aifollow.news
Back 量子位 AI 报道
量子位 AI 报道· · Original publication time AI score67

Kling launches Image 4.0 with native 8K and image series generationMachine translation

可灵推出 Kling Image 4.0,支持原生 8K 与成套图片生成

AI-assisted summary

Kling Image 4.0 supports native 8K images, up to 2,000 characters in one image, and more than 70 preset fonts. Its series mode can generate up to 10 related images at once and create long product detail pages; QbitAI's hands-on tests showed uses for posters, product scenes and storyboards.

Article · Original

The article text is unavailable in this language; an existing version is shown.

Kling Image 4.0

金磊 发自 凹非寺

量子位 | 公众号 QbitAI

金磊 发自 凹非寺

量子位 | 公众号 QbitAI

就真的很 哇塞 。

来,咱们先看一张图:

是不是看似平平无奇?

但若是我们把它给放大一下呢?

像人脸上的细纹、手指的纹路、钻戒的真实感,还有脸上的雀斑,依旧是 清晰可见 。

别急,我们继续放大:

这一回,眼周的纹路更加清晰了,就连睫毛,还有眼妆的细微颗粒感都那么清晰。

为了方便看整体 放大的过程 ,我们特意做了一段视频,大家可以来感受一下:

视频地址:

https://mp.weixin.qq.com/s/ghQNmpCq9TE9d2E_4sh5uA

或许有人要问了,这是 单反相机 拍出来的广告大片儿吧?

非也,非也。

这实则是AI做出来的 8K高清大图 !

包括下面的这张 风景照 ,原图是这样的:

看似是一张AI生成的很符合物理规律的风景,但惊艳之处都藏在 放大后的细节 里:

视频地址:

https://mp.weixin.qq.com/s/ghQNmpCq9TE9d2E_4sh5uA

依旧是无论怎么放大,各处的细节还是那么的清晰和稳定。

那么这到底是什么AI?

不卖关子,它就是 可灵 最新推出的 Kling Image 4.0 :

而原生8K还只是Kling Image 4.0此次升级的一隅,其它亮点还包括:

超强文字表现力: 不仅是准确那么简单,现在单张图片里面可以生成2000个字,还支持70+款预设字体,各种排版也能hold住。

连贯组图与长图生成: 一次描述可以生成最多10张系列组图,还可以一口气生成超长的商品详情页和网页设计长图。

那么接下来,老规矩,一波实测走起~

影视级剧照效果

我们的第一个实测,还是从AI生图基本的 “像” 来出发。

为此,我们给Kling Image 4.0准备了大致如下内容的Prompt:

古装剧画面,七位古装女子在房间内议事,气氛紧张。

古装剧画面,七位古装女子在房间内议事,气氛紧张。

从结果可以看到,剧照的视线很自然地落在了中间那位穿浅桃色衣服的女子身上,她正面朝向镜头,神情收着,旁边的人或侧身、或低头,并且人物的层次也是错落有致。

冷不丁一瞅,还真有一种电视剧里某个镜头的感觉。

这也说明Kling Image 4.0在多人物处理上,不仅能够保证人物的准确性,整体也能体现出影视级的氛围和效果。

把整首《沁园春雪》塞进一张图

在看完影视级效果之后,我们接下来的实测聚焦在 字 上。

正如我们刚才所说,Kling Image 4.0支持70多种预设字体,在输入框下方的“字体”处便可以进行选择:

我们这次选择的是有古风味道的 劲疏墨韵体 ,然后让Kling Image 4.0在单图里完成 《沁园春雪》 。Prompt如下:

下面是《沁园春雪》的全文,把内容精准无误地写进去,背景宣纸的效果。(此处省略原文)

下面是《沁园春雪》的全文,把内容精准无误地写进去,背景宣纸的效果。(此处省略原文)

来看下效果:

首先是字体上,Kling Image 4.0精准地全篇采用了我们选择的风格,并且内容本身也是基本无误。

而在提示词中,我们并未告知它该采用什么样的排版,但Kling Image 4.0基于《沁园春雪》本身,将图片设计成了诗词竖排、从右往左的阅读方式。

并且背景除了我们要求的宣纸感觉之外,它还巧妙地加上了盖章图案等等。

由此可见,Kling Image 4.0不仅能够一次性处理海量文字,也是能够深谙文字背后的蕴意。

别再一张一张做海报了

说到AI生图, 做海报 的好坏,可以说是各AI兵家必争之地。

不过你以前做一个主题为《万物有光》的当代光影艺术展主视觉海报,效果是不是这样的?

