可灵生成的是片段，不是成片。一条几秒的镜头单独看很惊艳，拼成三分钟短片就得靠流程：先定结构，再拆镜，逐段生成、多版挑选，最后拼接。可灵首页现在有三个入口——视频生成、画布、MCP/CLI，分别对应单条试片、项目级制作、批量出片。入口选错，后面全是返工。
先选入口，再谈流程
三个入口的分工很清楚。视频生成适合试镜头，一条一条调提示词，看到满意为止。画布是项目级的，官方描述是「编写剧本、生成图片、视频、分镜、还能多次后处理编辑和剪辑视频」，也就是说分镜、素材、剪辑都在一个项目里，不用导出到别的软件。MCP/CLI 面向批量，同一套提示词跑多个版本，适合需要大量备选的场合。
多数人卡在第一步：拿视频生成当画布用，生成了二十条片段，最后发现找不到哪条对应哪个镜头。正确顺序是先在画布建项目、拆好镜，再针对每个镜头去生成。当前视频模型是 Kling 4.0，图像侧是 Kling Image 3.0，后者支持原生 4K 直出与系列组图——需要静帧做首帧或分镜板时，用图像模型出图比从视频里截图清楚得多。
拆镜：一张表定死三件事
拆镜不是写文学脚本，是把每个镜头变成可执行的参数。三件事必须定死：景别（远景、中景、近景、特写）、动作（这一镜里主体做什么，只能有一件事）、时长（几秒）。三件事里最容易含糊的是动作，写成「她在房间里走动」，模型会给你一堆随机结果；写成「她从画面左侧向右走过窗边，停下看向镜头」，才有确定性。
表格的列建议固定为六项：镜号、景别、画面内容、动作、时长、参考图。参考图这一列是后面保持一致性的关键，空着的话，第二镜开始人物就会换脸。这张表不用复杂，能让人照着填就行。
四类镜头，四种生成策略
不是所有镜头都值得花同样的力气。按可控性分四类，策略完全不同：
| 镜头类型 | 典型内容 | 生成策略 | 失败怎么处理 |
|---|---|---|---|
| 人物近景 | 说话、表情、特写 | 先用图像模型出定妆图，再图生视频 | 脸部崩坏就换参考图，别反复抽卡 |
| 动作镜头 | 跑动、转身、开门 | 动作写单一动词，时长压短 | 动作糊成一团就拆成两个镜头 |
| 空镜与环境 | 街景、雨、走廊 | 提示词里写光线与镜头运动 | 画面太平就补浅景深、逆光 |
| 转场 | 黑场、推镜、遮挡 | 优先用剪辑做，不用生成 | 生成转场成本高，剪辑两秒解决 |
这张表的用法是反过来的：先看镜头属于哪一类，再决定花多少时间。人物近景值得反复调，转场不值得。同类流程可以对照腾讯混元的文生视频流程。
一致性靠参考图与首尾帧
多镜头短片最容易崩的是人物长相和场景色调。两个手段：一是全程用同一张定妆图做参考；二是在需要衔接的两个镜头之间用首尾帧，把上一镜的最后一帧作为下一镜的首帧，运动就接上了。这两个手段配合使用，比反复重生成有效。
色调一致性更简单：把第一个满意镜头截出来做色参考，或在后期统一调色。不要指望模型自己保持一致，它每次生成都是重新开始。所以一条片子尽量在同一版本内做完，中途换版本要重新对一次色调。
拼接与收尾
画布里可以直接排时间线、加转场、配字幕、导出成片；需要更细的调色与音效，就导出到剪辑软件。两条路都行，区别是画布省一次导出，外部软件省一次学习。收尾阶段要检查三件事：镜头衔接有没有跳帧、字幕与口型对不对得上、各段音量是否统一。这三件事在生成阶段看不出来，只有在时间线上一播就露馅。
可灵出片速查
- 三个入口：视频生成试片、画布做项目、MCP/CLI 批量
- 先在画布拆镜，再去生成，顺序反了必返工
- 拆镜六列：镜号、景别、内容、动作、时长、参考图
- 动作只写一件事，一句话里别塞两个动词
- 一致性靠同一定妆图加首尾帧衔接
- 转场交给剪辑，不要用生成
常见问题
- 画布和视频生成有什么区别？视频生成出单条素材，画布管整个项目：剧本、分镜、素材、剪辑在同一个工程里，适合三分钟以上的片子。
- 人物老是换脸怎么办？固定一张定妆图做参考，并把上一镜末帧作为下一镜首帧；仍然不稳，就把该镜头改成中景或背影，避开正脸特写。
把这些步骤走一遍，产出的就不再是「一堆好看的片段」，而是一条能交付的片子。从选题、脚本到发布的完整链路见短视频工具链；更多同类工具在AI 工具教程栏目。
信息来源
- 可灵 AI 官网首页（klingai.com）：Kling 4.0、Kling Image 3.0 原生 4K 与系列组图、画布的三项能力描述、MCP/CLI 的批量说明，核对时间 2026 年 11 月；
- 站内条目：可灵 AI（工具页，含入口与分类）。
