Kling AI（可灵 AI）

1. 调研缘由

Kling AI 已从早期的视频生成产品，扩展成同时提供视频、图像、声音、特效和 API 的创作平台。2026 年 2 月，快手发布了 Kling 3.0 系列，该系列把文字、图像、音频和视频的输入输出整合进同一个工作流，覆盖文字转视频、图生视频、参考转视频和视频内编辑。 [S1][S3]

随后，Kling 3.0 在 2026 年 4 月上线了原生 4K 视频生成；快手在 2026 年第一季度披露，可灵 AI 当季收入超过 6.5 亿元人民币，并推出了最多支持 15 人实时协作的 Team Plan。 [S2][S4]

另一方面，2026 年 7 月路透社报道，Kling AI 获得超过 190 亿元人民币外部融资，快手持股将从 100% 稀释到约 68%。产品迭代、商业化收入和资本结构变化同时出现，让它适合从“视频生成能力”“生产工作流稳定性”“商业化路径”三个层面来研究。 [S8]

2. 简介与产品工作流

Kling AI 是快手推出的云端生成式创作产品。目前官网把它定位成 Creative Studio 加 API 平台，产品入口有 Omni、视频生成、图像生成、声音生成和特效。 [S1][S3]

它的主要用户包括短视频创作者、广告与影视制作团队、电商内容团队，以及需要把生成能力接入业务流程的开发者。快手公开材料将影视、广告、电商和游戏列为重点专业场景。 [S2]

典型工作流可以概括为：

1. 准备输入素材：用户输入文字提示，或者上传图片、参考视频、音频等素材。 [S1]
2. 生成或编辑画面：用文字转视频、图生视频、参考转视频或视频内编辑生成片段。 [S1]
3. 控制叙事与镜头：Video 3.0 支持参考视频和多张图片参考；Video 3.0 Omni 则可以按镜头设置时长、景别、视角、叙事内容和相机运动。 [S1]
4. 继续生产或者接入系统：创作者可以在平台内继续处理图像、声音和特效；团队可以用 Team Plan 协作，开发者则通过 API 接入视频与图像生成能力。 [S2][S3][S5]

跟那种只管“生成一段视频”的模型入口比起来，Kling 的产品形态更像一个覆盖素材准备、生成、编辑和协作的创作套件；但这套工作流在复杂任务里能不能稳定复现，还得看独立测试的结果。 [S1][S10]

3. 团队与资本背景

Kling AI 出自快手。2026 年 2 月的 Kling 3.0 发布公告就是快手发的，快手在季度财报里也把可灵 AI 作为 AI 业务的重要组成部分来披露。 [S1][S2]

从技术团队看，Kling 团队已经公开发布了多篇技术报告。比如，Kling-Omni 报告介绍了一种面向文字、参考图片和视频上下文的多模态视频生成框架；Kling-MotionControl 报告则聚焦动作迁移、角色外观保持和角色动画。 [S6][S7]

目前还没有足够的公开资料能系统说明 Kling AI 作为独立业务的核心管理团队、研发人员规模和具体组织结构，所以这里不延伸判断它的独立团队配置。

资本方面，路透社在 2026 年 7 月报道，阿里巴巴、腾讯、百度等投资者将向 Kling AI 注入超过 190 亿元人民币，交易前估值约 150 亿美元；融资上限 204.5 亿元，完成注资后快手持股将降到约 68%。 [S8]

4. 技术基础与生态位

从公开材料来看，Kling 走的是自研多模态视频模型路线。官方把 Kling 3.0 描述为原生多模态架构：文字、图像、音频和视频可以进入同一个工作流，统一完成生成和编辑任务。 [S1]

Kling-Omni 技术报告进一步披露，这个框架可以处理文字指令、参考图片和视频上下文，并尝试把视频生成、编辑和多模态理解整合进一个系统。 [S6]

在更具体的可控生成方向上，Kling-MotionControl 报告讨论了“动作迁移”：让参考人物或角色跟随驱动视频中的身体、面部和手部动作，同时尽量保持原有外观。 [S7]

