kling-3-0

Kling 3.0 - RunComfy 专业包

runcomfy.com · 文档 · GitHub

Kling 3.0 是快手科技的第三代电影级视频模型。此技能涵盖 RunComfy 上所有六个 Kling 3.0 渲染端点：三个质量层级（标准、专业、4K）和两种模式（文生视频和图生视频）。

Kling 3.0 是什么

Kling 3.0 是 Kling 视频模型的 V3 代。它生成多镜头电影级视频，具有同步原生音频、跨镜头一致的角色身份以及符合物理规律的运动。与 Kling 2.x 相比，Kling 3.0 支持更长的片段（最长 15 秒）、4K 层级的原生 4K 输出，以及统一的多提示片段系统，允许一次 Kling 3.0 生成包含多个不同场景并控制过渡。

Kling 3.0 在 RunComfy 上提供三个渲染层级，每个层级均可作为文生视频或图生视频使用：

• 标准 - 最便宜的层级，最高 1080p 输出。使用 Kling 3.0 标准版进行快速迭代、预览、A/B 变体和社交媒体短片。
• 专业 - 1080p 下最高保真度。在运动真实感和身份保留最为重要的场景下，使用 Kling V3.0 专业版生成高质量 1080p 片段。
• 4K - 原生 3840x2160 输出。使用 Kling V3.0 4K 版生成高分辨率品牌影片、大屏幕电影级序列以及原生分辨率的成品母版。

所有三个层级共享相同的 Kling 3.0 多镜头架构。层级在分辨率上限、运动保真度预算和定价上有所不同。

6 个 Kling 3.0 端点

每个端点对应一个（层级，模式）对。所有六个端点共享相同的 Kling 3.0 基础模型。

端点	锚点	分辨率	价格（无音频）	价格（含音频）
kling/kling-3.0/standard/text-to-video	Kling 3.0 标准版 t2v	最高 1080p	$0.084/秒	$0.126/秒
kling/kling-3.0/standard/image-to-video	Kling 3.0 标准版图生视频	最高 1080p	$0.084/秒	$0.126/秒
kling/kling-3.0/pro/text-to-video	Kling V3.0 专业版文生视频	1080p	$0.112/秒	$0.168/秒
kling/kling-3.0/pro/image-to-video	Kling V3.0 专业版图生视频	1080p	$0.112/秒	$0.168/秒
kling/kling-3.0/4k/text-to-video	Kling V3.0 4K 文生视频	3840x2160	$0.42/秒固定	$0.42/秒固定
kling/kling-3.0/4k/image-to-video	Kling V3.0 4K 图生视频	3840x2160	$0.42/秒固定	$0.42/秒固定

4K 层级无论是否启用音频，价格相同。标准和专业层级在启用音频时，每秒价格增加约 50%。

何时选择哪个 Kling 3.0 层级

根据输出在流程中的角色选择 Kling 3.0 层级。

• 草稿、预览、社交媒体短片、A/B 变体：Kling 3.0 标准版。最便宜。除主镜头外，质量足够。
• 主镜头 1080p 片段、广告创意、高运动保真度的说话人物：Kling V3.0 专业版。比标准版贵约 33%，但在相同分辨率下运动更紧密、身份保持更佳。
• 4K 品牌影片、大屏幕电影级、成品母版：Kling V3.0 4K 版。原生 3840x2160（无放大步骤）。固定 $0.42/秒使预算可预测。仅在输出确实需要 4K 时使用——成本约为标准版的 5 倍。

根据是否有源图像选择模式：

• 文生视频（t2v）：仅提示词，Kling 3.0 从头生成外观。对于新颖场景、全新构图、无现有参考的环境，使用 Kling 3.0 t2v。
• 图生视频（i2v）：提示词 + 源图像，Kling 3.0 对图像进行动画处理。当有精确参考（人脸、产品、场景）且必须保留到输出中时，使用 Kling 3.0 i2v。

