<aside> 🌊

这是 Kling / 可灵 的模型级知识库（人看的 Current Canon + 机器可查的分层结论）。当前阶段：Knowledge Accumulation，尚未建立 Kling Professional Skill。

与 Seedance 官方知识库 使用同一套 12 段模板。平台参数不进本页；本页只记模型能力、Prompt Grammar 与官方工作流。

</aside>

<aside> ⚖️

裁定顺序：能不能提交看平台 UI / MCP Connection 实际支持项；写法怎么生效看模型层官方正文。03 Prompt Grammar 与 07 Workflow / Agent Layer 严格隔离，互不回填。

</aside>

🧭 一分钟导航

我要做什么 去哪一段
知道现在该用哪个模型、哪套写法 01 Current Canon
查 3.0 到底支持什么能力 02 Model Capabilities
查 VIDEO 3.0 Omni 与普通 3.0 的区别 02.2 Omni 能力表 ・ 10 Version Delta
写单条 Prompt 03 Prompt Grammar
锁人物 / 物体 / 场景一致性 05 References / Elements
处理配音、对白、方言 06 Audio
用 MCP / Agent 批量生产 07 Workflow / Agent Layer
查这些结论的官方出处 09 Source Ledger
旧公式还能不能用 10 Version Delta ・ 12 Deprecated / Legacy

01 Current Canon（当前正式结论）

项目 当前结论
当前主力模型 Kling VIDEO 3.0（官方 Model User Guide，2026-02-06 发布）
VIDEO 3.0 Omni ✅ 已核验（A1 官方正文，2026-09-03）：Kling VIDEO O1 的升级型号，全模态输入＋Native Audio＋Elements 3.0（含视频角色 Element 与声音绑定）＋Custom Multi-Shot，自由时长 3–15 秒。能力表单独记在 02.2，不与普通 VIDEO 3.0 混用
两者谱系关系 VIDEO 2.6 → VIDEO 3.0；VIDEO O1 → VIDEO 3.0 Omni。同属 Kling 3.0 系列、同一统一多模态训练框架，但输入形态与 Element 绑定规则不同，不得互相套用
当前官方 Prompt 基础结构 基础 Canon（2026-08-07 Prompt Guide）：Subject → Action → Setting / Scene → Camera → Lighting / Mood。最新实操增量（2026-09-07 VIDEO 3.0 Guide）：Scene + Subject + Movement + Audio + Style / Emotion / Camera。两者不冲突：9/7 版本把 Native Audio 与 VIDEO 3.0 实际生产字段显式纳入，并进一步要求先写主体动作，再写 Camera movement / framing；T2V 负责建立完整场景，I2V 因参考图已提供大量外观与构图信息，应把文字重心转向 movement / camera / audio。
官方核心态度 强 Prompt 来自清晰的 Scene Direction，不是依赖某个“神秘固定公式”
旧 Text-to-Video Formula Legacy but Structurally Valid：结构仍可用，参数与能力框架已过时
时长 Flexible Duration，3–15 秒
官方 Agent / MCP 工作流 已收录 3 篇（2026-08-27），一律归 WORKFLOW_LAYER
Professional Skill 暂不建立，仅积累 Candidate（见 11）
最后知识同步 2026-09-10：新增核验 2026-09-07 How to Create AI Videos from Text or Images（VIDEO 3.0）与 How Can I Make an Animation Video with AI?（VIDEO 3.0 Omni）；同时重新读取 8/7 Prompt Guide 与 3.0 / 3.0 Omni User Guide。模型能力边界无新变化，本轮主要更新 Prompt 写法与 I2V / Multi-Shot 实操层。

02 Model Capabilities（模型能力 · 官方正文确认）

来源：Kling VIDEO 3.0 Model User Guide（A1，2026-02-06）

能力类别 官方确认内容
生成入口 Text-to-Video ・ Image-to-Video ・ Start & End Frames-to-Video
叙事结构 Multi-Shot ・ Custom Multi-Shot
一致性 Enhanced Element Consistency ・ Multi-image references ・ Character Element ・ Start Frame + Element Reference ・ Multi-Character Coreference（3+ 角色）
音频 Native Audio ・ Voice binding
语言 中文 / 英文 / 日文 / 韩文 / 西班牙文 ・ Dialects / Accents
时长 Flexible Duration，3–15 秒输出

Multi-Shot 与 Custom Multi-Shot

模式 控制粒度
Multi-Shot 模型根据 Prompt 自动规划镜头转换、构图与机位
Custom Multi-Shot 逐镜控制：Shot Content ・ Shot Duration ・ Shot Size ・ Perspective ・ Camera Movement

<aside> 📌

Multi-Shot 不是旧版 Prompt Formula 的替代物，而是 VIDEO 3.0 在基础 Prompt Grammar 之上增加的结构化叙事能力。

</aside>

02.2 Kling VIDEO 3.0 Omni（单独记 · 禁止与普通 VIDEO 3.0 混成一套）

来源：Kling VIDEO 3.0 Omni Model User Guide（A1，2026-02-04）＋Kling Element Library User Guide（A1，2026-02-05）· 正文核验 2026-09-03

能力类别 官方确认内容
All-in-One Multimodal Input 上传的图片、视频、Element 与文字一律被当作 prompt；模型突破模态限制，可综合理解任意组合
生成入口 Text-to-Video ・ Image-to-Video ・ Start & End Frames-to-Video ・ Multi-image Reference ・ Element Reference ・ Video Element Reference（O1 不支持，Omni 新增）
Native Audio 支持（O1 无 Native Audio、无 Multi-shot）
Multi-Shot / Custom Multi-Shot 原生支持；可逐镜指定时长、构图、角度、叙事内容、运镜，并保证转场平滑
时长 自由时长 3–15 秒（O1 为 3–10 秒）
Element Voice Control 新增：可给 Element 加声音（详见 06 Audio）
一致性 参考生成的 element consistency 对比 O1 显著提升；多元素 / 元素＋参考图自由混搭，群像与交互场景下可独立锁住每个角色 / 物体的特征
分辨率与计费 官方文档给出 1080p / 720p 两档，积分按秒计且与「是否有视频输入」相关；此项属平台 / 计费口径，不是 Prompt Grammar（登记在 08）
视频编辑 / Prompt 改写等周边功能 官方明确「与 O1 相同」，详见 O1 User Guide（本轮未读取 O1 正文，不写结论）

Omni 官方输入上限（硬边界）

输入类型 官方上限
图片 最多 7 张；宽高均 ≥ 300px；单文件 ≤ 10MB；格式 .jpg / .jpeg / .png
视频 1 条；时长 3–10 秒；≤ 200MB；分辨率 ≤ 2K
组合规则 有视频输入时：图片 / Element 合计最多 4 个；无视频时：最多 7 个
多图 Element 每个 Element 至少 2 张（1 主参考图＋1 补充图），最多 4 张（1 主＋3 张多角度补充）；建议主图为正面
视频角色 Element 由 3–8 秒单人角色视频创建（App 可直接录制）
角色配音音频 多图角色 Element 可上传 5–30 秒单人说话音频绑音色（建议背景干净、语速中等、情绪与风格一致）；另一处官方表述为 ≥ 3 秒即可提取音色

<aside> ⛔

禁止把 Omni 的输入规则套到 VIDEO 3.0 上。

三套数字不同，互相套用就是跨版本拄。

</aside>