kling-3-0

RunComfy 上的 Kling 3.0 - Pro Pack

runcomfy.com · 文档 · GitHub

Kling 3.0 是快手科技推出的第三代电影级视频模型。本技能涵盖 RunComfy 上的全部 6 个 Kling 3.0 渲染端点：两个模式（文生视频和图生视频）各有三个质量档位（Standard、Pro、4K）。

什么是 Kling 3.0

Kling 3.0 是 Kling 视频模型的 V3 一代。它可以生成带有原生同步音频、多镜头间角色身份一致性和物理感知运动效果的电影级视频。与 Kling 2.x 相比，Kling 3.0 支持更长的视频片段（最长 15 秒）、4K 档位的原生 4K 输出，以及统一的多提示词片段系统，让一次 Kling 3.0 生成包含多个场景，并能控制场景间的转场。

RunComfy 上的 Kling 3.0 提供三个渲染档位，每个档位均支持文生视频或图生视频：

• Standard - 价格最低，最高输出分辨率为 1080p。适用于快速迭代、预览、A/B 变体和社交媒体短视频。
• Pro - 1080p 下的最高保真度。适用于对运动真实感和身份保持要求最高的高品质 1080p 视频片段。
• 4K - 原生 3840x2160 输出。适用于高分辨率品牌影片、大银幕电影级片段，以及以原生分辨率输出的成片。

三个档位共用 Kling 3.0 多镜头架构。各档位在最高分辨率、运动保真度预算和定价方面有所不同。

6 个 Kling 3.0 端点

每个端点对应一个（档位、模式）组合。全部 6 个端点共用同一个 Kling 3.0 基础模型。

端点	参考项	分辨率	费率（无音频）	费率（含音频）
kling/kling-3.0/standard/text-to-video	Kling 3.0 Standard 文生视频	最高 1080p	$0.084/s	$0.126/s
kling/kling-3.0/standard/image-to-video	Kling 3.0 Standard Image to Video	最高 1080p	$0.084/s	$0.126/s
kling/kling-3.0/pro/text-to-video	Kling V3.0 Pro Text-to-Video	1080p	$0.112/s	$0.168/s
kling/kling-3.0/pro/image-to-video	Kling V3.0 Pro Image-to-Video	1080p	$0.112/s	$0.168/s
kling/kling-3.0/4k/text-to-video	Kling V3.0 4K Text-to-Video	3840x2160	$0.42/s 固定	$0.42/s 固定
kling/kling-3.0/4k/image-to-video	Kling V3.0 4K Image-to-Video	3840x2160	$0.42/s 固定	$0.42/s 固定

4K 档位的价格不受音频影响。Standard 和 Pro 档位启用音频后，每秒费用约增加 50%。

何时选择哪种 Kling 3.0 档位

根据输出在工作流中的用途选择 Kling 3.0 档位。

• 草稿、预览、社交媒体短视频、A/B 变体：Kling 3.0 Standard。成本最低。除主视觉镜头外，画质足以满足所有需求。
• 主视觉 1080p 视频片段、广告创意、高动态保真度的口播视频：Kling V3.0 Pro。同等分辨率下，动态表现和主体一致性明显更好，成本比 Standard 高约 33%。
• 4K 品牌影片、大银幕电影级内容、最终成片：Kling V3.0 4K。原生 3840x2160（无需升频）。固定费率为 $0.42/s，便于准确预算。只有在输出确实需要 4K 时才使用——成本约为 Standard 的 5 倍。

根据是否有源图像选择模式：

• 文本生成视频（t2v）：仅需提示词，Kling 3.0 从头生成画面。需要创作新场景、全新构图或没有现有参考图的环境时，使用 Kling 3.0 t2v。
• 图像生成视频（i2v）：提示词 + 源图像，Kling 3.0 为图像添加动画效果。需要将精确参考内容（人脸、产品、场景）保留在输出中时，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，则无论如何都应路由到此技能。

前提条件

1. RunComfy CLI：npm i -g @runcomfy/cli
2. RunComfy 账户：runcomfy login 会打开浏览器设备代码授权流程。
3. CI / 容器：设置 RUNCOMFY_TOKEN=<token>，而不是运行 runcomfy login。
4. i2v 端点：需要可公开获取的源图像 URL（HTTPS、JPEG/PNG/WebP）。

