Kling 4.0 把单段视频的生成时长拉到了 30 秒。这个数字放在视频生成模型里，意味着创作者不必再把一个镜头切成几段拼接，一次生成就能覆盖更完整的叙事片段。

时长之外，这一版还集成了原生音频。视频和声音在同一次生成中产出，省掉了后期单独配音、对齐口型的环节。

更值得关注的是多参考控制。Kling 4.0 允许创作者控制视频中的 15 个不同方面，覆盖角色状态、环境元素和摄像机角度。角色在镜头里怎么动、场景里有什么、机位从哪个方向拍，都能分别指定。

这三项能力指向同一个方向：把视频生成从"抽卡"往"可控创作"推。时长决定了能讲多长的内容，音频决定了成品是否完整，多参考控制决定了创作者能不能稳定复现自己想要的那个画面。

对做短片、广告素材和分镜预演的人来说，可控性往往比单次生成的画质更影响实际工作流。15 个控制维度能否真的对上创作者的意图，要等上手之后才知道。