Kling 4.0 首尾帧工作流：从两张图到一条短片

先给结论

首尾帧控制让你同时定义 Kling 4.0 短片的起点和终点。上传一张首帧、一张尾帧，描述两者之间发生了什么，模型负责生成连接它们的运动。这是工作台里最可控、也最依赖前期准备的一种模式。

当「终点」和「起点」同样重要时，它最有用：产品转到标签一侧、角色从侧脸转向镜头、门在特定构图上关闭。

两张图各自负责什么

首帧固定开场构图、主体、服装和光线。尾帧固定镜头落在哪里。两个锚点之间的部分，交给模型。

这带来两个后果。第一，提示词应该描述「过渡」，而不是复述两张图。第二，两张图必须彼此兼容。如果首帧是正午的远景，尾帧是黄昏的特写，模型就要在五秒里同时完成推近、时间跳跃和光线变化。它会尝试，但结果通常发虚。

什么时候适合用首尾帧

适合的情况：

• 终点就是重点。 Logo 揭晓、产品标签、角色抵达目的地。
• 需要受控的过渡。 主体转身、镜头移动、光线变化，但开头和结尾必须精确。
• 需要接戏。 上一条的尾帧可以作为下一条的首帧，让一组镜头保持连贯。
• 两张图已经存在。 分镜图、产品渲染图，或从之前生成结果里截出的帧。

不适合的情况：你希望模型给你惊喜。如果终点只有一个模糊想法，用单张参考图生成，让镜头自行收尾会更自然。

分步工作流

1. 准备首帧。 选好开场构图，主体在画面中的比例要合理。
2. 准备尾帧。 匹配首帧的镜头感、光线方向和色温。只改变应该改变的部分。
3. 写过渡提示词。 一句话：谁在动、镜头怎么走、光线如何变化。
4. 用 5 秒、720P 测试。 五秒足够完成转身、推近或揭晓；十秒留给需要两个节拍的过渡。
5. 对照两端。 把成片的第一秒和最后一秒与两张图比较。如果端点没对上，问题通常在图片，而不是提示词。
6. 再生成 1080P。 过渡成立后，再做最终版本。

过渡提示词怎么写

提示词应该像在描述两张图之间的「空隙」。可复用的句式：

• 以主体为主： 「角色从侧脸转向镜头，肩膀跟随转动，外套随之落定。」
• 以运镜为主： 「镜头从远景缓慢推近到特写，产品始终保持在画面中央。」
• 以光线为主： 「午后光逐渐变为蓝色暮色，街灯亮起，主体保持不动。」
• 以揭晓为主： 「门打开，露出亮灯的房间，镜头保持原位。」

避免描述已经在图片里固定的细节。重复服装或背景，只会占用提示词额度，不会改变结果。

两张图是否兼容的检查清单

生成前，逐项对比：

• 构图： 镜头感一致、主体大小接近、地平线位置一致。
• 光线： 方向与软硬一致；小幅的时间变化可以，整体重新打光不行。
• 色彩： 白平衡与色调匹配。
• 主体： 相同服装、相同识别特征，姿势不需要凭空多出手脚或道具。
• 背景： 空间关系兼容，镜头移动时不需要重建整个场景。

任何一项不通过，优先改图，而不是加提示词。五秒的短片解决不了两张图从一开始就没谈拢的差异。

常见错误

用两张无关的图。 首尾帧不是变形工具，它要求两张图描述的是同一场景的不同时刻。

写完整场景描述。 提示词只负责过渡。把开头和结尾都写一遍，中间反而没有指令。

简单动作也选 10 秒。 转身或推近五秒就够，多余的时间会带来漂移。

审片时不看尾帧。 暂停在最后一秒，与尾帧对比。对不上，就说明镜头还没完成。

直接上 1080P 试错。 先在 720P 验证过渡。分辨率不会修复端点不匹配。

常见问题

文生视频能用首尾帧吗？

首尾帧属于图生视频流程，因为它需要两张图。文生视频从提示词开始，没有锚点帧。

首尾帧视频更贵吗？

与普通 Kling 4.0 视频同价：5 秒 9 积分，10 秒 18 积分，不额外加价。

两张图的画幅可以不同吗？

建议保持一致。不同裁切会迫使模型发明一次重新构图，结果更难控制。

尾帧没被遵循怎么办？

先检查兼容性：构图、光线、色彩、主体。如果这些都匹配，再缩短提示词，只描述一个动作。

能接成更长的序列吗？

可以。用上一条的尾帧作为下一条的首帧。每段提示词只关注本段的过渡，并预留时间处理接缝。

结论

首尾帧控制把 Kling 4.0 变成镜头规划工具：你决定从哪里开始、在哪里结束，模型补上中间的运动。真正的工作发生在生成之前——两张兼容的图和一句清楚的过渡描述。端点对上之后，再升 1080P 保留成片。想看成片通用的提示词写法，读 Kling 4.0 提示词指南；想算成本，看 积分价格拆解。