可灵AI发布Seo Oki的Kling 4.0测试报告

视频生成AI公司可灵AI（Kling AI）于10月10日在官方X账号以长文形式发布了创作者Seo Oki（oasis.seo）的Kling 4.0测试报告。这是可灵AI亲自邀请的测试，Seo Oki通过三项实验检验了全能参考（Omni Reference）、风格转换和角色一致性。她得出的结论是，静态图像中确立的色调、人物和空间质感在转为视频后并未崩塌。该文章在发布次日的浏览量为8433次。

Seo Oki是一位以扭转平凡场景而闻名的视觉内容创作者。她让一只巨大的鸭子坐在浴室里，让一只手从湖中升起，把整间卧室漂浮在透明气泡之中。她解释说，自己从真实的人物、日常空间和自然光出发，再加入现实中不太可能发生的元素。Seo Oki写道："理想情况下，观众最初应把图像当作真实的，片刻之后才察觉到异样。"她并不希望作品看起来像传统意义上的超现实。

她指出AI视频的顽疾在于运动。静态图像看起来自然，一旦加入运动，表情就会夸张、五官发生变化，镜头运动也会破坏原有的电影质感。在衔接不同图像时，即使每张图单独看都完美，彼此之间的流动也很容易中断。因此，这次测试的问题不是画质，而是Kling 4.0能否理解并守住已经建立的视觉世界，包括人物、空间、氛围和导演意图。

第一项实验的场景是一间带有1990年代电影质感的浴室。两个人在进行早晨的日常活动，浴缸里坐着一只巨大的鸭子。Seo Oki没有要求惊讶的反应或夸张的动作，而是要求视线移动、表情变化和手势等细微表演。她评价称，Kling 4.0不只是让人物动起来，而是把视线、表情和手势连成了一段完整的表演。尽管提示词并未逐一写明每个镜头和动作，模型仍根据人物行为和场景流程较为自然地安排了镜头角度和运动，在有台词的场景中也协调了声音、表演和画面。口型同步和音效被认为是进一步打磨后能扩大对白类视频用途的部分。

第二项实验是把三张完全不同的图像连成一段视频。由于每张图像都是作为独立场景制作的，模型必须在第1张与第2张、第2张与第3张之间创造原图中都不存在的运动。目标是不靠叠化或变形过渡，而让镜头和人物的动作成为进入下一个场景的理由。Seo Oki写道："衔接多张图像时，最重要的不是转场效果有多华丽，而是场景变化背后的运动逻辑是否令人信服。"她说自己在早期版本中也常做这样的尝试，这次两段转场都自然得多，原图风格也保持得更一致，这意味着重复生成和后期修补都会减少。

第三项实验是在实拍与动画之间来回切换两次的视频，主角是一只小猫。风格大幅变化时，角色的形态、运动方向和质感很容易不稳定，回到实拍时如果角色看起来不再是同一个，连续性就会立即被打破。Seo Oki评价称，Kling 4.0流畅地处理了这些反复转换，即使在快速运动与剧烈风格变化叠加的场景中，也保持了角色、动作与环境之间的关系。风格转换不再只是视觉效果，而成为叙事中的动作。METAL核实的文章原文中，每个阶段都附有参考图像和完整的英文提示词。

作为所有这些测试舞台的Kling 4.0，是快手（Kuaishou）旗下AI视频子公司可灵AI于9月28日发布的新一代模型。它单次最多可生成30秒，是Kling 3.0一代15秒上限的两倍。单个任务最多可组合15个多模态参考，来源可达10张图像、5段视频和7个主体，并可设置最多10个关键帧来固定角色状态、场景转换和情节节点。提示词输入上限提高到8000个token。同一天，轻量版Kling 4.0 Flash率先向Ultra年度订阅用户开放，正式版定于10月推出，但尚未公布具体日期。4K和1080p 10位HDR输出以及可延长至约2分钟的视频延展功能被列为即将推出的功能，新模型的API价格也尚未公布。

公司内外的盘算也押在这款模型上。据报道，可灵AI的年化收入在今年3月突破5亿美元，但最近一个季度的收入增速从300%放缓至200%。7月，它从阿里巴巴、腾讯、百度等投资方融资28亿美元，估值约180亿美元，高于母公司快手约170亿美元的市值。同月推出的字节跳动Seedance 2.5已在创作者中站稳脚跟，香港上市的可能性也被提及。METAL曾报道可灵AI发布以海盗猫为主角的短片Orli。

这份测试报告出自公司邀请的创作者，因此带有宣传性质。即便如此，其评价维度仍值得关注。Seo Oki衡量的不是华丽的运动，而是静态图像的世界在运动中是否仍是同一个世界。这表明生成视频的竞争正从时长和分辨率数字转向守住导演意图的能力。她在结论中写道，当表演细节、音效、角色一致性和精细控制足够稳定时，AI视频将不再只是让图像动起来，而会成为创作者维持和发展完整视觉世界的决策环节之一。工具越能守住意图，决定用什么填满场景的工作就越完全属于创作者。