Kling 3.0 是一款 AI 视频模型，能把一段文字 Prompt 变成一组经过导演式编排的视频。它由快手打造，于 2026 年 2 月发布，将过去需要多款工具和手工剪辑才能完成的工作合而为一：一次生成最多六个镜头切换的多镜头分镜，支持五种语言的对口型对白原生音频，并在所有角度下保持角色一致。输出最高支持原生 4K 分辨率，时长可在 3 到 15 秒之间灵活选择。现已在 Morphic 上线，与平台完整的图像、音乐和音频生成工具并肩提供。
如何在 Morphic 上使用 Kling 3.0
1. 选择视频模式
在 Prompt 栏中选择视频模式。界面会切换到视频生成状态，你可以在这里配置分辨率、时长以及是否包含原生音频等选项。
2. 选择 Kling 3.0 作为模型
打开模型下拉菜单，从可用的视频模型列表中选择 Kling 3.0。Morphic 提供多款视频模型，你可以在同一平台里对比不同生成器的输出，无需切换工具。
3. 填写你的 Prompt
描述你想要的场景。写清楚主体、环境、运镜、光线以及任何对白细节。像导演而不是摄影师那样思考：描述随时间变化的过程，而不只是一帧静态画面。如果你需要多个镜头，打开多镜头开关，或在 Prompt 中为每个镜头单独标注。
4. 开始生成
运行 Prompt。Kling 3.0 会生成 3 到 15 秒的视频片段，启用音频时一并生成原生音频。查看结果，必要时调整 Prompt，直至得到满意的片段。
什么是 Kling 3.0？
Kling 3.0 是快手于 2026 年 2 月发布的最新 AI 视频生成模型。它在 Kling Video 2.6 和 Kling O1 的基础上构建，将两者合并为一个统一的多模态架构，可在单次生成中同时处理视频、音频与文本。
过去的 AI 视频模型只能产出独立的单镜头片段，并且没有声音。Kling 3.0 则能生成同步对白和原生音频的多镜头序列。它理解电影语言（跟拍镜头、特写、正反打），当你在 Prompt 中描述一段叙事时，它能自行规划场景转换。
Kling 3.0 作为 Morphic 视频生成套件的一部分上线，这意味着你可以在同一个工作区里，将它与 Morphic 的图像、音乐和音频工具配合使用。
Kling 3.0 的功能与能力
多镜头分镜生成，支持两种控制模式
这是目前其他 AI 视频模型都不具备的关键能力。它可以在一次生成中产出最多六个镜头切换，并提供两种控制方式：
- 自动多镜头：打开多镜头开关，模型会根据你的 Prompt 自主规划镜头切换。它会阅读你的场景描述，决定在哪里剪辑、使用什么角度、如何把握节奏。
- 自定义多镜头：由你手动定义每一个镜头。设置镜头数量、每个镜头的时长、机位角度以及画面中要发生的内容。模型会严格按照你的分镜执行。
当你需要从叙事性 Prompt 快速得到结果时，自动模式表现很好。当你需要精细控制，例如制作按镜头节奏要求的产品广告，自定义模式更合适。
带声音绑定的元素参考
大多数 AI 视频模型允许上传参考图来锁定角色外观。Kling 3.0 更进一步。你可以上传一小段视频片段作为参考，模型会同时提取角色的视觉外形和自然声线。声线会被绑定到角色元素上，此后每当这个角色开口，声音都会保持一致，不需要你再在 Prompt 里反复指定。
你也可以用 2 到 4 张参考图创建元素，并单独通过上传音频或从现有声音中挑选来指派声线。这在多次生成中需要反复出现的角色时尤为有用。
方言、口音与多语种混说
Kling 3.0 的原生音频支持五种语言：英语、中文、日语、韩语和西班牙语。但它的能力不止于基本语言支持。模型能够还原特定方言和口音，中文方面包括粤语、东北话、四川话和北京话，英语方面包括美式、英式和印度口音。
