Kling Image 4.0 推出,支持原生 8K、可编辑文字及最多 10 张成组图像

阅读约需 6 分钟
Kling Image 4.0 Launches With Native 8K, Editable Text and Sets of 10 Images

单条提示即可生成一组协调统一的图像

快手推出 Kling Image 4.0,支持原生 8K 图像生成、在单张图片中容纳最多 2,000 个字符,并可通过一种模式根据单条提示生成多达 10 张相互关联的图片。该模型可通过 Kling Creative Studio 和应用程序编程接口(API)使用,面向广告、分镜、产品展示和网购页面等场景。

目录
  1. 单条提示即可生成一组协调统一的图像
  2. 发布了什么?何时发布?
  3. 原生 8K 有何优势?
  4. 文字容量迎来高难度海报测试
  5. 如何生成一组 10 张图片?
  6. 长产品页面新增可编辑图层
  7. 参考图可引导主体、光线和色彩
  8. 单一架构兼顾理解与生成
  9. 总结

该模型于 2026 年 11 月 17 日周二晚间发布。Kling AI 于 11 月 18 日发布了Image 4.0 用户指南,列出了原生 2K、4K 和 8K 输出、每次输入最多支持 10 张参考图片,以及将长图拆分为可编辑图层的工具。

Kling AI 推出的不只是图像生成器,也是一套工作流程:描述项目、提供视觉参考、生成一组协调统一的图片,再修改其中的单个元素。其宣传的功能将多项任务整合到一个平台,包括摄影模拟、文字排版、图像编辑和场景序列规划。

早期公开测试显示,这些功能可能很有用,同时也暴露出实际短板。一张含约 400 个汉字的海报出现了文字错误,部分编辑后的图片细节粗糙,或改动超出了要求范围。因此,此次发布也凸显了其制作能力以及后续所需修正工作的多少。

发布了什么?何时发布?

Kling Image 4.0 是一款静态图像模型,与 Kling 4.0 视频模型相互独立。它直接生成图片,包括可供创作者规划故事或为后续视频制作准备素材的相关场景图。

此次发布分为两个日期:

  • 2026 年 11 月 17 日:快手于周二晚间推出 Kling Image 4.0,可通过其创作平台和 API 使用。
  • 2026 年 11 月 18 日:Kling AI 发布用户指南,公开测试则考察了摄影、编辑、商业版式和图像序列等方面。

API 为开发者和企业客户提供了将该模型接入自有软件的途径。发布信息未说明定价、生成时间,以及不同订阅等级之间是否存在访问权限差异。

广告

原生 8K 有何优势?

Kling AI 列出了三种原生输出分辨率:2K、4K 和 8K。原生生成意味着模型直接以所选分辨率创建图像,而不只是依赖后续步骤放大较小尺寸的图片。公司表示,8K 能为用户在大型显示屏展示和裁剪图片时提供更大空间。

裁剪是指去掉图像的一部分,以突出人脸、产品或其他细节。起始像素更多,裁剪后就能保留更多图像信息。Kling AI 表示,该模型还改进了光线过渡、皮肤纹理、织物和其他材质细节。

公开的人像测试称,人物与周围环境之间的光线过渡较为自然。放大后的局部仍能看出头发和衣物纹理,但人物和环境的真实感仍存在瑕疵。风景测试涵盖山谷晨雾、雪山日出和沙漠日落,不同场景呈现出各异的光线和景深。

指南还列出了适用于不同版面的格式,包括 1:1 方图、3:4 竖图、16:9 宽屏和更宽的 21:9 构图。创作者可在生成图片前,选择适合商品列表、演示文稿或电影画幅的比例。

文字容量迎来高难度海报测试

Kling AI 表示,Image 4.0 能在单张图片中排入最多 2,000 个字符,并可接收长达 15,000 个 token 的指令。Token 是模型处理信息时使用的单位,通常对应一个词或词的一部分。指令上限针对的是生成要求,字符上限则指最终图片中呈现的文字。

这一区别对复杂广告很重要。创作者可以用较长的提示详细说明产品、背景、灯光、文案和版式,同时要求图片上只出现简短标题。

官方指南列出了六种语言:中文、英语、日语、韩语、西班牙语和葡萄牙语。发布报道则称支持七种语言,另在更广泛的介绍中单独提及简体和繁体中文。面向多个市场的用户需要为素材选择适当的语言和文字体系。

广告

Kling AI 还列出了 70 多种获商业授权的字体,并支持上传图片来指导字体排版。根据官方介绍,用户可以编辑生成图像中的文字和字体样式。

一项公开的商业设计测试要求制作一张科技杂志海报,包含约 400 个汉字、大标题、办公室插图,以及奶油色、蓝色和橙色的配色。生成结果将标题、正文和插图分置于清晰可辨的区域,但文字有误,密集版式的设计创意也相对有限。

后续更换字体和替换指定文字的尝试被描述为准确。对设计师而言,这意味着修改是工作流程的核心环节:系统可以先完成页面构建,再接受针对性修正,但成稿文案仍需核对。

如何生成一组 10 张图片?

