Kling AI

模型概览

Kling 2.6 是快手推出的音视频生成模型。它最重要的特点是原生音频：画面运动、人物对白、环境声和场景音效可以在一次生成中同步完成，不必先生成无声视频再单独配音。

在 Wizzx 中，Kling 2.6 是线上 kling-ai API 对应的展示模型。当前支持的模式、时长和用量价格，应以 Playground 表单与定价接口的实时结果为准。

为什么选择 Kling 2.6

• 原生音视频生成：在同一次任务中完成画面和声音
• 对白与音效同步：让语音、动作、环境声和事件节奏相互匹配
• 文本与图片工作流：既可从场景描述开始，也可让参考图动起来
• 电影化运动表达：可描述镜头运动、主体动作、节奏与氛围
• 更完整的创意预演：在正式剪辑前快速探索带声音的完整概念

适合的使用场景

对白驱动的场景

预演人物互动，让台词、表情和动作时机保持连贯。

社交媒体与营销短片

生成自带氛围和声音提示的短视频，缩短创意迭代流程。

产品与故事概念

把分镜首帧或文字脚本转化为更完整的音视频预览。

强调环境声的画面

适合雨声、人群、机械、脚步或室内环境音参与叙事的场景。

提示词写法

把画面层和声音层放在同一份提示词中描述：

1. 先交代主体、地点和视觉风格。
2. 描述主要动作和镜头运动。
3. 需要对白时，用引号写出简短台词。
4. 点明真正重要的环境声和音效。
5. 说明整体情绪与节奏。

手持中景跟随一名厨师穿过忙碌的开放式厨房。锅中传来煎烤声，餐盘轻轻碰撞。厨师看向镜头说：“一顿好晚餐，从把握时间开始。”暖色实景灯光，节奏有活力但不慌乱。

Wizzx 接入说明

上游 Kling 提供的能力不代表 Wizzx 已全部开放。用于生产项目前，请以当前 Playground 表单和 API 文档为准。

实用建议

• 只写对场景真正重要的声音，避免声音要求相互抢占重点。
• 台词长度要与视频时长匹配。
• 对构图或人物外观有明确要求时，优先使用图片参考。
• 把镜头运动和主体运动分开描述。
• 先生成几组目标明确的短版本，再扩展复杂场景。

资料来源

• Kling AI 官方产品页