Kling 4.0 Hands-On Test: AI Characters Enter Live-Action Exhibition-Walkthrough Videos — How Far From One-Stop Finished Video?

文 | 奇点研究社，作者｜徐婷，编辑｜奇博士

10月30日深夜，快手在港交所发布公告：旗下视频生成业务可灵完成增资交割，198.02 亿元增资款全部到账，约合 29.05 亿美元，可灵投后估值约 179 亿美元，折合人民币超过 1200 亿元，高于快手当日约 968 亿元的港股收盘市值。

“一个可灵，比整个快手还贵”，尤其考虑到，2026 年上半年，可灵收入占快手总收入的比例仅为 2.17%。资本市场买的显然不是可灵当下的收入，而是它在 AI 视频赛道里的未来。

资本故事讲得再大，最终仍要回到创作现场接受检验。最近，我们用可灵4.0制作一条探展视频，真人出镜环节全部交给 AI，采用展会实拍素材与 AI 人物结合的方式，拆分生成 7 组画面，再通过音画同出、视频修改和时间线等功能完成后续制作。测试前，我们准备了约 3000 字提示词，尽可能明确主体关系、镜头运动、构图和声音要求，减少指令歧义。

实测结果喜忧参半，个别镜头的人物融合、运镜和构图已经相当自然，几乎看不出明显违和；但另一些片段里，AI 会把台上的机器人换成台下的主播，把一镜到底变成几次硬切，甚至在修改视频后，将原本正常的声音变成一串难以辨认的乱码。

AI已经能生成不少惊艳镜头，为什么成片仍要反复试错？可灵4.0距离“一站成片”，还差哪些关键能力？在180亿美元估值与行业资源重组之下，稳定交付能否成为AI视频的商业分水岭？

可灵4.0再升级，从生成画面到执行创意

在国内互联网公司的大模型竞争中，快手选择了一条相对聚焦的路线：没有将主要筹码押在通用聊天机器人上，而是持续投入视频生成。这与快手原有的业务生态密切相关。广告、电商、短剧、影视和创作者内容，都有大量视频生产需求，模型能力也有机会通过会员订阅、企业服务和 API 调用转化为收入。

这是一门离钱更近，也更烧钱的生意。视频生成的付费场景相对直接，但训练、推理、算力和人才，每一项都价格不菲。可灵由此从快手内部的技术项目，逐渐走向公司的战略中心。

这种权重变化，清晰地写在组织与资本动作里。2025年4月，快手设立可灵 AI事业部，负责人直接向程一笑汇报，7月可灵推进独立分拆融资安排，融资规模近30亿美元，投后估值约180亿美元，腾讯、阿里云、百度以及多家地方产业投资基金和文娱产业方进入股东名单。9月30日，原社区科学线负责人于越转任可灵AI公司董事兼 CEO，负责经营管理。10月30日，这轮独立融资正式完成交割，实际到账增资款约 198.02 亿元，折合约 29.05 亿美元。

从一级事业部到独立融资，再到专设 CEO，可灵正在获得一家独立公司的资源配置，也开始面对一家独立公司的经营考题。

商业化数据是它眼下最有分量的筹码。根据快手披露的数据，2026 年第一季度，可灵 AI 收入超过 6.5 亿元，同比增长超过 300%；第二季度收入超过 8.5 亿元，同比增长超过 200%，上半年合计超过 15 亿元。

但收入增长，并不等于商业模式已经高枕无忧。随着业务独立性增强，它还需要回答几个更现实的问题，诸如收入增长能否延续，算力成本如何消化，企业客户是否愿意持续续费，以及产品能否建立足够稳固的竞争壁垒等等。

关于可灵筹备赴港 IPO 的消息已见诸报端，不过相关安排仍处于早期阶段，上市时间和规模均存在调整空间。资本给了可灵更大的空间，也抬高了它的及格线。接下来，市场追问的不只是模型还能生成什么，更是技术高光能否变成持续回报。

可灵 4.0正是在这样的背景下到来，也是可灵尝试向专业创作流程再迈进一步的产品节点。

根据快手官方信息，可灵4.0升级重点围绕真实、可控和专业展开：单次原生生成时长最长可达30秒；图片、视频、主体与音色等参考素材可以灵活组合，最多支持15项参考素材和 10 张关键帧；提示词长度上限也进一步提高。官方希望通过这些升级，更好地处理高动态场景、复杂运镜和连续叙事。

