可灵,不只会拍视频。这次它把生图能力单独拎出来,做成了一个新的产品线。
![]()
先看一组图:阴天田埂上的年轻女孩、阳光下街头买水果的外国女生、夏日玩水的孩子。皮肤纹理、衣物褶皱、自然光影,连环境里那些不起眼的细节,都带着真实生活的味道。这些照片出自可灵AI最新推出的图像创作模型——Kling Image 4.0。
据官方介绍,新模型重点升级了画面真实感、文字表现力、复杂指令理解和跨图一致性,支持原生8K图像生成、单张图片最多呈现2000字文字内容,还能一次生成最多10张连贯组图。技术上采用理解生成统一架构,并引入规划与Agentic能力。
为了检验它能不能打,实测设计了从高清摄影、漫画创作、分镜设计到游戏魔改的多项任务。
画质与编辑:从8K写真到游戏魔改
第一项是写实人像,要求呈现自然的皮肤纹理、发丝细节和真实光影。整体画面保持了比较自然的摄影质感,人物与环境的光影关系协调,没有刻意堆叠锐化和高光效果,但环境和人物在真实感上还略有瑕疵。
8K的优势光看缩略图很难体现。放大截取面部和皮衣局部后,细节仍然比较丰富:眼睛、头发和衣物呈现出不同特点,皮肤保留了自然的明暗变化,发丝与衣物纹理没有因为放大就糊成一团。
风光摄影测试覆盖山谷晨雾、雪山日出、沙漠夕阳。晨雾、山脊与天空之间形成自然的明暗过渡,雪山和沙漠场景呈现出不同的光线特点,对自然环境的质感处理比较克制,整体接近真实的风光摄影作品。
编辑能力上,给一张西式婚礼合照换画风,要求保留新郎、新娘和五位亲友的外貌、站位和服装,转换为不同艺术风格并更换逆光环境。模型能把人物和周围环境统一转换为新的艺术风格,同时保留原图的主要构图和人物关系。
还有一项有意思的任务:帮《影之刃零》主角“魂”换上李小龙经典黄黑功夫服,再把刀剑改成双截棍,保留角色原有的面部、发型、动作和游戏场景。新服装与原始游戏画面的融合比较自然,黄黑配色与原有游戏美术风格形成反差,但没有明显破坏画面整体感。武器替换也完成了核心要求,双截棍与人物动作具有一定关联性,接近游戏MOD概念设计的视觉效果,不过细节上还存在处理毛糙和改动过当的地方。
商业设计:密集中文排版与超长详情页
第一项商业任务是给一款笔记本电脑制作完整的电商详情页。上传产品照片,要求生成一张超长详情图,包含产品主视觉、核心卖点、外观细节、使用场景和参数说明,并保持统一设计风格。模型基本完成了信息组织,页面按不同内容划分展示区域,产品主体、卖点文字和细节图片之间有比较明确的层级,整体风格较为统一。
文字排版是重点能力。设计一张主题为“人机共事”的科技杂志海报,采用奶油白、钴蓝和橘红配色,加入巨型标题、办公场景插画以及约400字中文正文。标题、正文和插画被安排在不同区域,信息层级比较清楚,配色和排版形成了比较统一的视觉风格,但整体排版还是少了一些设计感。多字数密集排版的测试中,会出现一些文字错误情况。
局部调整能力也做了测试:更换字体以及部分文字。字体的变换和局部改字的调整都相当精准,对商业设计而言比较实用——一张海报完成后,修改标题、调整文案是常见操作。
商品营销场景准备了球鞋、腕表和笔记本电脑三张产品照片,分别设计不同风格的广告海报。三张海报呈现出比较明显的风格差异,模型根据商品特点调整了配色、构图和字体设计,商品主体与背景元素的融合较为自然,具有一定的商业设计完成度。
