
智东西
作者 | 毕伟豪
编辑|漠影
可灵不只会拍视频了。
话不多说,先看一组图,如果不提前说,你能看出来这些都是 AI 生成的吗?

阴天田埂上的年轻女孩、阳光下街头买水果的外国女生、夏日玩水的孩子 ……
皮肤纹理、衣物褶皱、自然光影,包括环境里那些不起眼的细节,都让这几张照片多了几分真实生活的味道。
这些照片都出自可灵 AI 最新推出的图像创作模型——Kling Image 4.0。
没错,就是那个以视频生成著称的可灵。
此次,Kling Image 4.0 重点升级了画面真实感、文字表现力、复杂指令理解和跨图一致性。据官方介绍,新模型支持原生 8K 图像生成、单张图片最多呈现 2000 字文字内容,还能一次生成最多 10 张连贯组图。
技术上,Kling Image 4.0 采用理解生成统一架构,并引入规划与 Agentic 能力,提升复杂视觉任务的完成效果。
为了检验 Kling Image 4.0 能不能打,智东西设计了从高清摄影、漫画创作、分镜设计到游戏魔改等多项任务,到底是不是夯爆了,一看便知。
一、实测 Kling Image 4.0 画质、编辑能力:从 8K 写真到游戏魔改
首先来看图像质量,我们让 Kling Image 4.0 化身摄影师,生成了一张年轻中国女性的写实人像,要求画面呈现自然的皮肤纹理、发丝细节和真实光影。

从整体来看,画面保持了比较自然的摄影质感,人物与周围环境的光影关系协调,没有刻意堆叠锐化和高光效果,但环境和人物在真实感上还略有瑕疵。
8K 的优势,光看缩略图很难体现。我们将画面放大,分别截取了面部和皮衣的局部细节。
放大之后,画面的细节仍然比较丰富。眼睛、头发和衣物呈现出不同的特点,皮肤也保留了自然的明暗变化。尤其是发丝与衣物纹理,并没有因为画面放大就完全糊成一团。
人像之外,我们还准备了山谷晨雾、雪山日出、沙漠夕阳等风光摄影测试,参考摄影师李学亮老师的光影手法。
在光影和空间层次上,晨雾、山脊与天空之间形成了自然的明暗过渡,雪山和沙漠场景也呈现出不同的光线特点。几张图片对自然环境的质感处理比较克制,整体接近真实的风光摄影作品。
除了画质,Kling Image 4.0 的编辑能力也不遑多让。比如下面我们给一张西式婚礼合照换画风,要求模型保留新郎、新娘和五位亲友的外貌、站位和服装,将照片转换为不同艺术风格,以及更换逆光环境。
从生成结果来看,模型能够将人物和周围环境统一转换为新的艺术风格和状态,同时保留原图的主要构图和人物关系。
最后,我们给 Kling Image 4.0 安排了一项有意思的任务:帮《影之刃零》主角 " 魂 " 换上李小龙经典黄黑功夫服,再把刀剑改成双截棍。
我们要求保留角色原有的面部、发型、动作和游戏场景,只替换服装与武器。
整体看下来,新服装与原始游戏画面的融合比较自然,黄黑配色的功夫服与原有游戏美术风格形成了有意思的反差,但没有明显破坏画面的整体感。
武器替换也完成核心要求,双截棍与人物动作具有一定的关联性,呈现出了接近游戏 MOD 概念设计的视觉效果,不过,还存在一些细节上处理毛糙和改动过当的地方。
二、密集中文排版、超长电商详情页,设计师的活也能干
接下来,我们让 Kling Image 4.0 去做商业设计。
第一项任务,是给一款笔记本电脑制作完整的电商详情页。
我们上传产品照片,要求模型生成一张超长详情图,包含产品主视觉、核心卖点、外观细节、使用场景和参数说明,并保持统一的设计风格。
从结果来看,模型基本完成了这张长图的信息组织。页面按照不同内容划分了展示区域,产品主体、卖点文字和细节图片之间有比较明确的层级,整体风格也较为统一。
文字排版也是 Kling Image 4.0 的重点能力,我们让它设计一张主题为 " 人机共事 " 的科技杂志海报,采用奶油白、钴蓝和橘红配色,加入巨型标题、办公场景插画,以及约 400 字的中文正文。