这些能力变化对应着AI视频行业评价标准的转变。早期模型首先要证明自己能否把文字描述转换成一段画面：人物动作是否自然，画面是否逼真，光影是否接近真实摄影。随着生成质量提升，创作者开始提出更复杂的要求：人物跨镜头要保持一致，镜头要按指定的景别、构图和节奏移动，多个片段之间还要维持基本的空间关系和叙事连贯性。

模型需要处理的除了“画面里有什么”，还包括素材各自承担什么作用、哪些元素可以改变、哪些信息必须保留，以及创作者希望镜头如何展开，可灵 4.0 对参考素材、运镜和生成时长的升级，正是在回应这些需求。

与模型能力同步演进的还有产品形态。可灵逐步将生成、编辑、画布和时间线等能力整合到同一工作空间，希望减少用户在不同工具之间切换的成本。字节跳动 Seed 团队此前推出的 Seedance 系列，也把长叙事、多模态参考和视频编辑作为产品迭代的重要方向。

各家的实现方式不尽相同，但竞争目标逐渐清晰：创作者期待的已不只是一个能生成片段的按钮，还包括一套能协助完成作品的工具。

如果说AI视频的上半场拼的是生成能力，下半场考验的则是对创作意图的执行能力。但更长的生成时长、更多的参考素材和更丰富的编辑能力，是否就意味着创作者能更准确地控制最终结果？

奇点用一条探展视频进行了一番实测，展会现场是实拍素材，AI 人物需要进入既有环境，完成不同的镜头运动；多个片段之间还要维持人物和场景关系，并与口播、声音及后期处理衔接起来。

可灵4.0一手实测，好镜头与好成片之间，差几次“重来”

这次测试全程使用可灵 4.0，视频采用实拍素材与 AI 人物结合的方式，拆分为 7 组画面，并在画布中完成生成、修改和素材整理。为了尽可能减少指令歧义，我们借助 AI 助手和团队剪辑同事整理了约 3000 字提示词，明确主体关系、构图、景别、运镜和声音要求。

换句话说，这不是一次完全放任模型的随机测试，而是一场有专业辅助、有明确交付目标的实战。

可灵 4.0 的上限，确实足够惊喜。表现最好的几段素材，能够准确完成提示词要求的镜头推移，构图、景别和切换节奏也基本符合预期。更难得的是，AI人物与实拍环境的融合相当自然，人物没有明显“贴”在背景上的感觉，与环境互动时也不显得突兀。

这类画面已经接近可以直接交付的状态。它说明可灵 4.0 并不只是能生成几段适合展示的样片，在条件合适时，确实能够产出具有专业使用价值的内容。

声音也是本次测试中相对亮眼的部分，大部分环境声和口播可以直接使用，整体可用率高于画面，音画同出减少了逐段配音的步骤，对于需要快速完成短片的创作者，具有明确的效率价值。

但高光表现并不能稳定复现。原因一是模型对主体与场景关系的处理仍会出现偏差。在一次生成中，原本应该站在台下的主播，直接替换掉了台上的机器人；

另一段素材里，AI 又用角色人物换掉了背景视频中的主持人。即使补充“围观”等关系描述，结果也没有明显改正。还有片段出现人物与场景比例失衡，让正常探展突然有了“误闯小人国”的观感。

这些bug的核心不是画质，而是模型是否真正理解画面中“谁是谁、谁在哪里、谁与谁互动”。

其次是长镜头与连续叙事。我们专门设计了一组一镜到底的指令，但几次尝试后，得到的仍是不同场景之间的硬切，人物虽然一直在走，镜头却没有形成连续运动，周围环境也被大幅修改，提示词中对素材使用的限制没有被稳定执行。时长增加，并不自然等于叙事能力升级，模型可以生成更长的内容，却未必能持续维持空间、人物和镜头关系。

最后是修改与声音的一致性。部分片段经过视频修改后，不仅没有按指令修正，还擅自添加字幕；原本正常的声音，也可能在后续生成中变成乱码，提前为人物主体配置的声音，没有被稳定引用，不同片段中的同一个人物，声线也会出现差别。画布和时间线确实改善了素材管理，但 BGM、转场、音效与修改流程，仍未形成足够顺畅的成片闭环，任何一处出现问题，都要“推到重来”。

