Kling 3.0 完整新手教程

如果你是AI视频的新手，你几乎会立刻遇到这些令人沮丧的问题：

• 生成的结果看起来「还行」……但完全不是你要的
• 你的角色或产品在画面之间外观不断变化（一致性问题）
• 视频的尺寸不对，不适合抖音或YouTube
• 因为无法控制开头、结尾或故事结构，你浪费了大量积分反复生成

Kling 3.0 用简单而强大的控制功能解决了这些新手痛点： 起始帧/结束帧、多镜头、元素(@)、音频开/关、画质(720p vs 1080p)、画面比例、时长，以及生成前就能看到的透明预估费用。

这篇教程将带你了解我们AI视频生成器页面上的每一个控件，解释它做什么、为什么存在，以及如何使用——即使你从未制作过AI视频也能看懂。

为什么选择 Kling 3.0？看对比就知道了

在开始介绍操作之前，先看看 Kling 3.0 和竞品的差距：

快速上手（3分钟生成你的第一个视频）

想用最少的弯路得到一个不错的结果？跟着这7个步骤走：

1. 第一次生成时关闭多镜头
2. 用这个公式写提示词：主体 + 动作 + 场景 + 风格
3. 选择标准画质(720p) 省积分
4. 选择正确的画面比例（抖音/TikTok = 9:16）
5. 把时长设为5秒，加快测试速度
6. 检查预估费用（不会有惊喜）
7. 点击生成视频 → 预览 → 只改一个设置 → 再次生成

就这么简单。下面我们来深入了解每个控件。

页面概览：你看到的界面

打开我们的AI视频生成器页面后，你会看到一个清晰的两栏布局：

• 左侧面板 = 所有输入和设置（"控制室"）
• 右侧面板 = 视频预览和输出

所有操作都在这一个页面完成——没有令人困惑的多页面流程。

每个控件详解

下面我会按照页面上出现的顺序，逐一解释每个控件。每个控件你将了解到：

• 这是什么（大白话解释）
• 解决什么问题（为什么需要它）
• 怎么用（手把手教你）

1. 起始帧和结束帧

这是什么？

起始帧（Start Frame） 和 结束帧（End Frame） 让你上传图片来「锚定」视频：

• 起始帧 = 视频开头的画面（观众看到的第一帧）
• 结束帧 = 视频结尾的画面（可选——给AI一个「目的地」）

支持格式：JPG、PNG（最大 10MB）

解决什么问题？

没有参考图片时，AI视频是不可预测的。模型可能会：

• 改变你角色的脸、衣服或体型
• 用一个跟你品牌完全不搭的构图作为开头
• 到结尾时画面已经完全偏离了初始设定

起始帧解决开头问题——结束帧解决结尾问题。

这跟传统动画中的关键帧概念是一样的：与其期望AI猜对，不如直接告诉它从哪里开始、在哪里结束。

怎么用？

方案A — 让静态图片动起来（最容易上手）：

1. 上传一张起始帧（产品照片、人物肖像、概念图）
2. 在提示词中描述运动方式（缓慢平移、微微旋转、轻柔缩放）
3. 先把时长设短一些（5–8秒）
4. 点击生成视频

方案B — 「起点→终点」变换（更高级但效果惊艳）：

1. 上传你的起始帧（「变化前」的图片）
2. 上传你的结束帧（「变化后」的图片）
3. 在提示词中描述什么应该保持一致（主体、风格）和什么应该发生变化（姿势、光影、环境）
4. 生成并迭代

2. 多镜头（多场景视频）

这是什么？

多镜头（Multi-shot） 会生成一个多场景视频，而不是一个连续的单镜头。类似于影视制作中的分镜头脚本——每个「镜头」就是视频中的一个不同场景。

解决什么问题？

单镜头AI视频适合快速出效果，但在故事结构方面力不从心。你很难表达「先展示全景，然后切到特写，最后以产品logo收尾」。

多镜头通过让你在一次生成中描述多个场景来解决这个问题：

• 从远景到中景到特写（像产品广告一样）
• 多个机位角度
• 一个迷你叙事

怎么用？

为什么默认关闭： 新手通常先用单镜头生成效果更好。多镜头增加了创作能力，但也增加了复杂度。

新手操作方法：

1. 先成功生成1–2个单镜头视频（找找感觉）
2. 打开多镜头
3. 在提示词中，每个镜头写一句话：
   • 镜头1：「现代办公楼在夕阳下的全景远景」
   • 镜头2：「双手在温暖台灯下敲击笔记本键盘的特写」
   • 镜头3：「缓慢推进到屏幕上显示的产品logo」

🎬 实际案例：多镜头对话场景

下面是一个真实的 Kling 3.0 多镜头生成结果。一条提示词，多个镜头角度，自然的对话和音频——全部在一次生成中完成：

Prompt

Image

Output

Outdoor terrace of a European villa, by a dining table with a blue and white checkered tablecloth, a young white woman in a blue and white striped short-sleeve shirt and khaki shorts, with a brown belt, sits barefoot, opposite a young white man in a white T-shirt. The camera zooms in, the woman swirls the juice in a glass, her eyes looking at the distant woods, and says "These trees will turn yellow in a month, won't they?". Close-up of the man, he lowers his head and says, "but they'll be green again next summer.". Then the woman turns her head, smiles at the man opposite, and says, "Are you always this optimistic? Or just about summer?". Then the man lifts his head, looks at the woman and says, "Only about summers with you."