它同时支持多语言混说，角色可以在同一段视频的对话中自然切换语言。双语商务会议、游客用蹩脚西班牙语问路，或是带方言混杂的家庭场景，都能生成自然的口型和连贯的面部表情。
原生 4K 视频输出
模型原生支持最高 4K 分辨率，不是从低分辨率放大得到的。这意味着纹理、皮肤细节以及面料纹路和发丝等细小元素能保留真实的细节感，而不是放大常带来的柔化与涂抹感。同时也可选 1080p 和 720p 分辨率，并支持 16:9、9:16 和 1:1 画幅比例。
运镜过程中的文字与 Logo 保持
Kling 3.0 能读取上传图像中的文字内容——招牌、产品标签或 Logo——并在整个视频过程中即使机位运动也保持文字清晰。它也能在视频内部生成新的文字内容。对需要品牌文字在产品环绕或跟拍镜头中保持锐利的商业项目来说，这省去了后期再加文字叠层的步骤。
多镜头序列下的角色一致性
上传参考图或一小段参考视频，模型就能在整段片段中锁定角色外形。面孔、服装、比例以及各种辨识性细节，都会在推镜、横摇、俯仰等机位运动中保持稳定。模型支持同一场景中三个及以上的不同角色而不混淆特征，这对对白场景以及任何有多个人物的视频都至关重要。
3 至 15 秒的灵活时长
单次生成可产出 3 到 15 秒的连续视频。延长的时长不只是单纯的片段变长，它给了模型更大空间来铺展复杂动作、建立场景转换、让叙事弧线充分展开，而不必在 5 秒处就匆匆收尾。
常见问题
Kling 3.0 已作为视频生成套件的一部分在 Morphic 上可用。开始生成只需注册 Morphic 套餐，在 Prompt 栏选择视频模式，在模型下拉菜单中选择 Kling 3.0 即可。Morphic 让你在使用 Kling 3.0 的同时，也能调用图像、音乐和音频生成工具，整个创作流程在同一处完成。
Kling 3.0 是核心视频生成模型，覆盖文生视频和图生视频，具备多镜头分镜与原生音频能力。Kling 3.0 Omni 在此基础上进一步强化了角色一致性控制，并支持通过视频参考把声线绑定到特定角色。对多数视频生成需求而言，Kling 3.0 是合适的起点；当跨多次生成都要保持角色一致时，Omni 更值得选择。
Kling 3.0 可生成五种语言的对口型对白：英语、中文、日语、韩语和西班牙语。除了标准语言支持，模型还能还原特定口音与方言，英语涵盖美式、英式和印度口音，中文涵盖粤语、东北话、北京话、四川话和台湾腔。同一片段中，角色还可以在对话中途切换语言。
输出最高支持原生 4K 分辨率，同时也提供 1080p 和 720p。每次生成时长在 3 到 15 秒之间。画幅比例包括宽屏 16:9、竖屏 9:16（适合社交媒体）和方形 1:1。
从图像 Prompt 切换到视频 Prompt，最大的变化是要描述运动，而不仅是外观。有几点能显著提升输出质量：
- 用电影化的运镜语言开头。Prompt 以"手持跟拍镜头"或"缓慢环绕镜头"开头，会为整段生成奠定视觉基调。
- 多角色场景中请明确标注说话人。在 Prompt 里把每个角色与其对白直接配对，模型就能把声音与正确的面孔对齐。
- 当你需要精确控制每个镜头的时长、构图和机位角度时，使用自定义多镜头模式。
- 为保持角色一致性，上传参考图或视频。创建一个同时绑定外形与声线的元素，为反复出现的角色提供明确锚点。
在 Morphic 上，你可以在同一个工作区里快速调整 Prompt 并重新生成，无需切换工具。如需更深入的讲解和 Prompt 示例，请参阅完整的 Kling 3.0 使用指南。
