Kling V3.0 4k Image-to-Video：大渲染之前的检查清单
Kling V3.0 4k 把一张照片变成视频片段，可选声音和结尾帧。在为最清晰的版本付费之前，先过一遍这份清单。
Kling V3.0 4k Image-to-Video 是 Kling V3.0 家族中的最高一档：输入一张照片，输出一段电影感的视频，动作流畅，可选声音，画面是同系列里最清晰的。每次运行的费用也明显高于 Pro 和 Standard 版本。所以它是在工作收尾时才用的模型，而不是一开始就用。这篇文章就是用之前要过一遍的清单。
1. 照片准备好了吗？
- JPG 或 PNG，小于 10 MB，每边至少 300 像素。
- 画面比例在 1:2.5 到 2.5:1 之间。特别长的手机截图和特别宽的全景图需要先裁剪；画面比例指南 能帮你选择。
- 关键部位要清晰。视频的好坏取决于你提供的脸、产品或纹理。一张模糊的照片用高分辨率动起来，得到的是一段清晰的模糊视频。
2. 你在更便宜的同系列模型上测试过动作吗？
同一家族里还有 Kling V3.0 Pro Image-to-Video 和 Kling V3.0 Std Image-to-Video。先在那里跑一遍你的照片和提示词。如果便宜版本里动作、镜头和节奏都对，贵的版本就能从一个验证过的想法开始。如果不对，你只花了一小部分价钱就发现了问题。
3. 提示词写的是动作，而不是画面吗？
照片已经展示了画面里有什么。提示词是可选的，但它是你说明什么在动、镜头怎么运动的地方。短句效果好，一行写一件事，就像模型页面上的示例那样。
下着雨，轻微的呼吸起伏，细微的头部动作
镜头缓慢推进
霓虹倒影闪烁热气从杯中缓缓升起
勺子在咖啡里转了一圈
晨光在桌面上移动
镜头静止海浪涌来，拍碎在礁石上
悬崖上的草在风中弯下
镜头缓慢向右摇并升高
海浪声和风声4. 你需要结尾帧吗？
当视频必须停在某个特定画面时，比如产品正对镜头，就上传第二张图片作为结尾图。模型会从你的照片过渡到那张图。有一个限制：使用结尾图时无法使用多镜头，所以要在精确落点的视频和切成几个镜头的视频之间二选一。Kling V4.0 关键帧指南 对同样的思路讲得更详细。
5. 高级设置都调好了吗？
- 时长： 3 到 15 秒，默认 5 秒。写之前先定好；15 秒的视频需要发生更多事情。
- 声音： 一个开关，用来生成与视频同步的音频。在提示词末尾描述声音。
- 反向提示词： 你不想要的东西，比如文字、标志、多余的人。
- 灵活度（cfg scale）： 从 0 到 1，默认 0.5。越高越严格地遵循你的文字，越低给模型越多自由。
- 多提示词和镜头类型： 把视频分成几个镜头，每个镜头一行。先留到便宜的测试里再用。
它仍会让你失望的地方
像素更多并不能修好动作。快速的动作、做精细活的手和招牌上的文字仍可能变形，而且画面越清晰，这些瑕疵越容易被看到。场景的大变化，比如一个人走出画面、另一个人走进来，更适合用文字生成视频的模型。关于动作的写法，请阅读 图片转视频的动作提示词，并在 模型页面 上比较所有视频模型。
常见问题
Kling V3.0 4k 接受什么样的照片？
小于 10 MB 的 JPG 或 PNG，宽和高至少 300 像素，画面比例在 1:2.5 到 2.5:1 之间。
视频最长可以多久？
3 到 15 秒，默认 5 秒。
可以设定最后一帧吗？
可以，上传一张结尾图。这样该视频就不能使用多镜头。
