做产品视频时，Kling 4.0 的 15 个参考素材该怎么排

做一段产品发布视频，最怕的不是模型没有东西可吃，而是大家把东西一股脑塞进去。

商品白底图、人物设定、竞品片段、品牌色板、上次拍的素材、几张“感觉很对”的氛围图……最后一起扔进生成器，再加一句“高级一点，镜头有电影感”。生成结果有时并不差：每一帧单看都挺能打，连起来却像几个陌生人临时拼成了一个项目组。

这正是我看 Kling 4.0 时最在意的地方。它现在支持单次原生生成最长 30 秒、最多组合 15 项参考素材，也允许最多 10 张关键帧。随后 fal 宣布它面向所有客户开放 API 访问。对要把视频生成接进内容工作流的团队来说，这不是“又多了几个参数”，而是参考素材终于足够多，足以把一次生成当成一小段分镜来管。

但前提是：别把 15 个位置当成更大的灵感垃圾桶。

官方材料里，参考可以来自图片、视频、主体与音色；关键帧可以指定人物状态、场景变化和情节节点。可灵的发布说明 还特别提到，商品图、三视图、故事板、线框图和参考视频都可以进入同一次任务。模型拿到的不是“灵感板”，而是一份有可能互相打架的拍摄说明。

官方全能参考示例。它展示的是连续镜头的可能性，不是对任意素材组合的成片承诺。

先给每份素材分工，再上传

我会把一段 15 到 30 秒的产品片先拆成四类素材。这个表不用写得像影视工业流水线，但一定要让同事看得懂，也让下一次迭代能知道该替换哪一类输入。

素材角色	放什么	它解决的问题	最容易犯的错
主体锚点	商品正反面、角色三视图、服装细节	谁必须前后一致	同时给三个风格相反的主体图
场景锚点	空间、色温、时间、材质参考	这段片发生在哪里	把“氛围”误当成可复用布景
镜头锚点	运镜、动作、节奏的短参考	镜头怎么走、动作多快	让一段参考片同时承担角色与风格
叙事锚点	首帧、转折帧、尾帧或粗故事板	观众最后记住什么	用十张关键帧描述十个无关镜头

官方给出的上限是 15 项参考，其中图片最多 10 张、视频最多 5 段，主体最多 7 个。上限不等于配额。一个只有主商品和一位出镜者的广告，先用 5 到 7 项有明确职责的素材，通常比“刚好凑满 15 项”更容易判断问题出在哪里。

这也是 API 接入时值得保留 role 字段的原因。不要只存一个 references 数组；给素材写上 subject、scene、motion、story 这类业务标签。模型并不认识你的标签，但人认识。等画面跑偏，团队能先问“是商品没锁住，还是镜头参考把它带走了”，而不是重新抽一轮卡。

小团队可以从一个很克制的试片开始：两张商品图、一张场景图、一段只看节奏的参考视频，再加一张决定结尾构图的关键帧。第一轮只验证“商品是否稳定出现”和“动作有没有读起来顺”，不要同时考角色口型、复杂运镜、文字渲染和多场景切换。确认主体与动作没有散架后，第二轮再加角色、替换场景或拉长片段。这样就算失败，也知道是哪个变量把画面带偏了。

反过来，一段片子如果必须靠十几项素材才勉强成立，也该回头检查脚本本身。模型可以帮你把镜头之间的空白补起来，却不能替产品团队决定这一段到底在讲一个卖点，还是同时讲了五件事。

关键帧不是分镜截图仓库

10 张关键帧听起来很容易让人兴奋：终于能把每一个画面都指定了。可一段 20 秒产品片真把十张都塞满，往往只是在要求模型同时完成十次剪辑、十次转场和十套景别变化。

更实用的用法是先定三件事：第一眼看见什么，中途发生哪一次变化，最后停在哪个可用的收束画面。也就是开场锚点、转折锚点、落版锚点。如果这三个点已经清楚，额外关键帧应该只拿来解决具体断点，例如角色从室内走到户外时的服装连续性，或商品从手持近景切到使用场景时的视角衔接。

官方界面截图。真正需要团队先做决定的，是面板前那张镜头清单。

如果你准备把这一能力接到产品后台，可以先用下面这张最小规格单。它不依赖某家 API 的字段名，先解决创意与交付之间的翻译问题：

片段目标：15 秒新品功能演示，给首次访问落地页的人看
不变项：商品外观、品牌主色、主角服装
开场锚点：0–3 秒，商品与使用场景同框
转折锚点：4–10 秒，主角完成一个明确动作
落版锚点：11–15 秒，商品特写与一句可读的卖点

主体素材：商品正面、侧面、主角半身
场景素材：一张主空间图
镜头素材：一段只参考推进节奏的短片
禁止变化：不要换商品结构；不要新增第二位主角；不要改变时间段
验收：商品是否可辨认、动作是否完成、落版是否可裁成封面

这里有个挺朴素的原则：一份参考只负责回答一个主要问题。商品图回答“长什么样”，镜头参考回答“怎么动”，故事板回答“先后顺序”。当一张图既想控制产品造型，又想规定人物情绪、镜头速度和光影风格时，返工就开始变得很玄学。

生成之后，先看可交付性，不要先看“哇”

Kling 4.0 的官方主张是更稳的高动态和复杂运镜，也支持连续叙事。这些都值得放进候选引擎，但产品团队真正要验收的不是“有没有一帧能发朋友圈”，而是这段视频能不能进入下一个环节。

我建议每次生成后按这个顺序看：

1. 主体一致性：商品的结构、logo 位置、角色服装有没有在镜头间悄悄变掉？
2. 叙事可读性：即使静音看，是否也能看懂动作从哪里开始、在哪里结束？
3. 可剪辑性：开头、中段、结尾有没有至少一个能单独裁切进落地页、信息流或详情页的位置？
4. 失败可定位性：这次不对，是应该换商品图、换镜头参考，还是缩短片段？

前两个保证观众不会出戏，后两个决定团队能不能迭代。尤其是把模型包进 API 以后，最贵的不是某一次生成，而是失败后没有证据告诉你下一次该改什么。

所以我会把每一次生成留成一个很小的运行记录：用了哪些素材版本，哪些被标为主体／场景／镜头，关键帧分别锁住什么，以及四项验收里哪一项没过。它不是为了把创作变成填表，而是为了避免三天后看到一条好结果，却再也复现不了它。需要批量产出时，这份记录也能把“某位同事手感好”变成可以复用的镜头配方。

目前能核实的是模型给了更长的原生片段、更大的参考容量和更多关键帧控制；我没有拿真实客户项目去实测它在不同产品、人物与版权素材上的稳定程度。价格、额度、商业使用边界和具体请求字段，也应以你实际接入的平台文档为准。别因为“API 已开放”就把人工复核、素材授权和成片验收一起外包出去。

这波更新让我更愿意把 AI 视频看成一个输入编排问题，而不是一个提示词比赛。30 秒足够讲一个小动作，也足够暴露一次交接混乱。先把参考素材按镜头职责排好，再让模型去干它擅长的那部分，成片才有机会像一段作品，而不是一组漂亮的随机画面。

如果你们团队做过 AI 视频，最常失控的是角色、商品，还是镜头节奏？

— 小岛 AI

记录一线实战、踩坑与成长