好清晰!最新国产AI画的8K图,放这么大大大大也不糊!
金磊 发自 凹非寺
量子位 | 公众号 QbitAI
就真的很哇塞。
来,咱们先看一张图:
是不是看似平平无奇?
但若是我们把它给放大一下呢?
像人脸上的细纹、手指的纹路、钻戒的真实感,还有脸上的雀斑,依旧是清晰可见。
别急,我们继续放大:
这一回,眼周的纹路更加清晰了,就连睫毛,还有眼妆的细微颗粒感都那么清晰。
为了方便看整体放大的过程,我们特意做了一段视频,大家可以来感受一下:
或许有人要问了,这是单反相机拍出来的广告大片儿吧?
非也,非也。
这实则是AI做出来的8K高清大图!
包括下面的这张风景照,原图是这样的:
看似是一张AI生成的很符合物理规律的风景,但惊艳之处都藏在放大后的细节里:
依旧是无论怎么放大,各处的细节还是那么的清晰和稳定。
那么这到底是什么AI?
不卖关子,它就是可灵最新推出的Kling Image 4.0:
而原生8K还只是Kling Image 4.0此次升级的一隅,其它亮点还包括:
超强文字表现力:不仅是准确那么简单,现在单张图片里面可以生成2000个字,还支持70+款预设字体,各种排版也能hold住。 连贯组图与长图生成:一次描述可以生成最多10张系列组图,还可以一口气生成超长的商品详情页和网页设计长图。
那么接下来,老规矩,一波实测走起~
来一波上难度的实测
影视级剧照效果
我们的第一个实测,还是从AI生图基本的“像”来出发。
为此,我们给Kling Image 4.0准备了大致如下内容的Prompt:
古装剧画面,七位古装女子在房间内议事,气氛紧张。
从结果可以看到,剧照的视线很自然地落在了中间那位穿浅桃色衣服的女子身上,她正面朝向镜头,神情收着,旁边的人或侧身、或低头,并且人物的层次也是错落有致。
冷不丁一瞅,还真有一种电视剧里某个镜头的感觉。
这也说明Kling Image 4.0在多人物处理上,不仅能够保证人物的准确性,整体也能体现出影视级的氛围和效果。
把整首《沁园春雪》塞进一张图
在看完影视级效果之后,我们接下来的实测聚焦在字上。
正如我们刚才所说,Kling Image 4.0支持70多种预设字体,在输入框下方的“字体”处便可以进行选择:
我们这次选择的是有古风味道的劲疏墨韵体,然后让Kling Image 4.0在单图里完成《沁园春雪》。Prompt如下:
下面是《沁园春雪》的全文,把内容精准无误地写进去,背景宣纸的效果。(此处省略原文)
来看下效果:
首先是字体上,Kling Image 4.0精准地全篇采用了我们选择的风格,并且内容本身也是基本无误。
而在提示词中,我们并未告知它该采用什么样的排版,但Kling Image 4.0基于《沁园春雪》本身,将图片设计成了诗词竖排、从右往左的阅读方式。
并且背景除了我们要求的宣纸感觉之外,它还巧妙地加上了盖章图案等等。
由此可见,Kling Image 4.0不仅能够一次性处理海量文字,也是能够深谙文字背后的蕴意。
别再一张一张做海报了
说到AI生图,做海报的好坏,可以说是各AI兵家必争之地。
不过你以前做一个主题为《万物有光》的当代光影艺术展主视觉海报,效果是不是这样的?
确实没错,确实也能用。
但毕竟一张海报的信息量还是有限,如果分批做系列海报,又有可能会出现一致性等问题。
不过现在,有了Kling Image 4.0,你可以有另外一种选择——组图模式。
顾名思义,就是给定给一个系列的主体,Kling Image 4.0一口气给你输出至多10张图。
同样是刚才《万物有光》的主题,现在的打开方式可以是这样的(左右滑动查看):
可以看到,六张海报延续了相同的视觉色彩,排版、页码也采用了相近的样式。即便每张图承载的内容不同,也能看出它们是属于同一场活动。
对于经常做活动宣传的人来说,这种方式确实省去了不少从零搭版式的工作。我们可以先看整套设计是否合适,再逐页调整内容,不必每一张都重新琢磨字体、颜色和布局。
但组图模式毕竟输出的是六张独立的图片,若是你想直接生成一张超长的详情页,又该怎么办?
“技能”中的电商详情页,了解一下。
“电商详情页”的操作要比组图模式更加便捷,我们只需要上传一张参考图,大致写一下自己想要的要求即可。
例如我们上传了一张咖啡机和一段Prompt:
稍等几分钟后,便得到了这样的结果(上下滑动查看):
一气呵成,一气呵成,着实是太方便了!