确实没错,确实也能用。

但毕竟一张海报的信息量还是有限,如果分批做系列海报,又有可能会出现一致性等问题。

不过现在,有了Kling Image 4.0,你可以有另外一种选择—— 组图模式 。

顾名思义,就是给定给一个系列的主体,Kling Image 4.0一口气给你输出至多10张图。

同样是刚才《万物有光》的主题,现在的打开方式可以是这样的(左右滑动查看):

可以看到,六张海报延续了相同的视觉色彩,排版、页码也采用了相近的样式。即便每张图承载的内容不同,也能看出它们是属于同一场活动。

对于经常做活动宣传的人来说,这种方式确实省去了不少从零搭版式的工作。我们可以先看整套设计是否合适,再逐页调整内容,不必每一张都重新琢磨字体、颜色和布局。

但组图模式毕竟输出的是六张独立的图片,若是你想直接生成一张 超长的详情页 ,又该怎么办?

“技能”中的 电商详情页 ,了解一下。

“电商详情页”的操作要比组图模式更加便捷,我们只需要上传一张参考图,大致写一下自己想要的要求即可。

例如我们上传了一张咖啡机和一段Prompt:

稍等几分钟后,便得到了这样的结果(上下滑动查看):

一气呵成,一气呵成,着实是太方便了!

做完海报,我们接下来想测的,是Kling Image 4.0对 多张参考图 的处理能力。

为此,我们准备了下面这六张独立的商品图,分别是帐篷、折叠椅、保温杯、背包、营灯和登山鞋:

然后我们把它们一起上传,要求模型将这些装备放进同一个湖边露营场景,同时保留各自的主要外观,并安排好摆放关系。

生成结果如下:

可以看到,所有参考图都稳稳地塞进了我们设定的新场景里;与此同时,模型也考虑了新场景里的光线等各种细节元素。

如此功能和效果,对于让品牌直观地判断整套装备的展示效果来说,是足够用了。

也很适合做分镜

刚才我们提到的 组图模式 ,其实还有一个非常好玩的用法,那就是用来 做分镜 。

同样的的,我们先给Kling Image 4.0准备了一位原创的女侦探形象:

在输入人物参考图之后,我们给定了这样的故事路线:

故事从车站开始。女侦探回头望向一侧,随后来到旧书店,把照片拿给店主看。下一张图里,镜头靠近柜台,带着椭圆形牌子的钥匙出现在她手中。之后,她走进下雨的巷子,来到旅馆,再进入房间翻看照片。此前出现的钥匙,也被放在了桌面上。

故事从车站开始。女侦探回头望向一侧,随后来到旧书店,把照片拿给店主看。下一张图里,镜头靠近柜台,带着椭圆形牌子的钥匙出现在她手中。之后,她走进下雨的巷子,来到旅馆,再进入房间翻看照片。此前出现的钥匙,也被放在了桌面上。

Kling Image 4.0给出的结果如下(左右滑动查看):

我们把这六张图连起来,就能看出一条大致的故事线。照片和钥匙承担了线索的作用,人物也有了前往下一个地点的理由。

这种能力对于故事创作就比较实用了。创作者可以先用组图呈现人物行动、场景变化和镜头安排,再据此讨论剧情,或者为后续的视频制作准备分镜素材。

可以大胆尝试艺术风格

最后的实测,我们来看看Kling Image 4.0能否仅根据文字描述,就能完成偏 艺术表达 的人像。

第一张图的结果是这样的:

Kling Image 4.0根据我们的提示词,采用了高耸的盘发造型,环状发髻搭配珍珠发饰,人物回头看向镜头。背景保持简洁,视觉重点便落在了头发、面部和铜褐色衣服上。

其中,发丝的走向和衣服表面的褶皱,都呈现出了不同的质感。整张图的颜色比较克制,人物造型也因此更加突出。

第二张则换成了大面积黑色背景:

这张图没有加入复杂的背景,主要通过人物姿态、布料的走势和局部光线,营造出安静的感觉。

两张作品虽然都是人像,但一张强调造型,一张偏重情绪。也能看出,Kling Image 4.0在处理不同艺术风格时,能够对构图、色彩和材质作出相应调整。

在实测过后,我们不难发现,Kling Image 4.0面对的需求,已经涉及了生图过程中的多个环节。

它既要识别参考图里的商品,也要理解人物之间的位置关系;既要安排海报里的文字,还要考虑一组图片之间的连续性。

而之所以能做到如此,就离不开Kling Image 4.0此次采用的原生理解生成大一统架构。

这里的关键,在于“原生”二字。相较于将语言模型与扩散模型拼接的方式,Kling Image 4.0采用理解与生成统一的架构,以单一Transformer作为中枢,将世界知识、视觉感知与图像潜空间放在同一上下文中处理,让模型对需求的理解直接参与画面生成。