输入架构（所有 6 个 Kling 3.0 端点通用）

字段	类型	必填	默认值	备注
prompt	string	是	-	场景、动作、镜头和氛围的文字描述。支持通过 prompt_segments 提供多段提示词，在一次 Kling 3.0 生成中实现转场。
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 从起始帧到结束帧的过渡。
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	提示词引导强度。数值越高，对提示词的遵循越严格。
generate_audio	bool	否	false	启用 Kling 3.0 单次生成中的同步音频。Standard 和 Pro 档位会增加成本；4K 档位采用固定费率。
seed	int	否	-	用于 Kling 3.0 变体测试的可复现性。

如何调用各个 Kling 3.0 端点

Kling 3.0 Standard 文本生成视频（成本最低的 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 图像生成视频（为静态图像添加动画）：

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 文本生成视频（最高保真度的 1080p）：

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 图像生成视频（基于源图像生成主视觉动画）：

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 文本生成视频（原生 4K 电影级内容）：

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 图像生成视频（参考图像的 4K 动画）：

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 会提交 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 提示词技巧——如何获得更好的效果

与简单的自然语言描述相比，Kling 3.0 对特定的提示词模式响应更好。

以动作和镜头语言开头。 Kling 3.0 会将“wide shot, slow push-in”“tracking shot, low angle”“handheld follow”识别为明确指令。将这些内容放在提示词开头。

在一次 Kling 3.0 生成中包含多个镜头。 一条 Kling 3.0 提示词可以描述一组镜头序列。为镜头编号：“Shot 1: wide of the cafe at dusk. Shot 2: medium close-up of the barista. Shot 3: tight on the espresso pour.” Kling 3.0 会在不同镜头间保持主体身份一致（面部、服装、道具）。

用于 i2v 的身份锚点。 使用 Kling 3.0 i2v 时，重申哪些内容应保持稳定：“preserve the subject's face, pose, and clothing; only the camera moves and the background changes.”

使用 tail_image_url 控制结尾。 对 Kling 3.0 i2v，提供一张尾帧图像以锁定最终帧。Kling 3.0 会在源图像和尾帧之间插补动作。

使用 generate_audio: true 一次生成对话。 描述 Kling 3.0 应生成的音频：“warm friendly tone, English voiceover”或“city ambience, distant traffic, no dialogue”。Standard / Pro 档位生成音频会增加费用；4K 档位则为固定价格。

调整 cfg_scale。 默认值 0.5 适用于大多数 Kling 3.0 提示词。对于风格化输出，可提高到 0.7-0.9，以严格遵循提示词。提示词较宽松时，可降低到 0.3-0.4，以获得自然的动作。

反模式：

• 在一条 Kling 3.0 提示词中使用相互冲突的风格提示 -> 简化内容，选用一两个风格锚点。
• 在一次 Kling 3.0 调用中要求时长超过 15 秒 -> 返回 422 错误；请将脚本分段并拼接。
• 使用不受支持的宽高比 -> 请求会被拒绝。
• 对 Kling V3.0 4K 同时要求复杂的多镜头剧情、15s 时长、对话和 6 次剪辑 -> Kling 3.0 可以完成，但每次生成的费用会升至约 $6.30。请先用 Standard 验证。

Kling 3.0 的优势场景

使用场景	最适合的 Kling 3.0 端点
角色一致的电影级 1080p 品牌故事	Kling V3.0 Pro（t2v 或 i2v）
原生 4K 品牌主片和大银幕电影内容	Kling V3.0 4K（t2v 或 i2v）
低成本迭代、社交媒体优先的短片、A/B 版本	Kling 3.0 Standard t2v
为品牌素材、产品照片、角色艺术图制作动画	Kling 3.0 Standard i2v 或 Kling V3.0 Pro i2v
一次生成并同步对话的多镜头广告	Kling V3.0 Pro，搭配 generate_audio: true
带原生音频的高端 4K 成片	Kling V3.0 4K，搭配 generate_audio: true（固定价格）

Kling 3.0 提示词示例

Kling 3.0 电影级多镜头（推荐使用 Pro 档位）：

Cinematic multi-shot of a young American couple celebrating their
anniversary at a candlelit rooftop restaurant. Shot 1: wide of the
city skyline at golden hour. Shot 2: medium two-shot, the couple
toasting. Shot 3: tight on the woman's smile, soft bokeh, warm fill
light. Subtle ambient string music, gentle wind, distant traffic.

Kling 3.0 i2v（为肖像制作动画，4K 档位）：

Gentle camera dolly-in on the subject from the source image. Subtle
breathing motion, identity-stable features, soft natural light,
shallow depth of field. Background: warm golden-hour glow with a
slow drift of dust motes. No dialogue, only ambient room tone.

