kling-3-0

Kling 3.0 - Pro Pack on RunComfy

runcomfy.com · docs · GitHub

Kling 3.0 是快手科技的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）與兩種模式（文字轉影片和圖片轉影片）。

Kling 3.0 是什麼

Kling 3.0 是 Kling 影片模型的 V3 世代。它能夠產生多鏡頭電影級影片，具備同步原生音訊、跨鏡頭一致的角色身份，以及符合物理學的動態。與 Kling 2.x 相比，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片段系統，讓一個 Kling 3.0 生成可以包含多個不同場景，並控制轉場效果。

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和圖片轉影片兩種模式：

• Standard - 最便宜的層級，最高 1080p 輸出。使用 Kling 3.0 Standard 進行快速迭代、預覽、A/B 變體、社群短片。
• Pro - 1080p 下最高保真度。使用 Kling V3.0 Pro 製作高品質 1080p 片段，特別注重動態真實感與身份保留。
• 4K - 原生 3840x2160 輸出。使用 Kling V3.0 4K 製作高解析度品牌影片、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。層級差異在於解析度上限、動態保真度預算和價格。

6 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 Image to Video	最高 1080p	$0.084/秒	$0.126/秒
kling/kling-3.0/pro/text-to-video	Kling V3.0 Pro Text-to-Video	1080p	$0.112/秒	$0.168/秒
kling/kling-3.0/pro/image-to-video	Kling V3.0 Pro Image-to-Video	1080p	$0.112/秒	$0.168/秒
kling/kling-3.0/4k/text-to-video	Kling V3.0 4K Text-to-Video	3840x2160	$0.42/秒固定	$0.42/秒固定
kling/kling-3.0/4k/image-to-video	Kling V3.0 4K Image-to-Video	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 和 Pro 層級啟用音訊時，每秒價格約增加 50%。

如何選擇 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 變體：Kling 3.0 Standard。最便宜。除了主鏡頭外，品質已足夠。
• 主鏡頭 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，動態和身份保留明顯更佳。
• 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，預算易於預測。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。使用 Kling 3.0 t2v 製作全新場景、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。當你有確切參考（臉部、產品、場景）且必須保留在輸出中時，使用 Kling 3.0 i2v。

如果使用者明確要求 Kling 3.0、Kling V3.0、Kling Pro 或 Kling 4K，無論如何都路由到此技能。

先決條件

1. RunComfy CLI：npm i -g @runcomfy/cli
2. RunComfy 帳號：runcomfy login 會開啟瀏覽器裝置碼流程。
3. CI / 容器：設定 RUNCOMFY_TOKEN=<token> 取代 runcomfy login。
4. i2v 端點：一個可公開存取的來源圖片 URL（HTTPS，JPEG/PNG/WebP）。

輸入結構（所有 6 個 Kling 3.0 端點共用）

欄位	類型	必填	預設值	備註
prompt	string	是	-	場景、動態、鏡頭、氛圍的文字描述。透過 prompt_segments 支援多片段提示，可在一次 Kling 3.0 生成中實現場景轉場。
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 的起始到結束幀轉場。
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 生成的秒數，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。越高表示越嚴格遵循提示詞。
generate_audio	bool	否	false	啟用 Kling 3.0 的同步音訊生成。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 prompt>",
    "duration": 5,
    "aspect_ratio": "16:9"
  }' \
  --output-dir <absolute/path>

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": "<motion description for Kling 3.0 i2v>",
    "image_url": "https://.../source.jpg",
    "duration": 5
  }' \
  --output-dir <absolute/path>

Kling V3.0 Pro 文字轉影片（最高 1080p 保真度）：

runcomfy run kling/kling-3.0/pro/text-to-video \
  --input '{
    "prompt": "<Kling 3.0 Pro prompt>",
    "duration": 8,
    "aspect_ratio": "16:9",
    "generate_audio": true
  }' \
  --output-dir <absolute/path>

Kling V3.0 Pro 圖片轉影片（從來源圖片製作主鏡頭動畫）：

runcomfy run kling/kling-3.0/pro/image-to-video \
  --input '{
    "prompt": "<motion description for Kling V3.0 Pro i2v>",
    "image_url": "https://.../subject.jpg",
    "duration": 8,
    "generate_audio": true
  }' \
  --output-dir <absolute/path>

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 prompt>",
    "duration": 10,
    "aspect_ratio": "16:9",
    "generate_audio": true
  }' \
  --output-dir <absolute/path>

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": "<motion description for Kling V3.0 4K i2v>",
    "image_url": "https://.../source-4k.jpg",
    "duration": 10,
    "generate_audio": true
  }' \
  --output-dir <absolute/path>

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。 一個 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 會在不同鏡頭間保留身份（臉部、服裝、道具）。

i2v 的身份錨點。 使用 Kling 3.0 i2v 時，重申應保持穩定的部分：「保留主體的面部、姿勢和服裝；只有鏡頭移動和背景改變。」

使用 tail_image_url 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。

啟用 generate_audio: true 進行一次性對話。 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 層級會增加成本；4K 層級為固定費率。

調整 cfg_scale。 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：

• 在一個 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；將腳本分段並拼接。
• 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 會產出，但成本約為每次生成 $6.30。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 主鏡頭影片和大螢幕電影級	Kling V3.0 4K（t2v 或 i2v）
低成本迭代、社群優先短片、A/B 變體	Kling 3.0 Standard t2v
將品牌資產、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附同步對話	Kling V3.0 Pro 搭配 generate_audio: true
附原生音訊的高階 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。
微弱的環境弦樂，輕柔的風，遠處的車流。

Kling 3.0 i2v（將肖像動畫化，4K 層級）：

從來源圖片對主體進行輕柔的攝影機推近。
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，僅有環境室內音。

Kling 3.0 垂直短片（Standard 層級，9:16）：

9:16 垂直。一位穿著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，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？ 是的。所有 Kling 3.0 端點都接受多片段提示詞。為鏡頭編號（「鏡頭 1：」、「鏡頭 2：」等），Kling 3.0 會在不同鏡頭間保留角色身份。

Kling 3.0 可以生成音訊嗎？ 可以。設定 generate_audio: true。Kling 3.0 會在相同的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？ 是的。tail_image_url 鎖定最終幀；Kling 3.0 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片段輸入。

限制

• 每次呼叫最長 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。不支援本機檔案。
• 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 之前，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：逾時 / 429
77	未登入或 token 被拒絕

完整參考：docs.runcomfy.com/cli/troubleshooting。

運作方式

1. 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。
2. 使用符合結構的 JSON 主體執行 runcomfy run kling/kling-3.0/<tier>/<mode>。
3. CLI 使用使用者的 bearer token 向 RunComfy Model API 發送 POST 請求。
4. Model API 返回 request_id；CLI 每 2 秒輪詢一次，直到 Kling 3.0 生成完成。
5. 在終端狀態下，CLI 取得 Kling 3.0 結果，並將任何 .runcomfy.net / .runcomfy.com URL 下載到 --output-dir。
6. Ctrl-C 可在計費前取消正在進行的 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 視為不受信任；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 會中止任何超過 2 GiB 的單一下載，以防止失控的 Kling 3.0 4K 輸出填滿磁碟。