所以，Kling 所在的位置不只是一个“视频模型”，它还包括面向创作者的应用层。底层是多模态视频、图像和音频生成能力；上层则是 SaaS 创作界面、镜头与参考控制、团队协作和 API。 [S1][S3][S5]

技术披露程度还是有限。公开资料包括产品公告和部分技术报告，但本次没有找到足够的公开资料来拆解主模型的参数量、训练数据来源和构成、训练算力、统一安全评测结果，或是完整的模型版本对比。产品目前通过云端 SaaS 和 API 交付，本次也没有找到公开的模型权重发布信息。 [S3][S5][S6][S7]

5. 市场与外部信号

快手在 2026 年 2 月披露，Kling AI 自 2024 年 6 月上线以来，已服务超过 6,000 万创作者，累计生成超过 6 亿条视频，并与超过 3 万家企业客户建立了合作。这些数据都是官方披露，可以作为规模参考，但不等于独立审计后的活跃用户或付费用户数据。 [S1]

财务上，快手披露 Kling AI 在 2026 年第一季度收入超过 6.5 亿元人民币，同比增长超过 300%；截至 2026 年 3 月，年化收入运行率大约 5 亿美元。 [S2]

产品商业化同时覆盖了个人订阅、团队协作和 API。Team Plan 最多支持 15 人实时协作；开发者平台公开了视频、图像等 API 的文档和定价页面，视频 API 的计费会随模型和功能组合变化。 [S2][S5]

快手还提到，Kling AI 参与了电视剧《太平年》的虚拟场景与特效镜头制作，并为《House of David》生成了数百个镜头。这些案例主要来自公司材料，能说明它进入了专业制作场景，但还不足以单独证明不同团队的成本节省、返工率或长期留存情况。 [S2]

2026 年 4 月上线的原生 4K 视频生成功能，是它面向影视、广告和高分辨率电商内容的一个产品信号。官方称其为“一键原生 4K”，具体产出的稳定性和不同复杂度任务下的可用率，还需要第三方复测。 [S4]

6. 公开评价与主要分歧

正面评价（独立基准）：

• Artificial Analysis（独立盲测基准）：截至 2026 年 7 月 7 日，在它“不含音频”的文字转视频 Arena 里，Kling 3.0 1080p Pro 以 Elo 1244 排在第 5 名。这个榜单采用匿名两两对比，让用户在不知道模型出处的情况下，选出自己更偏好的视频结果。 [S9]
• Curious Refuge（独立创作者培训与实测媒体）：它在 Kling 3.0 实测中认为，图生视频的电影感镜头运动表现较强；多镜头功能可在一个片段里组织多个镜头，锁定镜头运动，并加入对白和停顿。 [S10]

主要批评 / 质疑（独立创作者实测）：

• Curious Refuge（独立创作者培训与实测媒体）：测试中发现，多镜头输出在镜头切换时可能出现调色风格漂移，要达到专业成片效果，往往还需要较多迭代和更具体的提示。 [S10]
• Curious Refuge（独立创作者培训与实测媒体）：在角色克隆测试里，人物脸部相似度会漂移，口型同步也不稳定；其 Omni 视频编辑测试则出现过不自然的雨景和角色变形。 [S10]

存在分歧的地方：

官方强调的是角色与元素一致性、多镜头叙事、原生音频和 4K；独立测试认可它的图生视频和镜头运动表现，但对角色克隆、口型、跨镜头一致性和复杂编辑仍持保留意见。分歧主要在于，在复杂生产任务里，生成结果能不能用较少的返工就稳定地进入最终成片。 [S1][S4][S10]

