Kling Image 4.0

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~

来一波上难度的实测

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。

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)

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!

多个参考图一起拿捏

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。

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。

怎么做到的?

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。

原始来源量子位

原文页面仍是署名、版权归属和后续更新的最终来源。

查看原文 ↗
← 返回最新