文档 /
节点说明 /
Kling 4.0 参考图转视频
Kling 4.0 参考图转视频
使用 Kling 4.0 模型，根据参考图像和参考视频生成带有音频的视频。这些参考素材决定主体、风格和动作，可选的首帧和尾帧则固定片段的开头与结尾。
节点说明
Kling4ReferenceToVideoNode 更新于 2026-11-12
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有音频的视频。这些参考素材决定主体、风格和动作，可选的首帧和尾帧则固定片段的开头与结尾。
使用 Kling 4.0 模型，根据参考图像和参考视频生成带有音频的视频。这些参考素材决定主体、风格和动作，可选的首帧和尾帧则固定片段的开头与结尾。当需要在某个镜头中保持角色或场景一致，同时在提示词中描述动作时，可使用此节点。
输入
通用输入
| 参数 | 描述 | 数据类型 | 必填 | 范围 |
|---|---|---|---|---|
模型 | 模型选择器。"kling-4.0" 支持最高 1080p、30 秒片段以及尾帧；"kling-4.0-flash" 限制为 720p 和 20 秒，且没有 last_frame 输入。选择模型后，其下方的输入项会相应显示。 | DYNAMIC\_COMBO | 是 | "kling-4.0" "kling-4.0-flash" |
kling-4.0 输入
当 model 设为 "kling-4.0" 时显示这些输入。
| 参数 | 描述 | 数据类型 | 必填 | 范围 |
|---|---|---|---|---|
reference_images | 用于参考图像的可增长槽位，最多 10 个。在提示词中按连接顺序以 @Image1、@Image2 等引用它们。 | AUTOGROW | 否 | 0 到 10 张图像 |
reference_videos | 用于参考视频的可增长槽位，最多 5 个。在提示词中以 @Video1、@Video2 等引用它们。每段视频以及所有视频合计的时长必须为 3 到 30 秒。 | AUTOGROW | 否 | 0 到 5 段视频 |
first_frame | 可选，视频起始的帧。与参考图像一起计入 10 张图像的上限。 | IMAGE | 否 | - |
last_frame | 可选，视频结束的帧。与参考图像一起计入 10 张图像的上限。 | IMAGE | 否 | - |
prompt | 要生成的视频的描述。以 @Image1、@Image2 等以及 @Video1、@Video2 等引用输入。 | 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" 会先参考提示词，其次参考首帧或参考视频，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，单位为秒。默认：5。 | INT | 是 | 3 到 30 |
seed | 种子决定节点是否应重新运行；无论种子如何，结果都是非确定性的。默认：42。 | INT | 是 | 0 到 2147483647 |
kling-4.0-flash 输入
当 model 设为 "kling-4.0-flash" 时显示这些输入。
| 参数 | 描述 | 数据类型 | 必填 | 范围 |
|---|---|---|---|---|
reference_images | 用于参考图像的可增长槽位，最多 10 个。在提示词中按连接顺序以 @Image1、@Image2 等引用它们。 | AUTOGROW | 否 | 0 到 10 张图像 |
reference_videos | 用于参考视频的可增长槽位，最多 5 个。在提示词中以 @Video1、@Video2 等引用它们。每段视频以及所有视频合计的时长必须为 3 到 20 秒。 | AUTOGROW | 否 | 0 到 5 段视频 |
first_frame | 可选，视频起始的帧。与参考图像一起计入 10 张图像的上限。 | IMAGE | 否 | - |
prompt | 要生成的视频的描述。以 @Image1、@Image2 等以及 @Video1、@Video2 等引用输入。 | STRING | 是 | 1 到 26000 个字符 |
resolution | 输出视频的分辨率。Flash 仅渲染 720p。默认："720p"。 | COMBO | 是 | "720p" |
aspect_ratio | 输出视频的宽高比。"adaptive" 会先参考提示词，其次参考首帧或参考视频，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，单位为秒。默认：5。 | INT | 是 | 3 到 20 |
seed | 种子决定节点是否应重新运行；无论种子如何，结果都是非确定性的。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，宽高比在 2:5 到 5:2 之间。
- 每段参考视频必须为 3 到 30 秒（
kling-4.0-flash为 3 到 20 秒），至少 700x700 像素且不超过 4553x4553 像素，总像素数不超过 8,294,400，宽高比在 2:5 到 5:2 之间，帧率至少为 24 fps。所有参考视频合计也不得超过同样的限制。 - 如果提示词中提及
@ImageN或@VideoN，而连接的该类输入少于 N 个，则会引发错误。 - 连接首帧或尾帧时，节点会添加一条指令，要求视频精确地从该帧开始或结束。
输出
| 输出名称 | 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): 78a85e66ab05f784102829fc86917b363fabad6bb5443c36b83e250e59ed07b7