两组更有创意的艺术设计也完成了:一组是在一杯咖啡中构建一座微缩城市,搭配杂志式标题和排版;另一组是将抽象的声音转化为一座巨大的橘红色玻璃雕塑,并加入中英文展览信息。前者把微缩建筑与真实的咖啡馆场景自然融合,尺度对比带来有趣的视觉效果;后者通过透明玻璃的材质、复杂曲面和光影折射,呈现出较强的艺术感。
组图创作:一句话拍出10张分镜
组图是这次升级的重点。第一组是悬疑漫剧《午夜列车》:一名年轻女生深夜独自在地铁站等车,捡到一张红色车票,末班车驶来,她却发现车厢里站着十年后的自己。不同画面之间具有比较明确的叙事关系,镜头没有局限于同一景别,通过远景、近景和人物特写逐步推进剧情,主角的服装和整体形象在连续镜头中保持了较好的统一性。
第二组是《一个打工人的精神离职》:一名正在加班的中国年轻程序员,身体坐在工位上,精神却飞到了海边、雪山、沙漠甚至太空,正当他沉浸在旅行中时,电脑突然弹出一条消息——“有个Bug要加班修一下”。模型能按照故事梗概组织不同场景,完成情节推进,画面之间有一定节奏变化,不同环境各有特点,不过一些镜头还是有些塑料感。
第三组是新疆风光纪录片分镜:在同一片山谷中从清晨拍到日落,生成10张不同角度和光线条件下的风景照片。清晨的冷色调、正午明亮的自然光、傍晚逐渐加深的蓝色氛围,让同一片山谷呈现出不同视觉效果,不同镜头也展示出航拍、远景和局部取景的区别,整组图片具有比较统一的纪录片摄影风格。
单张画面也能承载叙事。一张失恋题材的电影剧照:深夜的出租屋里,一名年轻女生独自坐在餐桌前,桌上摆着两份没吃完的晚餐,另一张椅子空着。没有要求人物流泪或做出夸张的悲伤表情,模型通过人物神态、镜头构图和生活细节表现分手后的失落情绪。
绿幕换景同样可行:先生成演员在绿幕摄影棚中的动作画面,再将背景替换为城市夜景和侏罗纪公园,修改后的画面保留了演员的主要动作和造型,人物与新背景之间的光影关系也比较协调。根据手绘草图生成图片也做了测试,一张简单的西式婚礼草图,模型能识别主要人物及其空间关系,补充座椅、花艺、宾客等细节,转换成具有实际场景感的画面。
技术底座与产品意图
Kling Image 4.0采用全新的理解生成一体化架构,以单一Transformer作为视觉理解与图像生成的核心。不同于将语言模型与扩散模型组合的技术路线,它通过统一自回归模型,将世界知识、视觉感知和图像潜空间整合到同一上下文中,增强对物理规律、空间关系和复杂指令的理解能力。
同时引入结构化视觉表达机制,对画面主体、空间布局、镜头光影及跨帧时序等不同视觉要素进行处理。配合最高15K Token的长指令处理能力,模型可以同时理解较多细节约束,并应用到复杂文字排版、多素材编辑和连续分镜等任务中。原生Agentic能力则围绕复杂视觉需求进行任务拆解、规划和工具调用,把多个创作步骤组织起来。
提到可灵AI,很多人首先想到的仍然是视频生成。视频能力帮可灵建立了较高的知名度,但图像创作同样需要获得更多独立关注。图像与视频生成之间有不少可以衔接的创作环节:先用图像模型完成角色、场景和分镜设计,再将这些素材用于后续视频制作。图像生成既可以作为独立产品拓展用户和商业市场,也可以与现有视频生成能力形成互补。
从高清摄影、商业海报到连续分镜设计,Kling Image 4.0在不同类型任务中都呈现出较为全面的能力。但具体到实际使用,生成结果能否符合创作者要求,以及后续修改需要投入多少时间,仍然是决定模型是否好用的重要因素。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.