首发实测Kling Image 4.0:直出8K写真、一口气拍10张大片,还能爆改《影之刃零》
1 小时前 / 阅读约12分钟
来源:凤凰网
可灵AI推出Kling Image 4.0图像创作模型,升级真实感、文字表现力、复杂指令理解和跨图一致性,支持原生8K生成、2000字排版和10张连贯组图。实测显示其在摄影、商业设计、分镜创作等任务中表现全面,采用理解生成统一架构并引入Agentic能力。

可灵生图能力不容小觑。

作者 | 毕伟豪

编辑 | 漠影

可灵,不只会拍视频。

话不多说,先看一组图,如果不提前说,你能看出来这些都是AI生成的吗?

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,包括环境里那些不起眼的细节,都让这几张照片多了几分真实生活的味道。

这些照片都出自可灵AI最新推出的图像创作模型——Kling Image 4.0。

没错,就是那个以视频生成著称的可灵。

此次,Kling Image 4.0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。据官方介绍,新模型支持原生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,Kling Image 4.0采用理解生成统一架构,并引入规划与Agentic能力,提升复杂视觉任务的完成效果。

为了检验Kling Image 4.0能不能打,智东西设计了从高清摄影、漫画创作、分镜设计到游戏魔改等多项任务,到底是不是夯爆了,一看便知。

01.

实测Kling Image 4.0画质、编辑能力:

从8K写真到游戏魔改

首先来看图像质量,我们让Kling Image 4.0化身摄影师,生成了一张年轻中国女性的写实人像,要求画面呈现自然的皮肤纹理、发丝细节和真实光影。

从整体来看,画面保持了比较自然的摄影质感,人物与周围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。我们将画面放大,分别截取了面部和皮衣的局部细节。

放大之后,画面的细节仍然比较丰富。眼睛、头发和衣物呈现出不同的特点,皮肤也保留了自然的明暗变化。尤其是发丝与衣物纹理,并没有因为画面放大就完全糊成一团。

人像之外,我们还准备了山谷晨雾、雪山日出、沙漠夕阳等风光摄影测试,参考摄影师李学亮老师的光影手法。

在光影和空间层次上,晨雾、山脊与天空之间形成了自然的明暗过渡,雪山和沙漠场景也呈现出不同的光线特点。几张图片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。

除了画质,Kling Image 4.0的编辑能力也不遑多让。比如下面我们给一张西式婚礼合照换画风,要求模型保留新郎、新娘和五位亲友的外貌、站位和服装,将照片转换为不同艺术风格,以及更换逆光环境。

从生成结果来看,模型能够将人物和周围环境统一转换为新的艺术风格和状态,同时保留原图的主要构图和人物关系。

最后,我们给Kling Image 4.0安排了一项有意思的任务: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。

我们要求保留角色原有的面部、发型、动作和游戏场景,只替换服装与武器。

整体看下来,新服装与原始游戏画面的融合比较自然,黄黑配色的功夫服与原有游戏美术风格形成了有意思的反差,但没有明显破坏画面的整体感。

武器替换也完成核心要求,双截棍与人物动作具有一定的关联性,呈现出了接近游戏MOD概念设计的视觉效果,不过,还存在一些细节上处理毛糙和改动过当的地方。

02.

密集中文排版、超长电商详情页

设计师的活也能干

接下来,我们让Kling Image 4.0去做商业设计。

第一项任务,是给一款笔记本电脑制作完整的电商详情页。

我们上传产品照片,要求模型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,并保持统一的设计风格。

从结果来看,模型基本完成了这张长图的信息组织。页面按照不同内容划分了展示区域,产品主体、卖点文字和细节图片之间有比较明确的层级,整体风格也较为统一。

文字排版也是Kling Image 4.0的重点能力,我们让它设计一张主题为“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字的中文正文。

从整体效果来看,海报标题、正文和插画被安排在不同区域,信息层级比较清楚,配色和排版也形成了比较统一的视觉风格,不过,整体排版还是少了一些设计感。此外,多字数密集排版的测试中,会出现一些文字错误情况。

我们还进一步测试了局部调整能力,尝试让Kling Image 4.0更换字体以及部分文字。

可以看到,字体的变换和局部改字的调整都相当精准,对于商业设计而言,这类能力比较实用。毕竟,一张海报完成后,修改标题、调整文案是常见的操作。

在商品营销场景,我们还准备了球鞋、腕表和笔记本电脑三张产品照片,要求模型分别设计不同风格的广告海报。

三张海报呈现出了比较明显的风格差异。Kling Image 4.0根据商品特点调整了配色、构图和字体设计。从展示效果来看,商品主体与背景元素的融合较为自然,海报也具有一定的商业设计完成度。

除了常规商品海报,我们还尝试了两组更有创意的艺术设计。

第一组是《A SMALL UNIVERSE》,让模型在一杯咖啡中构建一座微缩城市,搭配杂志式标题和排版;第二组则是《听见颜色》,要求模型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。

两组作品都比较好地还原了我们的创意。前者将微缩建筑与真实的咖啡馆场景自然融合,尺度对比带来了有趣的视觉效果;后者则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。

整体来看,Kling Image 4.0不仅能够处理常规商业设计,也能将相对抽象的创意转化为具有完整构图和排版的视觉作品。

03.

