先在 720p 确定动作
分辨率会成倍增加成本，却不会改变动作本身的样子。先在 720p 定好节奏和运镜，再把效果最好的提示词用 1080p 或 4K 重新生成。
216积分
剩余积分：
公开
BestAIVideo
用 Kling 3.0 拍出更长、自带声音的视频
快手旗下可灵 AI 的 Kling 3.0 最长可以生成 15 秒、自带原生音频的视频。你可以写一段提示词，或者上传首帧和尾帧，选择 720p、1080p 或 4K，决定是否开启声音，生成之前就能看到准确的积分消耗。同一页面还提供速度更快的 Turbo 版本，方便快速试稿。
Kling 3.0 在生成器里提供什么
它面向需要足够时长和声音的视频。下面是你可以调整的设置，以及每一项会花掉多少积分。
3 到 15 秒，任意时长
在这个范围内可以选任意整数秒。默认是 10 秒，足够容纳一个完整的动作和一个收尾的停顿。
720p、1080p 或 4K
先用 720p 检查动作，大多数交付用默认的 1080p，需要大屏母版时再升到 4K。一段 5 秒、不带音频的视频，在这三个清晰度下分别消耗 56、72 和 268 积分。
默认开启的音频开关
Kling 表示它的音频涵盖中文、英语、日语、韩语和西班牙语的语音。在 720p 和 1080p 下关闭声音可以节省积分，而 4K 无论开不开声音价格都一样。
文字生成或帧生成
可以从零开始写提示词，也可以给一个首帧，再加一个可选的尾帧，让画面在两者之间自然过渡。
如何规划一段带声音的长视频
Kling 为 3.0 模型发布了用户指南，建议很实用：具体写清楚谁在做什么、从哪个机位拍。下面的步骤把这些建议落到这个生成器里。
按动作选时长
一个单独的手势用 5 秒就够了。一段行走、一次揭晓或一小段互动需要 10 秒。只有当事情需要先铺垫后收束时，才用到 15 秒。
用朴素的影视术语描述镜头
远景、特写、跟拍、俯拍和主观视角，这些词模型都能理解。先写景别，再写运镜。
每句台词都配上说话人
写对白时，写明谁在说、语气如何，再把台词放进引号。每句台词要简短，能舒服地放进你选的时长里。
有首帧时，把提示词用在动作上
有了首帧，画面已经定了，所以把文字用来写运镜、动作和声音，不要再把图片描述一遍。
三段示例视频与可借鉴之处
老式摩托车穿过雪原
这段 15 秒的视频剪接了背后远景、旋转车轮特写、骑手镜头、侧面跟拍和带雪地辙印的航拍。在这个生成器里，每次请求只生成一段连续的视频，所以请把每个机位分别生成，再剪辑到一起。
金色午后光线中的香水瓶
镜头推近、缓缓环绕，再拉远露出街景，一只切面香水瓶立在丝绒底座上，周围是玫瑰花瓣，旁边是巴黎风格的窗户。它是依靠光线、材质和一个流畅运镜来拍产品片的范本。
月光下在花园草坪上奔跑
一位身穿绿色古装长裙的女子在星空下飞奔过草地，身旁是一群身着舞会礼服的人，镜头低位快速跟拍。它说明了一句关于机位高度和速度的描述，就能决定视频的整体节奏。
制作笔记
生成前先决定要不要声音
音频既影响价格，也影响提示词，所以一开始就做决定。只有开启开关时，才需要写语音和音效。
文字要少，并加引号
如果画面中必须出现招牌或字幕，请控制在几个字以内并加上引号。过长的文字在 15 秒的视频里容易变形。
这个模型适合哪些场景
短剧与预告片
一次生成就能做出 10 到 15 秒、带语音、动作和环境声的场景。
口播与对话片段
保持音频开关开启，写明每位说话人、语气和台词，先做出一段对话的原型。
产品宣传片
把产品展示图作为首帧让它动起来，再用尾帧让画面停在主打角度。
4K 母版
最终成片要放上大屏或进入更长的剪辑时，切换到 4K 渲染。
社交媒体短版
在文生视频模式下，同一个创意可以做出 9:16、1:1 和 16:9 三种版本。
用 Turbo 快速出创意
使用固定 5 秒或 10 秒的 Turbo 版本先测试概念，再决定要不要花积分跑完整版本。
Kling 3.0 常见问题解答
这是快手旗下可灵 AI 的视频模型系列，于 2026 年 2 月发布。它生成的视频自带原生音频，时长最长可达 15 秒。
3 到 15 之间的任意整数秒，默认是 10 秒。Turbo 固定为 5 秒或 10 秒。
Kling 3.0 Video 支持 720p、1080p 和 4K，默认是 1080p。Kling 3.0 Turbo 支持 720p 和 1080p。
费用随时长增加。一段 5 秒的视频，不带音频时 720p 为 56 积分，1080p 为 72 积分，4K 为 268 积分；带音频时 720p 和 1080p 分别为 80 和 108 积分。提交之前，生成器会显示准确的数字。
在 720p 和 1080p 下可以，大约能省三分之一到一半。在 4K 下，有没有音频价格都一样。
有文生视频，以及帧生成（必须有首帧，尾帧可选）。Turbo 的帧模式只接受一张首帧图片。
文生视频模式下可以选 16:9、9:16 或 1:1。帧模式下，视频的画幅跟随你上传的图片。
这是一个更快的版本，适合快速测试，生成 5 秒或 10 秒的视频，支持 720p 或 1080p。它没有音频开关，也没有 4K，而且在不带音频的情况下并不比标准模型便宜。
写明说话人，描述语气，再把台词放进引号。台词要简短，视频的时长要和说话的量相匹配。
这个生成器不支持。每次请求只生成一段连续的视频，所以每次生成只写一个运镜，再用剪辑软件把片段拼起来。
3.0 最长可达 15 秒，并新增了 4K 选项；2.6 及更早的版本仍然保留在模型列表里，适合更短或更便宜的视频。