如果用户明确要求 Kling 3.0、Kling V3.0、Kling Pro 或 Kling 4K，则路由到此技能。

前提条件

1. RunComfy CLI：npm i -g @runcomfy/cli
2. RunComfy 账户：runcomfy login 打开浏览器设备码流程。
3. CI / 容器：设置 RUNCOMFY_TOKEN=<token> 代替 runcomfy login。
4. 对于 i2v 端点：一个可公开获取的源图像 URL（HTTPS，JPEG/PNG/WebP）。

输入模式（所有 6 个 Kling 3.0 端点共享）

字段	类型	必填	默认值	说明
prompt	string	是	-	场景、运动、镜头、氛围的文字描述。通过 prompt_segments 支持多片段提示，用于一次 Kling 3.0 生成中的场景过渡。
image_url	string	是（仅 i2v）	-	Kling 3.0 i2v 的源图像。HTTPS URL。JPEG/PNG/WebP。
tail_image_url	string	否（仅 i2v）	-	可选的结束图像，用于控制 Kling 3.0 i2v 的起始到结束帧过渡。
negative_prompt	string	否	-	要从 Kling 3.0 输出中排除的元素。
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	提示引导强度。越高表示对提示的遵循越严格。
generate_audio	bool	否	false	启用 Kling 3.0 通道内同步音频。在标准和专业层级增加成本；4K 层级固定费率。
seed	int	否	-	用于 Kling 3.0 变体测试的可复现性。

如何调用每个 Kling 3.0 端点

Kling 3.0 标准版文生视频（最便宜的 1080p 草稿）：

runcomfy run kling/kling-3.0/standard/text-to-video \
  --input '{
    "prompt": "<Kling 3.0 提示>",
    "duration": 5,
    "aspect_ratio": "16:9"
  }' \
  --output-dir <绝对路径>

Kling 3.0 标准版图生视频（动画化静态图像）：

runcomfy run kling/kling-3.0/standard/image-to-video \
  --input '{
    "prompt": "<Kling 3.0 i2v 的运动描述>",
    "image_url": "https://.../source.jpg",
    "duration": 5
  }' \
  --output-dir <绝对路径>

Kling V3.0 专业版文生视频（最高 1080p 保真度）：

runcomfy run kling/kling-3.0/pro/text-to-video \
  --input '{
    "prompt": "<Kling 3.0 专业版提示>",
    "duration": 8,
    "aspect_ratio": "16:9",
    "generate_audio": true
  }' \
  --output-dir <绝对路径>

Kling V3.0 专业版图生视频（从源图像生成主镜头动画）：

runcomfy run kling/kling-3.0/pro/image-to-video \
  --input '{
    "prompt": "<Kling V3.0 专业版 i2v 的运动描述>",
    "image_url": "https://.../subject.jpg",
    "duration": 8,
    "generate_audio": true
  }' \
  --output-dir <绝对路径>

Kling V3.0 4K 文生视频（原生 4K 电影级）：

runcomfy run kling/kling-3.0/4k/text-to-video \
  --input '{
    "prompt": "<Kling V3.0 4K 提示>",
    "duration": 10,
    "aspect_ratio": "16:9",
    "generate_audio": true
  }' \
  --output-dir <绝对路径>

Kling V3.0 4K 图生视频（参考图像的 4K 动画）：

runcomfy run kling/kling-3.0/4k/image-to-video \
  --input '{
    "prompt": "<Kling V3.0 4K i2v 的运动描述>",
    "image_url": "https://.../source-4k.jpg",
    "duration": 10,
    "generate_audio": true
  }' \
  --output-dir <绝对路径>

CLI 提交 Kling 3.0 请求，每 2 秒轮询一次，获取结果，并将任何 *.runcomfy.net / *.runcomfy.com URL 下载到 --output-dir。

