>
Kling 3.0 - Pro Pack on RunComfy
runcomfy.com · docs · GitHub
Kling 3.0 是快手科技第三代電影級影片模型。此技能涵蓋 RunComfy 上所有六個 Kling 3.0 渲染端點：三個品質層級（Standard、Pro、4K）搭配兩種模式（文字轉影片、圖片轉影片）。
Kling 3.0 是什麼
Kling 3.0 是 Kling 影片模型的 V3 世代。它能夠產出多鏡頭電影級影片，具備原生同步音訊、跨鏡頭一致的角色身份，以及符合物理法則的動態。相較於 Kling 2.x，Kling 3.0 支援更長的片段（最長 15 秒）、4K 層級的原生 4K 輸出，以及統一的多元提示段落系統，讓單次 Kling 3.0 生成可以包含多個不同場景並控制轉場。
Kling 3.0 在 RunComfy 上提供三個渲染層級，每個層級都有文字轉影片與圖片轉影片兩種模式：
- Standard - 最便宜的層級，最高 1080p 輸出。適合快速迭代、預覽、A/B 測試、社群短片。
- Pro - 1080p 最高畫質。適合需要動態真實感與身份保留的英雄級 1080p 片段。
- 4K - 原生 3840x2160 輸出。適合高解析度品牌影片、大螢幕電影級序列，以及原生解析度的最終成品。
三個層級共用相同的 Kling 3.0 多鏡頭架構。差異在於解析度上限、動態保真度預算與價格。
六個 Kling 3.0 端點
每個端點對應一個（層級, 模式）組合。所有六個端點共用相同的 Kling 3.0 基礎模型。
| 端點 | 錨點 | 解析度 | 價格（無音訊） | 價格（含音訊） |
|---|---|---|---|---|
kling/kling-3.0/standard/text-to-video |
Kling 3.0 Standard t2v | 最高 1080p | $0.084/秒 | $0.126/秒 |
kling/kling-3.0/standard/image-to-video |
Kling 3.0 Standard 圖片轉影片 | 最高 1080p | $0.084/秒 | $0.126/秒 |
kling/kling-3.0/pro/text-to-video |
Kling V3.0 Pro 文字轉影片 | 1080p | $0.112/秒 | $0.168/秒 |
kling/kling-3.0/pro/image-to-video |
Kling V3.0 Pro 圖片轉影片 | 1080p | $0.112/秒 | $0.168/秒 |
kling/kling-3.0/4k/text-to-video |
Kling V3.0 4K 文字轉影片 | 3840x2160 | $0.42/秒固定 | $0.42/秒固定 |
kling/kling-3.0/4k/image-to-video |
Kling V3.0 4K 圖片轉影片 | 3840x2160 | $0.42/秒固定 | $0.42/秒固定 |
4K 層級價格固定，不因音訊與否而異。Standard 與 Pro 層級啟用音訊時每秒價格約增加 50%。
何時選擇哪個 Kling 3.0 層級
根據輸出在流程中的角色選擇 Kling 3.0 層級。
- 草稿、預覽、社群短片、A/B 測試：Kling 3.0 Standard。最便宜。除了英雄鏡頭外品質足夠。
- 英雄級 1080p 片段、廣告創意、高動態保真度的 talking head：Kling V3.0 Pro。比 Standard 貴約 33%，但在相同解析度下動態與身份保留明顯更佳。
- 4K 品牌影片、大螢幕電影級、最終成品：Kling V3.0 4K。原生 3840x2160（無需放大步驟）。固定 $0.42/秒讓預算可預測。僅在輸出確實需要 4K 時使用——成本約為 Standard 的 5 倍。
根據是否有來源圖片選擇模式：
- 文字轉影片（t2v）：僅提示詞，Kling 3.0 從頭生成畫面。適合全新場景、全新構圖、無現有參考的環境。
- 圖片轉影片（i2v）：提示詞 + 來源圖片，Kling 3.0 將圖片動畫化。適合有明確參考（臉部、產品、場景）且必須保留在輸出中的情況。
如果使用者明確要求 Kling 3.0、Kling V3.0、Kling Pro 或 Kling 4K，則路由至此技能。
前置需求
- RunComfy CLI：
npm i -g @runcomfy/cli - RunComfy 帳號：