注意 Kling 3.0 自动完成了以下工作：

• ✅ 多机位切换 — 全景 → 各角色特写 → 反应镜头
• ✅ 角色一致性 — 两个角色在所有镜头中保持外观一致
• ✅ 自然对话 — 每个角色有独立的声音，口型与语音完美同步
• ✅ 场景连续性 — 相同的场景、灯光、道具贯穿始终

这就是多镜头的强大之处：你只需要描述故事，Kling 3.0 的 AI 导演会自动处理镜头语言。

3. 提示词（必填，最多2500字符）

这是什么？

提示词（Prompt） 就是你用文字告诉AI你想生成什么。它是唯一的必填项（注意红色星号）。我们的界面支持最多 2500个字符（显示为 0 / 2500）。

解决什么问题？

大多数「效果差」的AI视频，问题出在提示词：

• 太模糊（「弄得电影感一点」——什么样的电影感？）
• 太贪心（一个镜头里塞了10个动作）
• 缺少核心视觉细节（主体、场景、风格）

一个结构清晰的提示词能给AI明确的指令，又不会让它不知所措。

怎么写出好用的提示词

使用这个新手公式：

主体 + 动作 + 场景 + 风格 + （可选）镜头运动

示例：

可选的镜头运动术语（让画面更有电影感）：

• 摇摄/平移 — 相机水平移动
• 推拉镜头 — 相机靠近或远离主体
• 景深 — 模糊背景以突出主体

新手黄金法则： 一次生成只描述一个场景 + 一个主要运动。别试图在一条提示词里描述一部30秒的电影。

4. 音频开关（开/关）

这是什么？

扬声器按钮控制你的输出是否包含AI生成的音频轨道（原声带）。

解决什么问题？

根据你的工作流程，你可能想要：

• 一个带有环境音的「即开即用」片段，方便给客户看
• 或者一个静音片段，之后自己配上版权音乐或配音

怎么用？

• 音频开启 → 想要一个完整的带环境音的片段时使用
• 音频关闭 → 在以下场景使用：
  • 你打算之后在剪映/Premiere/CapCut/达芬奇中编辑
  • 你需要严格的品牌安全音频
  • 你正在大量生成草稿，想先专注于视觉效果

🌍 多语言对话生成（5种语言）

Kling 3.0 支持五种语言的对话输出：中文、英语、日语、韩语和西班牙语。

它的特别之处在于：

• 多语言混合表演 — 角色可以在同一个视频中切换不同语言
• 自动匹配发音 — 你只需输入对应语言的文字，模型会自动匹配正确的发音
• 流畅的语言切换 — 场景中切换语言时不会出现突兀的断裂感
• 自动翻译兜底 — 如果你输入的对话不在以上五种语言之内，模型会自动将其翻译为英语

5. 元素(@)——视觉一致性的秘密武器 ⭐

这是 Kling 3.0 最强大和独特的功能。如果你只打算学一个高级功能，那就先学这个。

这是什么？

元素（Elements） 是可复用的视觉参考，你可以用 @ 符号把它们插入到提示词中。

你可以直接在我们的界面上看到——提示词输入框下方有一个标着 「@ Elements」 的按钮。提示词的占位文字也写着：「Add elements using @」。

把它想象成「钉住」一个角色、产品或风格，让AI每次都使用完全相同的参考。

解决什么问题？

AI视频的头号痛点就是一致性：

• 同一个角色每次生成脸和衣服都不一样
• 同一个产品的形状和颜色总在变
• 整体风格不可预测地漂移

没有元素功能的话，你必须在每一条提示词中重新描述角色的每个细节——即便如此，AI每次的解读可能都不同。

元素通过保存视觉参考来解决这个问题。 不用每次都写「一个30岁的短发黑发女性，穿着蓝色夹克」，你只需要输入 @角色名 ，AI就知道该用什么。

为什么用 @ 快捷方式？

输入 @ 快速而且符合直觉——就像在社交媒体上@某人一样。它避免了冗长的复制粘贴描述，减少了出错几率。

怎么用？

1. 点击提示词区域下方的 @ Elements 按钮
2. 选择一个已有的元素（或创建新的——上传你的角色、产品或风格的参考图片）
3. 在提示词中输入 @ 并插入元素
4. 提示词的其余部分专注于动作 + 场景 + 风格

实际案例

不用元素（结果不一致）：

使用元素（结果一致）：

这个功能对以下场景是革命性的：

• 品牌视频 — 让你的吉祥物或代言人保持一致
• 产品演示 — 同一个产品，不同角度和场景
• 讲故事 — 一个角色贯穿多个场景

🎬 实际演示：图生视频 & 元素引用

看看元素引用带来的差别。同样的提示词，同样的起始帧——但有 vs 没有元素引用：

Prompt

Start Frame

Element Reference

Output

The camera gradually moves around to the front of the girl, who then lifts her head and smiles warmly at the camera, as if seeing an old friend after many years.

