可灵4.0发布：单次生成30秒长镜头，最多支持10张关键帧

以下是视频口播的自动转写，可能有错字。

嘿，我是俊。ai 视频最贵的可能根本不是生成费用，而是你抽废的那几十条。做过 ai 视频的人应该都经历过这种崩溃，好不容易生成一条漂亮的广告。客户看完说，不错，就把人物手里的杯子换一下，其他别动。结果你重新生成，好家伙，杯子是换了，人的脸也换了，衣服变了，镜头还自己换了个方向。

你以为自己在拍电影，其实是在抽盲盒。现在，快手刚发布的可灵4.0，想解决的就是这个问题。这次有三个特别值得关注的升级。第一，单次可以原声生成最长30秒。注意，不是把三个10秒片段拼起来，而是让模型在同一条时间线上完成更长的动作和镜头变化。为什么这很重要？

假设你要拍一个30秒手机广告，人物从沙发上拿起手机，穿过客厅，走到窗边，举起手机，镜头绕到正面，最后给产品一个特写。以前你可能要拆成五六段分别生成。结果前一镜还是黑色手机，下一镜就变银色。刚才还是短袖，转个身突然穿上外套。你拍的是广告，ai 给你拍成了连续剧穿帮合集。

现在有机会在一段连续生成里完成这些动作、人物和场景，就不必每隔几秒重新建立一次。但第二个升级，我认为更关键。最多10张关键帧。什么意思？以前你跟 ai 说，帮我拍一个很酷的手机广告，它觉得什么酷就给你拍什么。现在你可以先准备好几个关键画面。

人物坐在沙发上，拿起手机，走到窗边，举起产品，最后定格在特写。相当于你先告诉 ai，这几个画面必须是故事的关键节点。中间怎么运动，你来补。第三个升级是最多15项组合参考素材。人物长什么样？手机是什么颜色？产品包装是什么？镜头应该怎么运动？甚至人物动作的参考视频。

都可以提供给他，这就不是单纯靠一段提示词让 ai 猜你的心思了。你开始像导演一样给他人物、道具、分镜和动作参考。更有意思的是，可灵4.0已经接入 mcp 和 cli。这意味着它不只是一个网页版生成按钮，还可以成为 ai agent 视频工作流的一部分。

以后你甚至可以让 codex 这样的开发 agent 负责整理分镜、准备参考素材、调用生成工具，再把结果送去剪辑。当然，我也要泼一点冷水。关键帧多不等于每一帧都能精准听话，30秒更长也意味着中间可能出错的地方更多。现在真正缺的。还不是一条漂亮的官方演示，而是有人拿同一份分镜连续生成10次，看看究竟几次能用，花多少钱，返工多少次。

因为商业视频真正关心的从来不是你能不能偶尔生成一条神片，而是客户要的这一条，你能不能稳定交出来。所以我认为可灵4.0最值得看的不是视频终于变长了。而是 ai 视频正在从碰运气生成画面，走向按分镜组织生产。以前你不停求 ai 再来一条吧，这次千万别翻车。

以后你可能终于可以说，剧本我写了，分镜我定了，人物和道具我也给了，现在按我的要求开拍，这才是 ai 视频真正走向专业制作必须跨过的那道坎。关注我，分享更多科技背后真正有用的变化。