runcomfy login會開啟瀏覽器裝置碼流程。 - CI / 容器：設定
RUNCOMFY_TOKEN=<token>取代runcomfy login。 - i2v 端點：需要一個可公開存取的來源圖片 URL（HTTPS，JPEG/PNG/WebP）。
輸入結構（所有六個 Kling 3.0 端點共用）
| 欄位 | 型別 | 必填 | 預設值 | 備註 |
|---|---|---|---|---|
prompt |
string | 是 | - | 場景、動態、鏡頭、氛圍的文字描述。可透過 prompt_segments 支援多段落提示詞，在單次 Kling 3.0 生成中實現場景轉換。 |
image_url |
string | 是（僅 i2v） | - | Kling 3.0 i2v 的來源圖片。HTTPS URL。JPEG/PNG/WebP。 |
tail_image_url |
string | 否（僅 i2v） | - | 可選的結尾圖片，用於控制 Kling 3.0 i2v 從起始到結束的幀轉換。 |
negative_prompt |
string | 否 | - | 要從 Kling 3.0 輸出中排除的元素。 |
duration |
int | 否 | 5 | 每次 Kling 3.0 生成 3-15 秒。 |
aspect_ratio |
enum | 否 | 16:9 |
16:9、9:16、1:1、4:3、3:4、21:9。 |
cfg_scale |
float | 否 | 0.5 | 提示詞引導強度。數值越高表示更嚴格遵循提示詞。 |
generate_audio |
bool | 否 | false | 啟用 Kling 3.0 同步音訊。Standard 和 Pro 層級會增加成本；4K 層級為固定費率。 |
seed |
int | 否 | - | 用於 Kling 3.0 變體測試的可重現性。 |
如何呼叫每個 Kling 3.0 端點
Kling 3.0 Standard 文字轉影片（最便宜的 1080p 草稿）：
runcomfy run kling/kling-3.0/standard/text-to-video \
--input '{
"prompt": "<Kling 3.0 提示詞>",
"duration": 5,
"aspect_ratio": "16:9"
}' \
--output-dir <絕對路徑>
Kling 3.0 Standard 圖片轉影片（將靜態圖片動畫化）：
runcomfy run kling/kling-3.0/standard/image-to-video \
--input '{
"prompt": "<Kling 3.0 i2v 的動態描述>",
"image_url": "https://.../source.jpg",
"duration": 5
}' \
--output-dir <絕對路徑>
Kling V3.0 Pro 文字轉影片（最高 1080p 畫質）：
runcomfy run kling/kling-3.0/pro/text-to-video \
--input '{
"prompt": "<Kling 3.0 Pro 提示詞>",
"duration": 8,
"aspect_ratio": "16:9",
"generate_audio": true
}' \
--output-dir <絕對路徑>
Kling V3.0 Pro 圖片轉影片（從來源圖片進行英雄級動畫）：
runcomfy run kling/kling-3.0/pro/image-to-video \
--input '{
"prompt": "<Kling V3.0 Pro i2v 的動態描述>",
"image_url": "https://.../subject.jpg",
"duration": 8,
"generate_audio": true
}' \
--output-dir <絕對路徑>
Kling V3.0 4K 文字轉影片（原生 4K 電影級）：
runcomfy run kling/kling-3.0/4k/text-to-video \
--input '{
"prompt": "<Kling V3.0 4K 提示詞>",
"duration": 10,
"aspect_ratio": "16:9",
"generate_audio": true
}' \
--output-dir <絕對路徑>
