Kling 4.0 参考图转视频 - ComfyUI Built-in Node Documentation

使用 Kling 4.0 模型，根据参考图像和参考视频生成带音频的视频。参考素材用于驱动主体、风格和运动，可选的首帧和尾帧则固定片段的起始与结束。它适合在描述提示词中的动作时，让角色或场景在整个镜头中保持一致。

输入

参数	描述	数据类型	必填	范围
`model`	模型选择器。仅有 `"kling-4.0"` 可选；选中后会展开下方列出的输入项。	DYNAMIC_COMBO	是	`"kling-4.0"`

当 model 设为 "kling-4.0" 时，这些输入项会出现。

参数	描述	数据类型	必填	范围
`reference_images`	可增长槽位，用于放置参考图像，最多 10 张。在提示词中按连接顺序以 `@Image1`、`@Image2` 等方式引用它们。	AUTOGROW	否	0 到 10 张图像
`reference_videos`	可增长槽位，用于放置参考视频，最多 5 个。在提示词中以 `@Video1`、`@Video2` 等方式引用它们。每个视频以及所有视频的总时长必须为 3 到 30 秒。	AUTOGROW	否	0 到 5 个视频
`first_frame`	可选，视频起始帧。与参考图像一同计入 10 张图像的上限。	IMAGE	否	-
`last_frame`	可选，视频结束帧。与参考图像一同计入 10 张图像的上限。	IMAGE	否	-
`prompt`	对要生成视频的描述。以 `@Image1`、`@Image2` 等方式引用图像输入，以 `@Video1`、`@Video2` 等方式引用视频输入。	STRING	是	1 到 26000 个字符
`resolution`	输出视频的分辨率。默认：`"720p"`。	COMBO	是	`"720p"` `"1080p"`
`aspect_ratio`	输出视频的宽高比。`"adaptive"` 会优先遵循提示词，其次是首帧或参考视频，否则回退到 16:9。默认：`"adaptive"`。	COMBO	是	`"adaptive"` `"16:9"` `"9:16"` `"1:1"` `"21:9"`
`duration`	生成视频的时长，以秒为单位。默认：5。	INT	是	3 到 30
`seed`	种子控制节点是否应重新运行；无论种子如何，结果都是不确定的。默认：42。	INT	是	0 到 2147483647

约束与行为：

图像总数限制为 10 张，包括参考图像、首帧和尾帧。
每张图像必须至少为 300x300 像素，宽高比介于 2:5 与 5:2 之间。
每个参考视频时长必须为 3 到 30 秒，至少 700x700 像素、至多 4553x4553 像素，总像素不超过 8,294,400，宽高比介于 2:5 与 5:2 之间，帧率至少为 24 fps。所有参考视频的时长合计不得超过 30 秒。
当提示词中提及 @ImageN 或 @VideoN，而实际连接的该类输入少于 N 个时，会报错。
当接入了首帧或尾帧时，节点会添加一条指令，要求视频恰好从该帧开始或在该帧结束。

输出名	描述	数据类型
`video`	生成的视频，任务完成后从提供方下载。	VIDEO

本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！在 GitHub 上编辑

Source fingerprint (SHA-256): bda2298ed6ed06db04a8f342ec6ad0d5a0494e09bfadee72fce4420ebe4eaf6a