可灵4.0实测:AI短剧口型终于对上了,全套提示词照抄就行
- 2026-10-25 22:19:34
口型对不上，是 AI 短剧最劝退的一环。9 月 28 日可灵 4.0 Flash 开放早鸟、10 月完整版上线，这篇把新能力、操作顺序和全套提示词一次讲清。
上一篇《AI短剧30分钟出1集》发出去以后，后台问得最多的问题不是提示词怎么写。
是口型。
画面再漂亮，人物一开口，嘴唇和声音错开半拍，观众三秒就出戏。这半年几乎每条 AI 短剧下面都有人骂这一点，它也是很多人做两条就放弃的直接原因。
9 月 28 日可灵 4.0 的 Flash 版本开放早鸟，10 月完整版上线。我把官方说明和公开的实测反馈都过了一遍，最值得说的一条是：这个从 3.0 一直被抱怨到现在的口型漂移，基本被修掉了。
先说清楚它修好了什么，再讲怎么用。
一、这次到底修好了什么
3 分钟
一、口型同步，这次是真修了
口型漂移是 Kling 3.0 以来最顽固的抱怨，也是 AI 短剧最致命的一处破绽。多家上手实测的反馈是：在对话密集的测试片段里，这个问题「基本解决了」。
更实用的是语言覆盖：支持中文、英语、日语、韩语、西班牙语、葡萄牙语、德语、法语、印地语共 9 种语言，还覆盖北京口音、东北口音、四川方言、粤语、中国台湾口音、美式英语、英式英语、印度英语等口音方言。有实测用粤语对白测试，声音、台词与表演同步，口型准确。
顺带一提，音频升级成了双通道立体声，左右耳是不同环境音，氛围感拉满。
二、一次能生成 30 秒长镜头
单次原生生成最长 30 秒，支持长镜头和连续叙事，多段情节可以自然衔接。
这对短剧的意义是：不用再靠大量 5 秒短镜头硬拼，画面割裂感大幅减少。叙事节奏也终于有空间展开，而不是每 5 秒断一次。
三、从「抽卡」到「执导」
这是这次升级真正的分水岭。单次任务最多支持 15 项参考素材，可以灵活组合最多 10 张图片、5 段视频、7 个主体、3 个视频主体；还能放进最多 10 个关键帧，自己定关键画面节点。
输入形式包括主体图、三视图、宫格图、关键帧、线框图——甚至可以用一段视频去参考角色表演、运镜和叙事节奏。画幅支持到 21:9，接近宽银幕。
翻译成人话：以前是反复改提示词祈祷抽中一次，现在是你告诉它这一集长什么样。提示词的理解能力也提升了，一段上千字符的复杂描述能被执行。
四、画质与版本差异（重要）
完整版支持最高 4K 分辨率和 10-bit HDR 输出。但要特别注意：早鸟的 Flash 版本上限是20 秒 + 720p，定位是快速迭代和草稿，不是最终成片。
二、四步工作流：顺序比提示词更重要
重头戏
这一节的顺序，比任何一句提示词都重要。顺序错了，口型就白搭。
### 第一步：先出静帧当关键帧，不要直接写视频提示词
这是所有实测里最一致的一条经验，也是最反直觉的一条。
10 个关键帧更接近「执导」而不是「抽卡」。所以正确做法是：先用图像工具把每一个关键画面单独做出来、单独修，再用这些成品图作为参考素材喂进去。这比在一个提示词里描述 10 个节拍要可预测得多。
直接拿一段长文字去生成，模型会自己脑补你没说的细节，画风一定散。
### 第二步：把对白单独写，标清说话人
口型准不准，一半取决于画面，一半取决于你的台词怎么给。
现在做这一步：把这一集的对白单独列出来，每一句标明说话人和情绪，不要混在画面描述里。我们要逐句生成，先对齐口型再拼接。
对白示例：
第 1 句｜男主｜压着火气，语速慢
「你说实话，那天晚上你到底在哪。」
第 2 句｜女主｜先沉默两秒，再开口
「我在哪，跟你有关系吗。」
一句一张脸的近景，口型最稳。不要在同一段里给三个说话的人。
### 第三步：口型和声音一次跑，别分开配
以前的流程是先生成画面，再用第三方工具对口型，来回倒腾。现在直接把台词和画面一起给可灵，让它在生成阶段就把口型对上。
画面：人物近景，正面偏侧 15 度，背景虚化的雨夜巷口，霓虹反光。
台词：（贴上面的对白原文，标清语言/口音）
要求：口型与语音严格同步，人物表情跟随台词情绪变化，镜头固定不动，不要切镜。
「镜头固定不动，不要切镜」这句必须加。一旦镜头在说话时移动或切走，口型的判断基准就没了，模型很容易崩。
### 第四步：哪段崩了就重做哪段
长序列有个客观规律：生成时间越长、情节越复杂，画面与叙事「失焦」的概率越高，实测反馈也提到了长片段里人物情绪偏平的问题。
所以别整条重来。30 秒里哪 5 秒崩了，单独拿那一小段、带上前后关键帧重做，再在剪辑里拼回去。这样一次生成的成本只用在一个镜头上。
三、四个必须知道的坑
坑一：Flash 不是完整版
20 秒 + 720p 是硬上限。拿它当草稿容器用，试镜头、试节奏，确认了再上完整版跑成片。反过来做，画质和时长都会卡住你。
坑二：完整版要 Ultra 年订
按公开信息，完整版可灵 4.0 目前需要 Kling Ultra 年订阅，门槛比月付高不少。如果你只是试试水，先用 Flash 跑通流程再决定要不要上，别一上来就年付。
坑三：文生视频会自己加戏
纯文本生成时，模型有时候会加你根本没要求的东西——这是几乎所有视频模型的通病，不止可灵。所以关键画面一定要用参考图锁住，别指望文字描述。
坑四：别指望一句提示词跑完全集
复杂提示词能理解上千字符，不代表你该把所有事塞进去。一集拆成 5 到 8 个片段分别生成，比一次性写 2000 字提示词成功率高得多。
最后
口型这一关过了，AI 短剧就只剩「剧本好不好看」这一个真问题了。工具已经把技术门槛降到很低，剩下的差距在你写故事的能力上。
今天这篇你可以直接上手：拿一段两人对话的剧本，按上面四步跑一遍，先只做 10 秒，把口型对上的感觉找出来。
哪一步卡住，在评论区说，我按步骤挨个回。想看《AI短剧从剧本到成片》的完整流程，回复「短剧」两个字。
（本文功能描述来自官方公开说明与第三方实测反馈，具体能力与价格以可灵官方最新说明为准。）
往期回顾