Kling V3.0 4K 圖片轉影片（參考圖片的 4K 動畫）：
runcomfy run kling/kling-3.0/4k/image-to-video \
--input '{
"prompt": "<Kling V3.0 4K i2v 的動態描述>",
"image_url": "https://.../source-4k.jpg",
"duration": 10,
"generate_audio": true
}' \
--output-dir <絕對路徑>
CLI 會提交 Kling 3.0 請求，每 2 秒輪詢一次，取得結果，並將任何 *.runcomfy.net / *.runcomfy.com URL 下載到 --output-dir。
Kling 3.0 提示技巧 - 有效做法
Kling 3.0 對特定提示模式的反應比單純敘述更好。
以動態和鏡頭語言開頭。 Kling 3.0 會將「廣角鏡頭、緩慢推進」、「跟拍鏡頭、低角度」、「手持跟隨」視為實際指令。請將這些放在前面。
單次 Kling 3.0 生成中的多鏡頭。 單一 Kling 3.0 提示詞可以描述一系列鏡頭。為它們編號：「鏡頭 1：黃昏時咖啡館的廣角。鏡頭 2：咖啡師的中景特寫。鏡頭 3：濃縮咖啡注入的特寫。」Kling 3.0 會跨鏡頭保留身份（臉部、服裝、道具）。
i2v 的身份錨點。 使用 Kling 3.0 i2v 時，重申應保持穩定的內容：「保留主體的臉部、姿勢和服裝；僅鏡頭移動和背景改變。」
tail_image_url 用於控制結尾。 在 Kling 3.0 i2v 中，提供結尾圖片以鎖定最終幀。Kling 3.0 會從來源到結尾插值動態。
generate_audio: true 用於一次性對話。 描述 Kling 3.0 應產生的音訊：「溫暖友善的語調、英語旁白」或「城市氛圍、遠處車流、無對話」。Standard/Pro 層級音訊會增加成本；4K 為固定費率。
cfg_scale 調整。 預設 0.5 適用於大多數 Kling 3.0 提示詞。對於風格化輸出，提高至 0.7-0.9 以嚴格遵循提示詞。對於寬鬆提示詞，降低至 0.3-0.4 以獲得自然動態。
反模式：
- 在單一 Kling 3.0 提示詞中加入衝突的風格線索 -> 簡化，選擇一兩個風格錨點。
- 要求單次 Kling 3.0 呼叫超過 15 秒 -> 422 錯誤；請分段腳本並拼接。
- 使用不支援的長寬比 -> 被拒絕。
- 對於 Kling V3.0 4K，要求激進的多鏡頭故事加上 15 秒加上對話加上 6 個剪輯 -> Kling 3.0 可以做到，但成本會升至每次生成約 $6.30。建議先用 Standard 驗證。
Kling 3.0 的強項
| 使用案例 | 最佳 Kling 3.0 端點 |
|---|---|
| 具有一致角色的電影級 1080p 品牌故事 | Kling V3.0 Pro（t2v 或 i2v） |
| 原生 4K 英雄影片與大螢幕電影級 | Kling V3.0 4K（t2v 或 i2v） |
| 低成本迭代、社群優先短片、A/B 測試 | Kling 3.0 Standard t2v |
| 將品牌素材、產品照片、角色藝術動畫化 | Kling 3.0 Standard i2v 或 Kling V3.0 Pro i2v |
| 一次性生成多鏡頭廣告並同步對話 | Kling V3.0 Pro 搭配 generate_audio: true |
| 具有原生音訊的高階 4K 最終成品 | Kling V3.0 4K 搭配 generate_audio: true（固定費率） |
Kling 3.0 提示範例
Kling 3.0 電影級多鏡頭（建議 Pro 層級）：
一對年輕美國夫婦在燭光屋頂餐廳慶祝週年紀念的電影級多鏡頭。
鏡頭 1：金色時刻城市天際線的廣角。鏡頭 2：中景雙人鏡頭，夫婦舉杯。
鏡頭 3：女子微笑的特寫，柔和的散景，溫暖的補光。
輕柔的環境弦樂，微風，遠處車流聲。
Kling 3.0 i2v（將肖像動畫化，4K 層級）：
從來源圖片對主體進行緩慢的推軌鏡頭。
微弱的呼吸動態，身份穩定的特徵，柔和自然光，
淺景深。背景：溫暖的金色時刻光暈，緩慢飄動的灰塵微粒。
無對話，僅環境室內音。
Kling 3.0 垂直短片（Standard 層級，9:16）：
9:16 垂直。一位穿黑色圍裙的咖啡師正在萃取單份濃縮咖啡，
蒸氣在晨光中升起，豐富的 crema 緩慢形成。
手持特寫，淺景深，溫暖的咖啡館氛圍和蒸氣棒的嘶嘶聲。
Kling 3.0 常見問題
