视频地址: https://mp.weixin.qq.com/s/ghQNmpCq9TE9d2E_4sh5uA

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。

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。

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:

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。

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。

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。

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。

“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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

如果模型漏掉其中一项,故事的连贯性就可能受到影响。结构化视觉语言的作用,便是帮助模型组织这些条件,处理清楚谁在什么位置、镜头怎样变化,以及前后画面之间有什么联系。

中文长海报也是类似的道理。标题、正文、活动安排和配图各有用途,模型需要结合内容安排版面,才能让读者顺着图片看下去。

除此之外,Kling Image 4.0还引入了 原生Agentic能力 ,支持在同一体系内完成感知、推理、规划与执行,并支持按需调用工具。

这项能力面向的是更复杂的视觉任务。当用户提交一份包含多种要求的需求时,模型可以先拆解任务、规划步骤,再完成相应的创作工作。

最后,我们再回到使用体验上,这次Kling Image 4.0给人的吸引力,其实有两个层次。

一个是打开图片就能感受到的清晰度。人像放大后,眼周细纹、睫毛和钻戒切面仍然有细节,风景里的山体和倒影也经得起近看。对于需要裁切、放大展示的图片来说,这给后续使用留下了更多空间。

我们做一张活动海报,通常不会只提“好看”这一个要求。活动名称要突出,日期和地点要写清楚,内容多了还得分出主次。如果后面再追加几张介绍海报,字体、配色和版式也要接得上。

商品广告和故事分镜同样如此。用户手里往往已经有产品图、角色设定和具体文案,希望AI在这些条件下完成创作。

因此,模型能处理多少具体要求,会直接影响后面需要花多少时间修改。这次实测的结果让我们看到了,Kling Image 4.0已经能够把一部分复杂需求落实成可供讨论、调整的初稿。

11月4日发布的OpenAI Images 2.6,强调了编辑过程中对角色、商品和品牌细节的保持;11月10日,Adobe在MAX上进一步扩展Creative Agent,把复杂、多步骤的创作任务作为重点。