从整体效果来看,海报标题、正文和插画被安排在不同区域,信息层级比较清楚,配色和排版也形成了比较统一的视觉风格,不过,整体排版还是少了一些设计感。此外,多字数密集排版的测试中,会出现一些文字错误情况。
我们还进一步测试了局部调整能力,尝试让 Kling Image 4.0 更换字体以及部分文字。

可以看到,字体的变换和局部改字的调整都相当精准,对于商业设计而言,这类能力比较实用。毕竟,一张海报完成后,修改标题、调整文案是常见的操作。

在商品营销场景,我们还准备了球鞋、腕表和笔记本电脑三张产品照片,要求模型分别设计不同风格的广告海报。

三张海报呈现出了比较明显的风格差异。Kling Image 4.0 根据商品特点调整了配色、构图和字体设计。从展示效果来看,商品主体与背景元素的融合较为自然,海报也具有一定的商业设计完成度。
除了常规商品海报,我们还尝试了两组更有创意的艺术设计。
第一组是《A SMALL UNIVERSE》,让模型在一杯咖啡中构建一座微缩城市,搭配杂志式标题和排版;第二组则是《听见颜色》,要求模型将抽象的声音转化为一座巨大的橘红色玻璃雕塑,并加入中英文展览信息。

两组作品都比较好地还原了我们的创意。前者将微缩建筑与真实的咖啡馆场景自然融合,尺度对比带来了有趣的视觉效果;后者则通过透明玻璃的材质、复杂曲面和光影折射,呈现出较强的艺术感。
整体来看,Kling Image 4.0 不仅能够处理常规商业设计,也能将相对抽象的创意转化为具有完整构图和排版的视觉作品。
三、一句话拍出 10 张漫剧分镜,电影级镜头感大片直出
单张图片仅是 Kling Image 4.0 一部分,组图创作同样是这次升级的重点。下面的测试,我们让 Kling Image 4.0 一次生成 10 张分镜图,看看它能不能讲好一个故事。
首先是一部悬疑漫剧《午夜列车》。故事讲述一名年轻女生深夜独自在地铁站等车,捡到一张红色车票。末班车驶来,她却发现车厢里站着十年后的自己。

从组图来看,不同画面之间具有比较明确的叙事关系,镜头也没有局限于同一个景别,通过远景、近景和人物特写逐步推进剧情,主角的服装和整体形象在连续镜头中保持了较好的统一性。
第二组是一则加班之后真实的梦中故事——《一个打工人的精神离职》。
主人公是一名正在加班的中国年轻程序员,身体坐在工位上,精神却已经飞到了海边、雪山、沙漠,甚至太空。正当他沉浸在旅行中时,电脑突然弹出一条消息:" 有个 Bug 要加班修一下。"

从结果来看,它能够按照故事梗概组织不同场景,完成情节推进,画面之间有一定的节奏变化,不同环境各有特点。不过,一些镜头还是有些塑料感。
两组故事之外,我们还试着让 Kling Image 4.0 创作一组新疆风光纪录片的分镜。
我们让模型在同一片山谷中,从清晨拍到日落,生成 10 张不同角度和光线条件下的风景照片。

清晨的冷色调、正午明亮的自然光,以及傍晚逐渐加深的蓝色氛围,让同一片山谷呈现出不同的视觉效果。不同镜头也展示出了航拍、远景和局部取景的区别,整组图片具有比较统一的纪录片摄影风格。
除了连续组图,Kling Image 4.0 还有一些有趣的玩法,比如通过单张画面呈现具有叙事感的电影镜头。
我们让模型拍摄了一张失恋题材的电影剧照:深夜的出租屋里,一名年轻女生独自坐在餐桌前,桌上摆着两份没吃完的晚餐,另一张椅子却空着。