Start Frame + Enhanced Element Consistency Output

Only Start Frame Output

注意效果的巨大差异：

• ✅ 有元素引用 — 女孩的面容、发型和服装与参考照片完美一致
• ❌ 没有元素引用 — 即使使用了同一张起始帧，AI也会生成一个完全不同的人

6. 视频画质：标准 vs 专业

这是什么？

两种画质模式：

• 720p = 高清——适合草稿和屏幕内容
• 1080p = 全高清——足够清晰可以直接发布

解决什么问题？

新手经常在每次实验时都使用最高画质，白白浪费积分。标准模式让你可以低成本快速迭代。

怎么选？（简单规则）

用标准(720p) ：

• 测试提示词和概念草稿
• 快速迭代和学习阶段

用专业(1080p) ：

• 最终营销素材
• 交付给客户的成品
• 任何打算直接发布不再编辑的内容

7. 画面比例：16:9、9:16、1:1

这是什么？

画面比例就是你视频画面的形状。有三个选项：

• 16:9 — 宽/横版（风景模式）
• 9:16 — 高/竖版（肖像模式）
• 1:1 — 正方形

解决什么问题？

画面比例选错 = 后期裁剪很痛苦：

• 人脸被裁掉
• 文字叠加层放不下
• 画面构图对于目标平台来说感觉「不对」

在生成之前选对比例意味着零浪费。

你应该选哪个？

8. 时长：3秒到15秒

这是什么？

时长滑块控制视频的长度：

• 最短：3秒
• 最长：15秒

解决什么问题？

视频越长，AI越难保持稳定：

• 更容易出现视觉漂移
• 更容易出现怪异的运动伪影
• 积分成本更高

短视频 = 更快学习、更快迭代、更低成本。

新手最佳时长推荐

9. 预估费用（积分）和计算方式

这是什么？

在你点击生成之前，页面会显示预估费用——不会有意外惊喜。

计算方式

费用 = 每秒积分 × 时长

页面上显示的价格：

• 标准 = 13 积分/秒
• 专业 = 17 积分/秒

举例：

10. 生成视频 + 预览 + 迭代

这是什么？

点击生成视频开始。你的输出会出现在右侧预览面板中。

新手迭代循环（最快的进步方法）

每次生成后检查三件事：

1. 构图 — 画面比例对吗？主体居中了吗？
2. 清晰度 — 720p/1080p下看起来干净吗？
3. 提示词准确度 — AI有按照你描述的主体/动作/场景/风格生成吗？

然后每次只改一个变量：

• 微调提示词 或者
• 切换画面比例 或者
• 调整时长 或者
• 添加起始帧/结束帧

再次生成。如此反复。

即拿即用的提示词模板（新手安全版）

这些模板可以直接使用——只需把方括号里的内容替换成你自己的。

模板1 — 产品广告（单镜头）

推荐设置： 标准画质，5秒，1:1 或 16:9

模板2 — 社交媒体生活方式（竖版）

推荐设置： 9:16，8–10秒

模板3 — 让静态图片动起来（起始帧工作流）

把你的图片作为起始帧上传，然后用这个提示词：

推荐设置： 标准画质，5–8秒

模板4 — 起点→终点变换

把图片A作为起始帧、图片B作为结束帧上传：

推荐设置： 专业画质，5–8秒

模板5 — 多镜头产品故事

打开多镜头，然后写：

推荐设置： 专业画质，10–15秒，使用 @产品元素 保持一致性

问题排查：快速修复不好的生成结果

「生成结果跟我描述的不一样」

试试：

• 让提示词更短（一个主体，一个动作）
• 添加起始帧减少随机性
• 降低复杂度（避免在一个镜头里塞3–4个动作）

「我的角色/产品一直在变」

试试：

• 使用元素(@) 复用同一个参考——这是头号解决方案
• 使用起始帧来锚定视觉效果
• 多次生成时保持提示词一致（同样的服装，同样的描述词）

「画面尺寸不适合抖音/Reels」

解决方法：

• 直接用 9:16 生成——不要先生成16:9再裁剪

「费用太高了」

试试：

• 切换到标准画质(720p) 打草稿
• 测试时把时长降到5秒
• 只在最终版本时使用专业画质

准备好生成你的第一个Kling 3.0视频了吗？

开始步骤：

• 一条简单的提示词（主体 + 动作 + 场景 + 风格）
• 标准画质(720p)
• 选对你目标平台的画面比例
• 5秒时长
• 生成 → 预览 → 每次只改善一个变量