7. 同类对比（与头部 / 高知名度同类项目）

主要对标项目： Google Veo 3.1、Runway Gen-4 / Gen-4.5。

关键维度对比（事实，标来源）：

维度	Kling AI	Google Veo 3.1	Runway Gen-4 / Gen-4.5
产品形态	创作平台和 API，官网列出视频、图像、声音、特效等工具 [S3][S5]	Google DeepMind 的视频生成模型 [S13]	视频生成模型和创作平台 [S11][S12]
主要输入	文字、图像、音频、视频；支持参考视频、多图片参考和视频内编辑 [S1]	支持文字转视频、图生视频、文字转“音频+视频” [S13]	Gen-4 要求文字与图片输入；Gen-4.5 支持文字转视频和图生视频 [S11][S12]
单次视频时长	官方称最长 15 秒 [S1]	本次引用的官方产品介绍未列出统一单次时长口径 [S13]	Gen-4 支持 5 秒或 10 秒；Gen-4.5 支持 2 至 10 秒 [S11][S12]
原生音频	官方称支持多语言、多口音的原生音频和多角色对白 [S1]	官方列出文字转“音频+视频”能力 [S13]	本次引用的 Gen-4.5 规格页主要列出文字转视频与图生视频，未在该页列出原生音频规格 [S12]
参考与一致性控制	参考视频、多张图片参考、分镜和镜头参数控制 [S1]	官方产品页重点说明文字、图像和音视频生成能力 [S13]	Gen-4 强调单张参考图驱动角色、地点与对象的一致性 [S11]
当前独立盲测信号	Artificial Analysis 的无音频文字转视频榜单中，Kling 3.0 1080p Pro 排第 5 [S9]	本次未找到与 Kling 当前版本完全一致的同一表格位置，避免据此做性能排序	本次未找到与 Kling 当前版本完全一致的同一表格位置，避免据此做性能排序

公开评价中的对比（标源，非个人裁决）：

Kling 的公开定位更强调把参考素材、视频生成、镜头分镜、声音、特效和 API 放进同一个产品入口；Runway Gen-4 的公开材料更突出单张参考图下的角色、地点和对象一致性；Veo 3.1 则突出文字转视频、图生视频以及文字转音视频的能力。三者在生成能力上有交叉，但产品交付和控制方式并不完全一样。 [S1][S3][S11][S12][S13]

目前还没有找到一组独立公开测试，能同时覆盖 Kling 3.0、Veo 3.1 和 Runway Gen-4.5，并且采用同一提示词和相同版本设置，所以这里不对三者的整体质量或生产可用性做排序结论。

8. 信息缺口与后续观察

• 还没有足够的公开资料说明 Kling 3.0 的参数量、训练数据、训练算力、模型安全评测和系统性红队测试。
• 官方披露了创作者数、企业客户、收入和项目案例，但还缺第三方制作团队对生成成本、返工率、人工后期占比和交付周期的公开复盘。
• 原生 4K、多镜头、角色克隆和 Omni 编辑是目前重要的能力方向，后续需要观察同一素材、同一提示词下的复现率，不能只看单个演示片段。
• API 定价、订阅套餐和可用模型可能会随版本更新而变化，后续更新报告时要复查官网定价和开发者文档。
• 2026 年 7 月的外部融资改变了 Kling 的资本结构，但投资者权利、独立业务组织方式和后续披露节奏，还得等公司公告或监管文件来进一步确认。

9. 归纳洞察 ★

Kling 的产品路线说明，AI 视频的竞争已经不只是在拼单段生成质量了。它把参考素材、分镜、角色与元素控制、音频、视频编辑、团队协作和 API 放进同一个平台，试图覆盖从素材准备到成片生产的更多步骤。 [S1][S2][S3][S5]

但独立测试显示，工作流入口变多，不代表复杂制作任务就已经自动稳定下来。角色克隆、口型、跨镜头一致性和复杂编辑仍可能带来额外迭代。研究这类产品时，应该把“生成效果”“可控性”“复现性”和“修改成本”分开来观察。 [S10]

商业化信号也得分层来看：官方披露的用户、企业客户和收入数据说明它已形成明确的市场活动和变现路径；外部融资则说明资本结构在变化。但这两类信号都不能单独回答某项模型能力是否稳定，或者某类创作者是否会长期留存。 [S1][S2][S8]

10. 来源与更新时间

• 信息截至(as_of): 2026-07-07
• 最后复查(last_checked): 2026-07-07
• 最后更新(last_updated): null