一句话拍出10张漫剧分镜

电影级镜头感大片直出

单张图片仅是Kling Image 4.0一部分,组图创作同样是这次升级的重点。下面的测试,我们让Kling Image 4.0一次生成10张分镜图,看看它能不能讲好一个故事。

首先是一部悬疑漫剧《午夜列车》。故事讲述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。

从组图来看,不同画面之间具有比较明确的叙事关系,镜头也没有局限于同一个景别,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。

第二组是一则加班之后真实的梦中故事——《一个打工人的精神离职》。

主人公是一名正在加班的中国年轻程序员,身体坐在工位上,精神却已经飞到了海边、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。”

从结果来看,它能够按照故事梗概组织不同场景,完成情节推进,画面之间有一定的节奏变化,不同环境各有特点。不过,一些镜头还是有些塑料感。

两组故事之外,我们还试着让Kling Image 4.0创作一组新疆风光纪录片的分镜。

我们让模型在同一片山谷中,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,以及傍晚逐渐加深的蓝色氛围,让同一片山谷呈现出不同的视觉效果。不同镜头也展示出了航拍、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。

除了连续组图,Kling Image 4.0还有一些有趣的玩法,比如通过单张画面呈现具有叙事感的电影镜头。

我们让模型拍摄了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,另一张椅子却空着。

这张图的情绪表达比较克制,我们没有要求人物流泪或做出夸张的悲伤表情,只是让模型通过人物神态、镜头构图和生活细节,表现分手后的失落情绪。

还比如绿幕换景,我们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,具备一定的电影场景合成效果。

还有根据手绘草图生成图片,我们画了一张简单的西式婚礼草图,要求模型根据线条理解人物关系,将新娘挽着父亲走向新郎的画面转换成真实摄影作品。

即便参考图十分简陋,模型依然能够识别主要人物及其空间关系,并补充婚礼场景中的座椅、花艺、宾客等细节,将简单草图转换为具有实际场景感的画面。

从漫剧、短故事到风光纪录片,这些任务对模型的要求已经不只是画面好看,还包括角色、场景和镜头之间的连续性。

04.

AI生图竞争转向复杂创作

可灵生图能力应该被单独注视

随着AI图像生成技术逐渐成熟,单纯依靠画质,已经越来越难在市场上拉开差距。

如今,主流AI生图模型基本都能生成质量不错的人像、风景和创意图片,过去常见的人物畸形、画面失真等问题也有明显改善。

但在实际设计、广告和影视制作中,生成一张图片通常只是整个创作过程的一部分。模型后续还需要调整局部细节、修改文字,或者围绕同一主题制作完整的作品。

这也是Kling Image 4.0此次技术升级的重点。

在模型架构上,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进行组合的技术路线,Kling Image 4.0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,增强模型对物理规律、空间关系和复杂指令的理解能力。

与此同时,Kling Image 4.0引入了结构化视觉表达机制,能够对画面主体、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的细节约束,并将其应用到复杂文字排版、多素材编辑和连续分镜等任务中。

此外,Kling Image 4.0还引入了原生Agentic能力,能够围绕复杂视觉需求进行任务拆解、规划和工具调用,将多个创作步骤组织起来。

这些技术升级所对应的,正是前面实测中涉及的图像编辑、复杂排版和连续组图等场景。

不过,对可灵而言,图像生成还有另一层意义。

提到可灵AI,很多人首先想到的仍然是视频生成。虽然视频能力已经帮助可灵建立起较高的知名度,但图像创作同样需要获得更多独立关注。

此次推出Kling Image 4.0,可以看作可灵进一步强化图像产品竞争力的一次尝试。

事实上,图像与视频生成之间,有不少可以衔接的创作环节。比如,先利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。

对可灵而言,图像生成既可以作为独立产品拓展用户和商业市场,也可以与现有的视频生成能力形成互补。

05.

结语:不止视频

可灵拓宽AI视觉创作版图

整体来看,从高清摄影、商业海报到连续分镜设计,Kling Image 4.0在不同类型的创作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的要求,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。

对于可灵而言,视频生成已经建立了较高的市场认知,而Kling Image 4.0的推出,则是其进一步强化图像创作能力的重要一步。

图像和视频两条路线相互补充,也为可灵争取更广泛的创作者群体和商业化空间提供了可能。