这也是本次实测最直接的感受，可灵4.0已经抬高了好镜头生成的上限，但稳定交付一条符合要求的视频，仍然需要创作者在关键环节兜底。

这期间产生的成本很容易被单次生成的价格掩盖，提示词调试、反复生成、筛选素材、失败修改、等待时间，以及人工检查和修补，共同构成了视频真正的生产成本。对个人创作者而言，它们消耗的是时间和精力；对广告、短剧和影视团队来说，它们还会影响工期、预算和交付验收。

从实测效果来看，可灵 4.0 已经能在部分场景生成具有专业使用价值的画面，但稳定执行复杂要求、在修改中保留有效内容、顺畅完成整条生产流程，仍有提升空间。这些问题也关系到 AI 视频行业下一阶段的竞争焦点。

可灵、Seedance、Vidu、海螺和通义万相等产品，正在围绕画面质量、人物一致性、连续叙事、生成成本和垂直场景持续迭代。单次版本升级可以带来阶段性的能力变化，随着基础生成能力不断提升，单看某个样片是否惊艳，越来越难以完整衡量一款产品的实际价值。

可灵的商业化进展已有较明确的公开数据，收入增长也让它成为视频生成领域值得持续观察的玩家。不过，收入规模、用户增长、盈利能力和长期竞争力是不同维度，没有同口径的竞品数据，也很难据此断言它在商业化上已经全面领先。

竞争同样发生在应用生态上。字节拥有 Seedance、即梦、剪映、抖音和火山引擎等不同环节的产品与服务；快手也有内容平台和快影。可灵在获得更独立的融资与经营空间后，既需要继续与母公司协同，也需要面向外部开发者和企业客户建立自己的产品生态。

最近有报道称字节旗下 AI 短剧创作平台小云雀并入即梦，产品仍保留独立入口，相关短剧能力已接入即梦。这与可灵独立融资形成了有趣的对照，一边为单一业务争取独立经营空间，另一边将相近产品的能力与运营进一步整合，两种组织选择并不能直接证明哪条路更优，也不足以代表整个行业的统一趋势，但都指向同一个现实问题：企业需要重新判断，哪些能力应该单独发展，哪些产品应当整合，哪些环节能够创造持续的商业价值。

当越来越多第三方创作平台可以接入不同的视频模型，单纯拥有生成能力，就不一定能成为某款应用的独占优势。用户可以比较不同工具的效果、速度和价格，也可以按照任务更换模型。应用要留下用户，需要提供模型之外的价值：更适合某种创作任务的工作流、更精细的编辑与协作能力、更可靠的内容管理，或与分发和商业转化的直接连接。

首先是生成稳定性。同样的任务，能否较稳定地生成符合要求的结果？成功画面是偶然出现，还是能够在相似条件下反复复现？对专业用户而言，一次惊艳的结果固然有用，但稳定性才决定它能否成为生产流程里的常规工具。

其次是修改的可控性。当人物、动作或声音出现偏差，工具能否在保留其他有效内容的前提下完成修正？如果每次修改都有可能引入新的错误，模型看似提供了更多编辑能力，实际却可能增加返工。

最后是综合的交付成本。除了模型生成所需的时间和积分，还应计算提示词准备、筛选素材、失败重试、人工修复以及音画后期的投入。把这些成本放在一起，才能判断一条可用视频究竟需要多少资源，也才能比较不同工具在真实工作流中的效率。

这三个维度进一步连接着商业回报。稳定的生成和修改能力，可以减少重复劳动；更顺畅的工作流，可以让模型进入广告、短剧、影视等专业生产场景；可预期的单位交付成本，则影响客户是否愿意长期使用和续费。

对于模型公司来说，用户规模、ARR 和融资估值依然重要，但企业续费、API 使用、算力成本和最终利润，同样决定增长能否持续。

在这一过程中，混合使用多个模型和工具，很可能长期存在。创作者可以用一个模型生成画面，用另一个工具处理声音，再通过专业软件完成剪辑与后期，模型厂商要努力争取让自己的能力进入用户反复运行的生产流程。

180 亿美元估值为可灵的技术潜力和商业前景定价，也为其后续发展提供了空间，4.0 的能力升级展示了它在专业创作方向上的努力。接下来需要继续验证的，是这些技术能力能否转化为更稳定的结果、更可控的修改过程，以及客户能够接受的交付成本。

好镜头吸引人，稳定交付留住人。