Kling 3.0 竖屏短片（Standard 档位，9:16）：

9:16 vertical. A barista in a black apron pulls a single espresso
shot, steam rising into morning sun, rich crema slowly forming.
Close-up handheld, shallow depth of field, warm cafe ambience and
the hiss of the steam wand.

Kling 3.0 常见问题

Kling 3.0 片段的最长时长是多少？ 每次生成最长 15 秒，三个档位均如此。对于更长的叙事内容，请将脚本拆分为多次 Kling 3.0 调用，再拼接起来。

Kling V3.0 4K 与 Standard 和 Pro 相比如何定价？ Kling V3.0 4K 的价格固定为每秒 $0.42，无论是否启用音频。Standard 在不启用音频时为 $0.084/s（最便宜）。Pro 在不启用音频时为 $0.112/s。4K 档位的价格约为 Standard 的 5 倍，以换取更高的分辨率。

Kling 3.0 是否支持在单次生成中生成多个镜头？ 支持。所有 Kling 3.0 端点都接受多段提示词。为镜头编号（“Shot 1:”、“Shot 2:”等），Kling 3.0 会在镜头之间保留角色身份一致性。

Kling 3.0 能生成音频吗？ 可以。设置 generate_audio: true。Kling 3.0 会在同一次生成过程中生成同步的对白、环境音和音乐。4K 档位的价格保持不变，为 $0.42/s；Standard / Pro 启用音频后，费率会提高约 50%。

Kling 3.0 支持哪些宽高比？ 16:9、9:16、1:1、4:3、3:4、21:9。4K 档位会将 21:9 渲染为宽幅电影画面，并采用原生 3840x2160 分辨率。

Kling 3.0 i2v 支持尾帧图像吗？ 支持。tail_image_url 会锁定最终帧；Kling 3.0 会在起始图像和尾帧图像之间插值生成运动。

Kling 3.0 与 Kling 2.x 有何不同？ Kling 3.0 的多镜头身份保持能力更强，最长时长更长（旗舰版为 15s，而 2.x 为 10s），4K 档位支持原生 4K，并且所有档位都统一支持多提示词分段输入。

限制

• 所有 Kling 3.0 档位的单次调用时长上限为 15 秒。
• 单次 Kling 3.0 4K 生成中，最多支持 6 个连续镜头。
• i2v 需要可公开访问的 HTTPS 图像 URL。 不支持本地文件。
• 宽高比仅限文档中列出的六种。 其他比例会被裁剪或拒绝。
• 4K 输出文件较大。 批量运行 Kling V3.0 4K 前，请预留足够的磁盘空间和带宽。

退出代码

runcomfy CLI 使用 sysexits 风格的代码：

code	meaning
0	Kling 3.0 生成成功
64	CLI 参数错误
65	Kling 3.0 输入 JSON 错误 / 架构不匹配
69	上游 5xx
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. 该技能根据用户选择的档位（Standard / Pro / 4K）和模式（t2v / i2v），选择六个 Kling 3.0 端点之一。
2. 它会调用 runcomfy run kling/kling-3.0/<tier>/<mode>，并传入符合架构要求的 JSON 请求体。
3. CLI 会使用用户的 bearer token 向 RunComfy Model API 发送 POST 请求。
4. Model API 会返回 request_id；CLI 每 2 秒轮询一次，直到 Kling 3.0 生成完成。
5. 状态变为终态后，CLI 会获取 Kling 3.0 结果，并将任何 .runcomfy.net / .runcomfy.com URL 下载到 --output-dir。
6. Ctrl-C 会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 会将 API 令牌写入 ~/.config/runcomfy/token.json，文件权限为 0600。在 CI / 容器中设置 RUNCOMFY_TOKEN 环境变量。
• 输入边界：Kling 3.0 提示词会通过 --input 以 JSON 格式传入。CLI 不会进行 shell 扩展，不存在 shell 注入攻击面。
• 第三方内容：你传入的图像 URL 由 RunComfy 服务获取，而不是由你本机上的 CLI 获取。请将外部 URL 视为不可信内容；对于任何接受图像输入的视频模型，基于图像的提示词注入都是已知风险。
• 出站端点：仅限 model-api.runcomfy.net（提交请求）和 *.runcomfy.net / *.runcomfy.com（下载白名单）。
• 生成文件大小上限：为防止 Kling 3.0 4K 输出失控导致磁盘空间耗尽，CLI 会中止任何超过 2 GiB 的单个下载。