这张图的情绪表达比较克制,我们没有要求人物流泪或做出夸张的悲伤表情,只是让模型通过人物神态、镜头构图和生活细节,表现分手后的失落情绪。
还比如绿幕换景,我们先生成演员在绿幕摄影棚中的动作画面,再将背景替换为城市夜景和侏罗纪公园。

修改后的画面保留了演员的主要动作和造型,人物与新背景之间的光影关系也比较协调,具备一定的电影场景合成效果。
还有根据手绘草图生成图片,我们画了一张简单的西式婚礼草图,要求模型根据线条理解人物关系,将新娘挽着父亲走向新郎的画面转换成真实摄影作品。

即便参考图十分简陋,模型依然能够识别主要人物及其空间关系,并补充婚礼场景中的座椅、花艺、宾客等细节,将简单草图转换为具有实际场景感的画面。
从漫剧、短故事到风光纪录片,这些任务对模型的要求已经不只是画面好看,还包括角色、场景和镜头之间的连续性。
四、AI 生图竞争转向复杂创作,可灵生图能力应该被单独注视
随着 AI 图像生成技术逐渐成熟,单纯依靠画质,已经越来越难在市场上拉开差距。
如今,主流 AI 生图模型基本都能生成质量不错的人像、风景和创意图片,过去常见的人物畸形、画面失真等问题也有明显改善。
但在实际设计、广告和影视制作中,生成一张图片通常只是整个创作过程的一部分。模型后续还需要调整局部细节、修改文字,或者围绕同一主题制作完整的作品。
这也是 Kling Image 4.0 此次技术升级的重点。
在模型架构上,Kling Image 4.0 采用全新的理解生成一体化架构,以单一 Transformer 作为视觉理解与图像生成的核心。
不同于将语言模型与扩散模型进行组合的技术路线,Kling Image 4.0 通过统一自回归模型,将世界知识、视觉感知和图像潜空间整合到同一上下文中,增强模型对物理规律、空间关系和复杂指令的理解能力。
与此同时,Kling Image 4.0 引入了结构化视觉表达机制,能够对画面主体、空间布局、镜头光影及跨帧时序等不同视觉要素进行处理。
配合最高 15K Token的长指令处理能力,模型可以同时理解较多的细节约束,并将其应用到复杂文字排版、多素材编辑和连续分镜等任务中。
此外,Kling Image 4.0 还引入了原生 Agentic 能力,能够围绕复杂视觉需求进行任务拆解、规划和工具调用,将多个创作步骤组织起来。
这些技术升级所对应的,正是前面实测中涉及的图像编辑、复杂排版和连续组图等场景。
不过,对可灵而言,图像生成还有另一层意义。
提到可灵 AI,很多人首先想到的仍然是视频生成。虽然视频能力已经帮助可灵建立起较高的知名度,但图像创作同样需要获得更多独立关注。
此次推出 Kling Image 4.0,可以看作可灵进一步强化图像产品竞争力的一次尝试。
事实上,图像与视频生成之间,有不少可以衔接的创作环节。比如,先利用图像模型完成角色、场景和分镜设计,再将这些素材用于后续视频制作。
对可灵而言,图像生成既可以作为独立产品拓展用户和商业市场,也可以与现有的视频生成能力形成互补。
结语:不止视频,可灵拓宽 AI 视觉创作版图
整体来看,从高清摄影、商业海报到连续分镜设计,Kling Image 4.0 在不同类型的创作任务中都呈现出较为全面的能力。
但具体到实际使用,生成结果能否符合创作者的要求,以及后续修改需要投入多少时间,仍然是决定模型是否好用的重要因素。
对于可灵而言,视频生成已经建立了较高的市场认知,而 Kling Image 4.0 的推出,则是其进一步强化图像创作能力的重要一步。
图像和视频两条路线相互补充,也为可灵争取更广泛的创作者群体和商业化空间提供了可能。


登录后才可以发布评论哦
打开小程序可以发布评论哦