Kling Image 4.0 提供默认模式和系列模式。默认模式根据提示生成一张或多张图片。系列模式旨在一次生成一组相关图片,最多可生成 10 张。

Kling AI 表示,其规划能力会判断每张图片应呈现的内容,同时保持人物和视觉方向的一致性。对于分镜来说,这意味着将故事分配到不同镜头中,而不是反复生成同一场景的变体。

一项公开测试采用了一则悬疑故事:一名年轻女子深夜在地铁站等车。她发现一张红色车票,在末班车进站时,看到 10 年后的自己。生成的序列在远景、近景和面部细节之间切换,同时较好地保持了主人公的外貌和着装一致。

另一组图片讲述一名办公室程序员幻想自己前往海滩、山区、沙漠和太空旅行,随后被工作消息打断。故事在图片间逐步推进,但部分镜头看起来有些人工化,呈现出塑料质感。

第三项测试要求生成同一处新疆山谷从早晨到日落的 10 个视角。不同角度和不断变化的光线营造出统一的纪实风格。这些测试展示了该功能试图处理的几种连贯性:同一个人物贯穿不同场景、一段叙事跨越不同地点,以及同一片风景随一天时间而变化。

广告

长产品页面新增可编辑图层

Kling AI 还支持生成用于网购详情页和网站设计的长图。这类图片将产品图、说明文字和不同视觉区块整合到一个纵向延展的版面中。

一项公开测试提供了一张笔记本电脑照片,并要求制作完整的产品页面,包含产品主视觉、卖点、外观细节、使用场景和规格。生成页面将这些内容安排在不同版块中,整体风格较为统一。

官方指南还介绍了一项实用的编辑功能:长图可以拆分为图层,从而单独编辑和重新生成各个元素。图层是构图中可以单独修改、而无需重做其他部分的独立部分。对于产品页面来说,这或许能让用户在初次生成后更方便地调整某个视觉区块。

产品广告测试还使用了运动鞋、手表和笔记本电脑的照片。生成的海报会根据产品调整配色、构图和字体。这比单纯创作一张吸引人的独立图片更具针对性:生成器必须围绕现有物品组织信息。

参考图可引导主体、光线和色彩

Kling Image 4.0 每次输入最多可接收 10 张参考图片。参考图可为编辑提供素材,也可用于引导字体排版、色彩和光线等选择。公司还介绍了 110 多种预设调色风格,可改变图片的色彩处理和氛围。

编辑测试包括一张新娘、新郎及五位亲友的婚礼照片。用户要求改变艺术风格和光线,同时保留主要构图以及人物之间的关系。

另一项测试修改了《影之刃零》的主人公,为其换上与李小龙相关的黄黑色功夫服,并将武器改为双节棍。编辑满足了主要要求,但部分细节较为粗糙,且有些改动超出了预期。

一幅简单的婚礼素描也被用作摄影场景的参考。模型识别出主要人物及其位置,随后添加了椅子、鲜花和宾客。这些示例展示了参考素材的两种用途:保留照片中已有的细节,以及依据粗略的视觉方案构建更完整的场景。

广告

单一架构兼顾理解与生成

Kling AI 将 Image 4.0 描述为一款在同一自回归框架中结合视觉理解和图像生成的模型。简单来说,系统通过一个共享流程解读指令和视觉素材,再逐步构建所需输出。

其技术说明围绕单一 Transformer 展开。Transformer 是一种用于处理信息内部关系的神经网络。说明还提到,模型会以结构化方式处理主体、空间布局、镜头视角和光线。这些都是详细提示需要协调的要素,例如提示要求出现多个角色、指定位置并保持视觉风格一致时。

公司将规划组件称为智能体式。这里指的是将复杂要求拆分成较小任务,并协调完成任务所需的步骤。系列生成就是一个直接例子:模型必须决定如何将故事拆分到多张图片中,同时让各张图片保持共同细节。

对创作者来说,实际问题在于生成完成后还需要多少工作。公开测试显示,该模型在场景规划、版面设计和针对性编辑方面有所帮助,但同时也存在文字错误和视觉细节不均等问题。包含准确产品文案的营销活动,或要求严格保持连贯性的分镜,仍需人工检查和修改。

总结

  • 快手于 2026 年 11 月 17 日通过 Kling Creative Studio 和 API 推出 Kling Image 4.0。
  • 官方指南列出原生 2K、4K 和 8K 输出,每次输入最多支持 10 张参考图片。
  • 系列模式可根据单条提示生成最多 10 张相关图片。
  • Kling AI 宣称每张图片最多可容纳 2,000 个字符,指令长度最高为 15,000 个 token,并提供 70 多种获商业授权的字体。
  • 长图生成和图层编辑面向产品页面及其他复杂版式。
  • 公开测试发现,该模型在编辑和画面连贯性方面有所表现,但也出现文字错误、细节粗糙和一些非预期改动。
分享本文

猜你喜欢