Kling 3.0 动作控制

什么是 Kling 3.0 动作控制

Kling 3.0 动作控制是 Kling AI Video 上的视频制作功能，可以将参考视频中的真实人物动作迁移到你提供的任意角色上，无需动作捕捉棚、追踪服或专用硬件。它面向内容创作者、角色动画师和品牌团队，适合在没有动捕流程的情况下制作精确角色动画。你只需要提供两个输入：角色图片和动作来源视频。系统会从参考视频中读取关节角度、身体轨迹、面部表情、相机运动和布料动态，再逐帧渲染角色执行该动作，最长可输出 30 秒。最终结果是一段完整动画，而不是需要清理的关键帧数据。

与其用文字描述动作，不如直接展示动作。参考视频承载动作数据，角色图片承载身份信息，Kling 3.0 将两者结合。当动作已经存在时，例如舞者表演、武术套路或产品演示手势，这种方式能把动作应用到另一个主体上，而不需要重新拍摄。

---

Kling 3.0 动作控制能做什么

无需捕捉设备的动作迁移

传统动作迁移需要受控环境、动作捕捉棚、穿戴设备和后期绑定。动作控制用两个文件上传替代这套流程。参考视频提供动作数据，Kling 3.0 通过算法提取动作并映射到你的角色上。

动作控制会从参考视频中读取：

• 全身动作 — 舞蹈、武术、运动训练、行走循环
• 上半身和手势动作 — 手臂运动、肩部和头部表达、手部动作
• 面部表情和口型动作 — 情绪和嘴型随身体动作一起迁移
• 相机运动 — 平移、推进和拉远等镜头运动可延续到输出中
• 布料动态 — 布料行为跟随角色身体动作，而不是静态贴附

对于快速变向或复杂手部动作，系统会提取参考视频中清晰可见的信息。主体清楚、节奏明确的动作通常会产生更精确结果。

动作迁移流程

流程分为四步：

1. 上传角色图片 — 需要被动画化的主体。最好是单个角色，身体清晰可见，姿态明确。支持 JPG 和 PNG，最大 10MB，最短边至少 300px，宽高比在 2:5 到 5:2 之间。

2. 上传参考视频 — 动作来源。视频中应为单人主体，光线清晰，构图明确。支持 MP4 和 MOV，最大 50MB，时长 3 到 30 秒。

3. 选择角色朝向 — 决定 Kling 3.0 如何理解角色与参考视频空间构图之间的关系。

4. 添加可选场景提示词 — 描述你希望的环境、光线或氛围。不要描述动作本身：动作完全来自参考视频，而不是文字。尝试覆盖或添加动作的提示词不会成为动作来源；用于设置视觉语境的提示词更有效。

Kling 3.0 会完成提取与渲染，输出一段连续视频。

角色与参考视频匹配

当角色图片和参考视频采用相似构图时，动作控制效果最好。全身角色图适合搭配全身动作参考；人像或上半身角色图适合搭配上半身动作参考。这能为系统提供更清晰的关节、比例和姿态锚点。

如果要用同一角色制作多段内容，尽量重复使用同一张源图，并让参考视频在比例和镜头角度上保持一致。在当前 Kling AI Video 工作流中，这是跨多次动作控制生成保持角色身份一致性的更可靠方式。

Character Orientation — Matches Video vs Matches Image

Character Orientation 是动作控制中非常关键的设置。它决定系统如何解释你的角色与参考视频之间的空间关系。

Matches Video 会让角色朝向与参考视频中的人物方向一致，角色空间位置跟随参考视频构图。这是大多数场景的标准模式，支持最长 30 秒输出。

Matches Image 会以角色图片原始朝向作为锚点。如果角色图片已经有特定朝向，例如正面或三分之四侧脸，此模式会保留该朝向并在其中应用动作。当你希望保持角色图片姿态时更适合使用它。此模式最长输出 10 秒。

选择哪种模式取决于角色图片本身，以及你希望输出如何构图。

场景提示词控制

除了 Character Orientation，可选提示词用于描述迁移动作周围的视觉语境：

环境 — 描述角色所处地点、背景风格或场景设置。

光线和氛围 — 加入简洁方向，例如柔和棚拍光、户外午后光线或电影感逆光。

提示词不是动作来源。动作仍来自参考视频；提示词用于引导画面外观。

输出质量 — Std 和 Pro

动作控制提供两个质量档位：

Std (720p) 适合社交视频、快速迭代和重视周转速度的内容。

Pro (1080p) 提供更高视觉保真度，适合最终成片、演示视频和质量优先的内容。

两个档位都支持完整功能：两种朝向模式、完整时长范围和所有角色类型。

---

什么样的参考视频更好

参考视频是核心输入，它的质量会直接影响输出。

适合的参考视频：

• 单人主体，构图清晰，占据画面主要区域
• 相机稳定，尽量少抖动或快速变焦
• 背景简单、不杂乱，例如纯色或低对比环境
• 动作明确、节奏清楚，例如舞蹈套路、练习动作、清晰手势
• 全片光线一致

