可灵4.0视频模型支持30秒片段和10个关键帧

快手旗下的视频生成平台可灵AI发布了可灵4.0，这是一次以动作表现、创作控制和更长叙事为核心的模型升级。发布详情于2026年10月16日公布。该模型单次生成即可原生输出最长30秒的视频。

可灵4.0最多支持15个多模态参考素材，包括图像、视频和音频，并支持最多10个关键帧，创作者可借此规划角色状态、动作变化以及场景之间的转换。用户还可以对已生成的视频进行延长，为连续动作和多段式故事留出更大空间。

不止于文字提示词

目前的AI视频工具大多依赖文字提示词，而文字很难精确描述复杂的镜头运动、角色动作和场景切换。即便单个镜头看起来很逼真，把多个镜头拼接起来时，角色外观也可能逐渐变化，动作也可能破坏连贯性。可灵AI的一位发言人表示，新功能主要针对两个问题：创作控制和叙事连贯性。

这两种工具分工不同。参考素材告诉模型视频应当呈现怎样的外观和风格，关键帧则决定故事如何推进。理论上，这有助于减少反复生成、再人工挑选最佳版本的工作量，不过实际效果将取决于场景的复杂程度。

一致性成为竞争焦点

据该发言人介绍，更长AI视频的主要技术瓶颈仍在于长时间跨度下的稳定性、可控性和连贯性。更长的片段要求模型在整个过程中稳定保持角色身份、空间关系、运动、镜头方向、光线以及音画同步。该公司认为，视觉保真度正逐渐成为基本要求，接下来的重点将是更精细的控制，以及对剧本和分镜更强的理解能力。

可灵AI预计，视频工具将从单次生成任务扩展为涵盖构思、参考输入、镜头生成、剪辑、延长和反复优化的完整工作流程。对于制作广告、动画或电影的人来说，可靠地还原角色以及降低修改成本，与画面真实感同样重要。

控制能力增强并不意味着AI能够独立完成一部电影。故事开发、镜头选择和最终剪辑仍然依赖人的判断。像可灵4.0这样的工具能否真正接受考验，关键在于它们能否以足够的一致性按正确顺序交付正确的镜头，使制作变得可预期，而不是靠反复尝试碰运气。