提示词中。
• 围绕未发布的功能进行规划。 Kling 将长达 2 分钟的视频延长和 10-bit HDR 标记为“即将推出”，因此请在目前的规划中，将单次生成控制在 30 秒内的 SDR 视频。

Kling 4.0 关键帧 vs Seedance 2.5 时间戳提示词 (Timestamp Prompts)

这两款模型都能在单次生成中制作 30 秒的视频，但它们的控制方式不同。

当你已有图像形式的分镜脚本，并希望精确固定每个节奏点时，请选择 Kling 4.0。十个明确的关键帧是一种非常直接的控制方式。

当你拥有大量参考材料（品牌工具包、多个产品角度、音乐、人声）或想要从参考片段中复制运镜时，请选择 Seedance 2.5。其时间戳提示词和参考指南涵盖了详细信息。

如需全面对比，请阅读 Kling 4.0 vs Seedance 2.5。如果你主要关注图像质量，请参阅 Kling 4.0 4K 与 10-bit HDR 详解。

常见问题解答 (FAQ)

Kling 4.0 支持多少个关键帧？

在 3–30 秒的视频中，单次生成支持多达 10 个关键帧图像。Kling 3.0 仅支持起始帧和结束帧。

Kling 4.0 Omni Reference 可以使用多少个参考内容？

每个任务多达 15 个资产：最多 10 张图像，最多 5 个视频（总计 30 秒），以及最多 7 个元素或主体（其中最多 3 个可由视频构建）。音频参考仅限人声。

Kling 4.0 Flash 是否支持多个关键帧？

Kling 4.0 Flash 规格表中未列出多个关键帧，尽管 Flash 列出了 Omni Reference。查看 Kling 4.0 Flash vs Kling 4.0 了解完整差异。

我应该使用关键帧还是 Omni Reference？

通常两者都用。对需要在整个过程中保持一致的内容使用 Omni Reference，仅在镜头需要改变的地方使用关键帧。

在 Seedance 上尝试

勾勒出你的故事节奏，选择两到五个关键帧，并仅收集重要的参考资料。Kling 4.0 尚未在此上线；请关注 Kling 4.0 页面以获取其发布动态和官方示例。与此同时，可以在 Seedance 2.5 中通过 Reference to Video 或 Image to Video 运行相同的提示词，或者使用 Kling 3.0 测试起始帧和结束帧。一旦启用，你的关键帧计划就准备就绪了，你可以并排比较这两种控制风格。