可灵 4.0 把单次生成拉到 30 秒：电商短视频的成本结构该重算了

做电商短视频的团队，过去两年最稳定的一笔成本是拍摄。一条 30 秒的商品展示，外模加场地加后期，报价区间长期停在一千五到四千块。想做多语言版本？再乘个国家数。想做 A/B 测试？再乘个版本数。绝大多数团队最后不是不想做，是算完账就放弃了。

9 月 28 日，快手旗下可灵发布了 Kling 4.0，把单次生成时长从上一代的 15 秒直接拉到 30 秒，并支持最长约 2 分钟的续拍。完整版十月上线，轻量版 Kling 4.0 Flash 已在 9 月 28 日向黑金年卡会员开放小范围体验。这件事对电商团队的意义不在于「又出了个新模型」，而在于 30 秒这个数字刚好卡在电商短视频的常用时长上——成本结构可以重算了。

Kling 4.0 到底升级了什么

最硬的四项指标：

• 单次原生生成 30 秒，上一代最高 15 秒，翻了一倍；配合多次续拍最长可延展到约 2 分钟。
• 多模态参考最多 15 项：单次可同时输入最多 10 张图片、5 段视频、7 个主体，在同一条生成任务里组合使用。
• 最多 10 张关键帧，可以设定人物状态、场景变化和情节节点，对叙事节奏做精细控制。
• 专业输出规格：支持 4K 与 1080p 的 10-bit HDR，新增 21:9 超宽画幅；音频升级为高品质双通道立体声，口型匹配精度提升。

另外几项对实际出片很有用：提示词输入上限提到 8000 token；重点强化了高速运动、连续动作和跟拍环绕这类复杂运镜的稳定性；支持中文、英文、日文、韩文、西班牙语等多语种和多种方言口型。

Flash 版本则明显是拿来试错的：支持 3 到 20 秒、720p、8-bit SDR，保留文生视频、首帧图生视频和全能参考，用更低的时长和规格换生成速度与性价比。

和另外三家摆在一起看

只看发布会容易被带着走，把当前主流选择横过来看更清楚。

• 单次时长：Kling 4.0 30 秒，续拍约 2 分钟；Seedance 2.5 单次 30 秒、多轮可延长至 180 秒；Wan 3.0 单次 30 秒；MiniMax H3 单次 15 秒。
• 多模态参考：Kling 4.0 最多 15 项；Seedance 2.5 最多 50 项（30 图 + 10 视频 + 10 音频）；Wan 3.0 共 20 项；H3 混合输入最多 12 项。
• 最高输出规格：Kling 4.0 最高 4K、10-bit HDR；Seedance 2.5 API 端最高 1080p（产品端已支持原生 4K）；Wan 3.0 最高 1080p；H3 最高 2K。
• 关键帧与控制：Kling 4.0 最多 10 个关键帧；Seedance 2.5 支持多分镜关键帧、首尾帧控制、时间戳级编辑、白模绿幕与视角编辑；Wan 3.0 支持首尾帧、统一参考、视频编辑与延长；H3 支持首帧、尾帧、首尾帧。

结论很直接：可灵这次把时长追平了第一梯队，在输出规格上拿到了 4K HDR 的领先，但参考素材数量仍明显少于 Seedance 2.5，编辑能力的丰富度也还有差距。如果你的工作流依赖大量参考素材做一致性控制，Seedance 2.5 仍然是更稳的选择；如果你的诉求是单条高质量成片，可灵 4.0 值得等正式版。

对电商团队真正有用的三个能力

第一个是主体参考。做服装、家居、饰品这类品类，最怕的就是模特和商品在不同镜头里变了样。7 个主体的参考位意味着你可以把商品图、模特图、场景图一次性喂进去，保证同一条片子里的东西是同一个东西。这直接解决的是「AI 生成视频最大的退货风险——货不对板」。

第二个是口型匹配加多语种。跨境团队做多语言版本，以前的流程是拍一条、找配音、对口型，成本按国家数线性增长。现在口型匹配和多语种支持把这一步压进了生成环节，东南亚、日韩、拉美多个市场可以共用同一套素材。

第三个是10-bit HDR 和 21:9。HDR 的意义在后期调色：高反差场景里逆光不爆、夜景不糊、霓虹不晕，给调色留出空间。21:9 则是直接对上信息流和详情页的宽幅位。这两项都是把「AI 生成的素材」往「能进正式投放流程的素材」推了一步。

真实成本账：别只看出片单价

很多团队算 AI 视频成本只算生成一次的价钱，这是最容易算错的地方。真实成本要包含四块：

• 生成成本：按次计费，但废片率才是真正的乘数。当前主流模型的一次通过率，对有明确商品展示要求的场景，普遍在三到五成。也就是说，你想要的「一条 30 秒成片」，实际要生成两到三条。
• 人工成本：写提示词、调关键帧、筛选废片、后期剪辑。这部分往往被低估，实际可能占到总投入的一半。
• 试错成本：Flash 这类轻量版存在的意义就在这儿——用低规格快速验证构图和节奏，通过了再用完整版出成片，能显著降低废片的单价。
• 机会成本：原来因为太贵而不做的测试，现在可以做了。多版本 A/B、多市场适配、季节性素材更新，这些之前的「不划算」项才是 AI 视频最大的增量价值。

定价目前还没公布，这是决定这笔账最终能不能算过来的关键变量。可灵此前的商业化路径是订阅制加开发者 API，年化营收已接近 5 亿美元，全球用户破 1 亿，Q2 营收同比增长超 200%，但增速已从早期的 300% 回落。定价一旦定得偏高，中小团队会转向阿里和 MiniMax 的性价比方案。

四类可以直接替换的场景

先把下面这四类切过去，风险最低、见效最快：

• 详情页短片：15 到 30 秒的商品展示，不需要真人出镜，对一致性要求高但运镜简单。
• 多语言版本：已有一条中文成片，只需要换语言和口型，用多语种能力重出。
• 季节性素材：节日、促销、上新这类时效性强的短片，拍一次用一季，不值得投入拍摄成本。
• 投放素材的批量变体：同一卖点的多个版本，用来跑 A/B 测试。这类素材本来就是消耗品。

反过来，有三类暂时别动：需要真人信任背书的场景（比如医美、教育课程）、对商品细节精度要求极高的品类（比如精密仪器）、以及品牌调性严格统一的主视觉片。

现在就该做的三件事

第一，把手上卖得最好的三个 SKU 拿出来，各做一条 30 秒的生成片，和现有实拍片放在一起做盲测。重点看的不是画质，而是转化数据——加购率、停留时长、退货率。如果生成片的退货率明显高于实拍，说明货不对板的风险还没解决。

第二，建立你自己的主体参考库。把每个主推商品的白底图、模特图、场景图整理成固定素材包，这是保证一致性的基础设施，越早建越省事。

第三，用 Flash 版本跑通试错流程。别一上来就用完整版出片，先用低规格版本把构图、节奏、镜头语言试出来，再上高规格。这条流程能把废片成本压下去一半以上。

还有一个时间点要盯住：完整版十月上线，定价同期公布。在那之前，先用 Flash 版本把流程跑通，等定价出来再决定是否规模化替换。