在这个基础上,模型规模与训练数据的持续扩展,也进一步增强了它将物理规律和逻辑推演融入生成过程的能力。这与图片里的物体怎样摆放、光影如何变化,以及人物动作是否合理,都有关系。

拿前面的露营广告来说,模型需要认出六件装备的特征,再根据提示词把它们放进湖边场景。帐篷与前景商品之间要有远近关系,背包靠着椅子时要处理好遮挡,夕阳照过来,各件商品的受光和阴影也应相互协调。

这些要求需要结合整个场景一起处理。理解与生成在同一架构下协同,便为模型同时考虑商品特征、空间关系和光照条件提供了基础,也让多张参考图更有机会自然地融入同一个画面。

而面对海报、连续故事这类要求较多的任务,模型还需要处理足够长的指令。

为此,Kling Image 4.0支持最高 15K Token 的指令处理能力,并采用结构化视觉语言,对画面主体、空间关系、镜头光影和跨画面时序等信息进行组织。

就像前面的女侦探组图,我们既希望人物保持同一套造型,又要求她先后进入车站、书店、雨巷和旅馆。每个场景还对应不同的动作与景别,照片、钥匙等道具也需要前后呼应。

如果模型漏掉其中一项,故事的连贯性就可能受到影响。结构化视觉语言的作用,便是帮助模型组织这些条件,处理清楚谁在什么位置、镜头怎样变化,以及前后画面之间有什么联系。

中文长海报也是类似的道理。标题、正文、活动安排和配图各有用途,模型需要结合内容安排版面,才能让读者顺着图片看下去。

除此之外,Kling Image 4.0还引入了 原生Agentic能力 ,支持在同一体系内完成感知、推理、规划与执行,并支持按需调用工具。

这项能力面向的是更复杂的视觉任务。当用户提交一份包含多种要求的需求时,模型可以先拆解任务、规划步骤,再完成相应的创作工作。

从统一架构,到长指令处理,再到任务规划,这几项升级共同指向了一个目标——

让模型能够承接更完整的创作需求。

最后,我们再回到使用体验上,这次Kling Image 4.0给人的吸引力,其实有两个层次。

一个是打开图片就能感受到的清晰度。人像放大后,眼周细纹、睫毛和钻戒切面仍然有细节,风景里的山体和倒影也经得起近看。对于需要裁切、放大展示的图片来说,这给后续使用留下了更多空间。

另一个,则要等到真正开始做图时,才能体会到。

我们做一张活动海报,通常不会只提“好看”这一个要求。活动名称要突出,日期和地点要写清楚,内容多了还得分出主次。如果后面再追加几张介绍海报,字体、配色和版式也要接得上。

商品广告和故事分镜同样如此。用户手里往往已经有产品图、角色设定和具体文案,希望AI在这些条件下完成创作。

因此,模型能处理多少具体要求,会直接影响后面需要花多少时间修改。这次实测的结果让我们看到了,Kling Image 4.0已经能够把一部分复杂需求落实成可供讨论、调整的初稿。

而从整个行业来看,图像工具的更新重点,也在逐渐深入这些具体环节。

11月4日发布的OpenAI Images 2.6,强调了编辑过程中对角色、商品和品牌细节的保持;11月10日,Adobe在MAX上进一步扩展Creative Agent,把复杂、多步骤的创作任务作为重点。

这些变化说明,用户交给AI的工作重心,逐步在向后续修改、素材复用和成套内容制作等内容发展。

从这个方向上看,Kling Image 4.0的图片能力,也让可灵有了更多独立于视频之外的使用场景。

很多人最早认识可灵,是通过AI视频。但前面这些实测,已经对应了内容配图、活动宣传、电商设计和艺术创作等需求。即便用户暂时不做视频,也可以用它完成图片阶段的工作。

对于还要继续制作视频的创作者,角色图和连贯组图又能成为后续素材。人物长什么样、场景采用什么色调、镜头怎样衔接,都可以提前通过图片讨论,减少仅靠文字沟通时的理解偏差。

说到底,大家需要的AI生图工具,既要让人眼前一亮,也要能听懂那些具体到字体、位置、道具和光线的要求。

前面的实测,让我们看到了Kling Image 4.0处理这些需求的实际表现。而在第三方评测中,它也拿到了不错的成绩。

截至发稿,Kling Image 4.0在Artificial Analysis(简称AA)的文生图榜单上位列全球第七,在上榜国产模型中排名第一,排在Nano Banana 2.1之前。

从8K人像到中文排版,再到多图参考和连续分镜,这轮体验下来,可灵在图片创作上的能力,确实值得重新认识一下了。

感兴趣的朋友赶紧去试试吧~

Kling Image 4.0体验地址: https://klingai.com/

Found an error? Send a correction