Kling 3.0 提示技巧——有效的方法

Kling 3.0 对特定提示模式反应更好，而非简单的散文描述。

以运动和镜头语言开头。 Kling 3.0 将“广角镜头，缓慢推进”、“跟拍镜头，低角度”、“手持跟随”视为真实指令。将这些放在前面。

一次 Kling 3.0 生成中的多镜头。 单个 Kling 3.0 提示可以描述一系列镜头。对它们进行编号：“镜头 1：黄昏时咖啡馆的广角。镜头 2：咖啡师的中景特写。镜头 3：浓缩咖啡注入的特写。”Kling 3.0 将在镜头间保留身份（面部、服装、道具）。

i2v 的身份锚点。 使用 Kling 3.0 i2v 时，重申应保持稳定的内容：“保持主体的面部、姿势和服装不变；仅镜头移动和背景变化。”

tail_image_url 用于受控的结尾。 在 Kling 3.0 i2v 上，提供尾部图像以锁定最后一帧。Kling 3.0 将从源图像到尾部图像插值运动。

generate_audio: true 用于一次性对话。 描述 Kling 3.0 应在音频中生成的内容：“温暖友好的语气，英语画外音”或“城市氛围，远处交通声，无对话”。音频在标准/专业层级增加成本；4K 层级固定费率。

cfg_scale 调整。 默认 0.5 适用于大多数 Kling 3.0 提示。对于风格化输出，提高到 0.7-0.9 以严格遵循提示。对于松散提示下的自然运动，降低到 0.3-0.4。

反模式：

• 在一个 Kling 3.0 提示中包含冲突的风格提示 -> 简化，选择一个或两个风格锚点。
• 在一次 Kling 3.0 调用中要求超过 15 秒 -> 422 错误；分割脚本并拼接。
• 使用支持范围之外的长宽比 -> 被拒绝。
• 对于 Kling V3.0 4K，要求激进的多镜头故事加 15 秒加对话加 6 个剪辑 -> Kling 3.0 可以完成，但成本升至约 $6.30 每次生成。先用标准版验证。

Kling 3.0 的亮点

用例	最佳 Kling 3.0 端点
具有一致角色的电影级 1080p 品牌故事	Kling V3.0 专业版（t2v 或 i2v）
原生 4K 主镜头影片和大屏幕电影级	Kling V3.0 4K（t2v 或 i2v）
廉价迭代、社交媒体优先短片、A/B 变体	Kling 3.0 标准版 t2v
动画化品牌资产、产品照片、角色艺术	Kling 3.0 标准版 i2v 或 Kling V3.0 专业版 i2v
一次性生成带同步对话的多镜头广告	Kling V3.0 专业版，启用 generate_audio: true
带原生音频的高级 4K 成品母版	Kling V3.0 4K，启用 generate_audio: true（固定费率）

示例 Kling 3.0 提示

Kling 3.0 电影级多镜头（推荐专业版）：

一对年轻美国夫妇在烛光屋顶餐厅庆祝结婚纪念日的电影级多镜头。
镜头 1：黄金时刻城市天际线的广角。镜头 2：中景双人镜头，夫妇举杯。
镜头 3：女人微笑的特写，柔和散景，温暖补光。
微弱的氛围弦乐，轻柔的风，远处交通声。

Kling 3.0 i2v（动画化肖像，4K 层级）：

从源图像开始，镜头缓慢推进主体。微弱的呼吸运动，身份稳定的特征，
柔和的自然光，浅景深。背景：温暖的金色时刻光芒，尘埃颗粒缓慢飘动。
无对话，仅环境房间音。

Kling 3.0 竖屏短片（标准版，9:16）：

9:16 竖屏。一位穿黑色围裙的咖啡师正在萃取单份浓缩咖啡，
蒸汽在晨光中升腾，丰富的油脂慢慢形成。手持特写，浅景深，
温暖的咖啡馆氛围和蒸汽棒的嘶嘶声。

Kling 3.0 常见问题

Kling 3.0 片段的最大时长是多少？ 所有三个层级每次生成最长 15 秒。对于更长的叙事，将脚本分割为多个 Kling 3.0 调用并拼接。

Kling V3.0 4K 与标准和专业版相比如何定价？ Kling V3.0 4K 固定 $0.42/秒，无论是否启用音频。标准版无音频为 $0.084/秒（最便宜）。专业版无音频为 $0.112/秒。4K 层级成本约为标准版的 5 倍，以获得分辨率升级。