Kling 3.0 片段的最大長度是多少？ 所有三個層級每次生成最長 15 秒。對於更長的敘事，請將腳本分段為多個 Kling 3.0 呼叫並拼接。
Kling V3.0 4K 與 Standard 和 Pro 相比如何定價？ Kling V3.0 4K 固定為每秒 $0.42，無論是否啟用音訊。Standard 無音訊為 $0.084/秒（最便宜）。Pro 無音訊為 $0.112/秒。4K 層級的成本約為 Standard 的 5 倍，以換取解析度升級。
Kling 3.0 是否支援單次生成中的多鏡頭？ 是。所有 Kling 3.0 端點都接受多段落提示詞。為鏡頭編號（「鏡頭 1：」、「鏡頭 2：」等），Kling 3.0 會跨鏡頭保留角色身份。
Kling 3.0 可以生成音訊嗎？ 可以。設定 generate_audio: true。Kling 3.0 會在相同生成過程中產生同步對話、環境音和音樂。4K 層級價格固定為 $0.42/秒；Standard/Pro 層級啟用音訊後價格約增加 50%。
Kling 3.0 支援哪些長寬比？ 16:9、9:16、1:1、4:3、3:4、21:9。4K 層級會將 21:9 渲染為原生 3840x2160 的寬銀幕裁切。
Kling 3.0 i2v 是否支援結尾圖片？ 是。tail_image_url 鎖定最終幀；Kling 3.0 會從來源到結尾插值動態。
Kling 3.0 與 Kling 2.x 有何不同？ Kling 3.0 具有更強的多鏡頭身份保留、更長的最大時長（15 秒 vs 2.x 旗艦的 10 秒）、4K 層級的原生 4K，以及所有層級統一的多元提示段落輸入。
限制
- 每次呼叫時長上限 15 秒，適用於所有 Kling 3.0 層級。
- 單次 Kling 3.0 4K 生成最多 6 個連續鏡頭。
- i2v 需要可公開存取的 HTTPS 圖片 URL。不支援本地檔案。
- 長寬比固定為文件中的六種。其他比例會被裁切或拒絕。
- 4K 輸出檔案很大。在批次執行 Kling V3.0 4K 前請規劃磁碟和頻寬。
退出碼
runcomfy CLI 使用 sysexits 風格的代碼：
| 代碼 | 意義 |
|---|---|
| 0 | Kling 3.0 生成成功 |
| 64 | CLI 參數錯誤 |
| 65 | Kling 3.0 輸入 JSON 錯誤 / 結構不符 |
| 69 | 上游 5xx 錯誤 |
| 75 | 可重試：超時 / 429 |
| 77 | 未登入或 token 被拒絕 |
完整參考：docs.runcomfy.com/cli/troubleshooting。
運作方式
- 技能根據使用者的層級（Standard / Pro / 4K）和模式（t2v / i2v）意圖，選擇六個 Kling 3.0 端點之一。
- 它使用符合結構的 JSON 主體呼叫
runcomfy run kling/kling-3.0/<tier>/<mode>。 - CLI 使用使用者的 bearer token 向 RunComfy Model API 發送 POST 請求。
- Model API 返回
request_id；CLI 每 2 秒輪詢一次，直到 Kling 3.0 生成完成。 - 在終端狀態下，CLI 取得 Kling 3.0 結果並將任何
.runcomfy.net/.runcomfy.comURL 下載到--output-dir。 Ctrl-C可在計費前取消進行中的 Kling 3.0 請求。
安全性與隱私
- Token 儲存：
runcomfy login將 API token 寫入~/.config/runcomfy/token.json，權限設為 0600。在 CI / 容器中設定RUNCOMFY_TOKEN環境變數。 - 輸入邊界：Kling 3.0 提示詞透過
--input以 JSON 傳遞。CLI 不會進行 shell 展開。無 shell 注入風險。 - 第三方內容：您傳遞的圖片 URL 由 RunComfy 伺服器擷取，而非您機器上的 CLI。請將外部 URL 視為不可信任；基於圖片的提示詞注入是任何接受圖片輸入的影片模型的已知風險。
- 對外端點：僅
model-api.runcomfy.net（請求提交）和*.runcomfy.net/*.runcomfy.com（下載白名單）。 - 生成檔案大小上限：CLI 會中止任何大於 2 GiB 的單一下載，以防止失控的 Kling 3.0 4K 輸出耗盡磁碟空間。