尽量避免：

• 画面中有多个人物，系统会以单个主体为目标
• 参考视频和角色图片构图不匹配，例如上半身角色图搭配全身参考视频，这会降低稳定性；尽量保持两者比例和构图一致
• 快速动作导致严重运动模糊，降低关节提取准确性
• 身体局部被裁切，四肢或躯干缺失会导致数据不足
• 快速或不规则相机运动，会给骨骼跟踪带来歧义

5 到 15 秒的短片段通常最稳定：动作干净、主体清楚，并且构图与角色图片匹配。

---

你可以用 Kling 3.0 动作控制创建什么

舞蹈和表演内容 — 将参考视频中的编舞迁移到 AI 角色上，无需招募演员或租用摄影棚，就能制作适合社交平台的舞蹈短片。

故事角色动画 — 将明确的叙事动作应用到插画或 3D 渲染角色上。动作控制可以处理非写实主体，系统会根据图片中识别到的角色比例适配动作。

产品和品牌动作 — 将手势驱动动作应用到品牌角色或代言人形象上。一个录制良好的手势视频可以应用到多个角色风格，用于不同活动素材。

武术和运动序列 — 将特定动作模式，例如套路、训练动作或运动技巧，迁移到角色渲染上。输出可用于教学内容、宣传视频或娱乐内容。

多片段角色序列 — 重复使用同一张角色图片制作多段动作控制片段，再在剪辑时间线中组合。保持构图和参考视频风格一致，有助于提升片段之间的视觉连续性。

---

动作控制在完整创作流程中的位置

在 Kling AI Video 上，动作控制是更大制作链条中的一步。每个工具负责不同环节：

Kling 3.0 视频生成 生成初始角色或场景。你可以先确定角色外观和环境，再应用动作，也可以生成与动作控制片段搭配的 b-roll。

动作控制 使用现有角色图片和参考视频，生成角色执行提取动作的动画片段。角色图片可以来自之前的 Kling 3.0 生成，也可以是你已有的任何图片。

AI Avatar 为包含口播的内容增加口型同步片段。上传肖像和音频文件后，Avatar 输出可以和动作动画片段在最终剪辑中组合。

Text-to-Speech 生成可直接送入 AI Avatar 的旁白，无需切换平台。完整链路可以留在同一平台内：脚本到语音，语音到口型同步视频，再到动作动画 b-roll。

---

Kling 3.0 vs Kling 2.6 动作控制 — 有什么变化

Kling 3.0 更实用的变化是参考视频到输出的对齐更强。在较旧的动作迁移工作流中，当参考视频包含复杂动作时，角色姿态、手部动作和节奏可能会漂移。Kling 3.0 改进了手部跟踪、手势连续性，以及参考视频与生成角色输出之间的整体对齐。

---

技术规格

---

使用动作控制前需要知道什么

参考视频质量决定输出质量。 清晰主体、稳定构图和明确动作能提供更完整的动作数据。模糊、遮挡或多人主体都会降低可提取信息。

角色图片和参考视频构图应匹配。 如果角色图片是半身构图，而参考视频是全身表演，输出可能失败或不稳定。尽量让比例和构图一致：全身图配全身参考，半身图配半身参考。

提示词描述场景，不描述动作。 动作完全来自参考视频，尝试覆盖或添加动作的文字提示词不会成为动作来源。用提示词设置场景语境：光线、背景环境和视觉氛围。保持简洁，参考视频和角色图片才是核心输入。

身体局部缺失会限制准确性。 如果参考视频裁掉下半身，腿部和髋部运动就无法完整提取。需要全身动作时，尽量让主体全身入镜。

高速手部和手指动作是更难场景。 高速手部动作容易丢失细节。对手势精度要求高时，参考视频中的手部动作越慢、越明确，结果越稳定。

跨多次生成的角色一致性取决于重复输入。 单次生成内，角色通常能保持稳定。如果要用同一角色制作多个参考视频片段，请重复使用同一张源图，并尽量保持构图、光线和参考视频风格一致。

Matches Image 模式有 10 秒上限。 如果需要超过 10 秒输出，请使用 Matches Video 朝向。

音频需要单独规划。 动作控制使用参考视频来提取动作。如果最终片段需要对白、音乐或声音设计，请把音频作为单独制作步骤，或在后期中将生成的动作片段与音频组合。

---

谁适合使用 Kling 3.0 动作控制

开始使用动作控制 →