Kling 3.0 是否支持单次生成中的多镜头？ 是的。所有 Kling 3.0 端点都接受多片段提示。对镜头进行编号（“镜头 1：”、“镜头 2：”等），Kling 3.0 将在镜头间保留角色身份。

Kling 3.0 能否生成音频？ 是的。设置 generate_audio: true。Kling 3.0 在同一生成通道中生成同步对话、环境音和音乐。在 4K 层级，价格保持 $0.42/秒固定；在标准/专业层级，启用音频后价格跳升约 50%。

Kling 3.0 支持哪些长宽比？ 16:9、9:16、1:1、4:3、3:4、21:9。4K 层级将 21:9 渲染为宽银幕裁剪，原生 3840x2160。

Kling 3.0 i2v 是否支持尾部图像？ 是的。tail_image_url 锁定最后一帧；Kling 3.0 从源图像到尾部图像插值运动。

Kling 3.0 与 Kling 2.x 有何不同？ Kling 3.0 具有更强的多镜头身份保留、更长的最大时长（15 秒 vs 2.x 旗舰版的 10 秒）、4K 层级的原生 4K，以及所有层级统一的多个提示片段输入。

限制

• 每次调用时长上限 15 秒，适用于所有 Kling 3.0 层级。
• 一次 Kling 3.0 4K 生成中最多 6 个连续镜头。
• i2v 需要可公开获取的 HTTPS 图像 URL。 不支持本地文件。
• 长宽比固定为文档中列出的六种。其他比例将被裁剪或拒绝。
• 4K 输出文件很大。 在批量运行 Kling V3.0 4K 之前，规划磁盘和带宽。

退出码

runcomfy CLI 使用 sysexits 风格代码：

代码	含义
0	Kling 3.0 生成成功
64	CLI 参数错误
65	Kling 3.0 输入 JSON 错误 / 模式不匹配
69	上游 5xx 错误
75	可重试：超时 / 429
77	未登录或令牌被拒绝

完整参考：docs.runcomfy.com/cli/troubleshooting。

工作原理

1. 技能根据用户意图的层级（标准/专业/4K）和模式（t2v/i2v）选择六个 Kling 3.0 端点之一。
2. 它调用 runcomfy run kling/kling-3.0/<tier>/<mode>，并附带符合模式的 JSON 体。
3. CLI 使用用户的 bearer 令牌向 RunComfy 模型 API 发送 POST 请求。
4. 模型 API 返回一个 request_id；CLI 每 2 秒轮询一次，直到 Kling 3.0 生成完成。
5. 在终端状态上，CLI 获取 Kling 3.0 结果，并将任何 .runcomfy.net / .runcomfy.com URL 下载到 --output-dir。
6. Ctrl-C 在计费前取消正在进行的 Kling 3.0 请求。

安全与隐私

• 令牌存储：runcomfy login 将 API 令牌写入 ~/.config/runcomfy/token.json，权限为 0600。在 CI/容器中设置 RUNCOMFY_TOKEN 环境变量。
• 输入边界：Kling 3.0 提示通过 --input 以 JSON 形式传递。CLI 不会进行 shell 扩展。无 shell 注入风险。
• 第三方内容：您传递的图像 URL 由 RunComfy 服务器获取，而非您机器上的 CLI。将外部 URL 视为不可信；基于图像的提示注入是任何接受图像输入的视频模型的已知风险。
• 出站端点：仅 model-api.runcomfy.net（请求提交）和 *.runcomfy.net / *.runcomfy.com（下载白名单）。
• 生成文件大小上限：CLI 会中止任何大于 2 GiB 的单个下载，以防止失控的 Kling 3.0 4K 输出填满磁盘。