多个参考图一起拿捏
做完海报,我们接下来想测的,是Kling Image 4.0对多张参考图的处理能力。
为此,我们准备了下面这六张独立的商品图,分别是帐篷、折叠椅、保温杯、背包、营灯和登山鞋:
然后我们把它们一起上传,要求模型将这些装备放进同一个湖边露营场景,同时保留各自的主要外观,并安排好摆放关系。
生成结果如下:
可以看到,所有参考图都稳稳地塞进了我们设定的新场景里;与此同时,模型也考虑了新场景里的光线等各种细节元素。
如此功能和效果,对于让品牌直观地判断整套装备的展示效果来说,是足够用了。
也很适合做分镜
刚才我们提到的组图模式,其实还有一个非常好玩的用法,那就是用来做分镜。
同样的的,我们先给Kling Image 4.0准备了一位原创的女侦探形象:
在输入人物参考图之后,我们给定了这样的故事路线:
故事从车站开始。女侦探回头望向一侧,随后来到旧书店,把照片拿给店主看。下一张图里,镜头靠近柜台,带着椭圆形牌子的钥匙出现在她手中。之后,她走进下雨的巷子,来到旅馆,再进入房间翻看照片。此前出现的钥匙,也被放在了桌面上。
Kling Image 4.0给出的结果如下(左右滑动查看):
我们把这六张图连起来,就能看出一条大致的故事线。照片和钥匙承担了线索的作用,人物也有了前往下一个地点的理由。
这种能力对于故事创作就比较实用了。创作者可以先用组图呈现人物行动、场景变化和镜头安排,再据此讨论剧情,或者为后续的视频制作准备分镜素材。
可以大胆尝试艺术风格
最后的实测,我们来看看Kling Image 4.0能否仅根据文字描述,就能完成偏艺术表达的人像。
第一张图的结果是这样的:
Kling Image 4.0根据我们的提示词,采用了高耸的盘发造型,环状发髻搭配珍珠发饰,人物回头看向镜头。背景保持简洁,视觉重点便落在了头发、面部和铜褐色衣服上。
其中,发丝的走向和衣服表面的褶皱,都呈现出了不同的质感。整张图的颜色比较克制,人物造型也因此更加突出。
第二张则换成了大面积黑色背景:
这张图没有加入复杂的背景,主要通过人物姿态、布料的走势和局部光线,营造出安静的感觉。
两张作品虽然都是人像,但一张强调造型,一张偏重情绪。也能看出,Kling Image 4.0在处理不同艺术风格时,能够对构图、色彩和材质作出相应调整。
怎么做到的?
在实测过后,我们不难发现,Kling Image 4.0面对的需求,已经涉及了生图过程中的多个环节。
它既要识别参考图里的商品,也要理解人物之间的位置关系;既要安排海报里的文字,还要考虑一组图片之间的连续性。
而之所以能做到如此,就离不开Kling Image 4.0此次采用的原生理解生成大一统架构。
这里的关键,在于“原生”二字。相较于将语言模型与扩散模型拼接的方式,Kling Image 4.0采用理解与生成统一的架构,以单一Transformer作为中枢,将世界知识、视觉感知与图像潜空间放在同一上下文中处理,让模型对需求的理解直接参与画面生成。
在这个基础上,模型规模与训练数据的持续扩展,也进一步增强了它将物理规律和逻辑推演融入生成过程的能力。这与图片里的物体怎样摆放、光影如何变化,以及人物动作是否合理,都有关系。
拿前面的露营广告来说,模型需要认出六件装备的特征,再根据提示词把它们放进湖边场景。帐篷与前景商品之间要有远近关系,背包靠着椅子时要处理好遮挡,夕阳照过来,各件商品的受光和阴影也应相互协调。
这些要求需要结合整个场景一起处理。理解与生成在同一架构下协同,便为模型同时考虑商品特征、空间关系和光照条件提供了基础,也让多张参考图更有机会自然地融入同一个画面。
而面对海报、连续故事这类要求较多的任务,模型还需要处理足够长的指令。
为此,Kling Image 4.0支持最高15K Token的指令处理能力,并采用结构化视觉语言,对画面主体、空间关系、镜头光影和跨画面时序等信息进行组织。
就像前面的女侦探组图,我们既希望人物保持同一套造型,又要求她先后进入车站、书店、雨巷和旅馆。每个场景还对应不同的动作与景别,照片、钥匙等道具也需要前后呼应。
如果模型漏掉其中一项,故事的连贯性就可能受到影响。结构化视觉语言的作用,便是帮助模型组织这些条件,处理清楚谁在什么位置、镜头怎样变化,以及前后画面之间有什么联系。
中文长海报也是类似的道理。标题、正文、活动安排和配图各有用途,模型需要结合内容安排版面,才能让读者顺着图片看下去。
除此之外,Kling Image 4.0还引入了原生Agentic能力,支持在同一体系内完成感知、推理、规划与执行,并支持按需调用工具。
这项能力面向的是更复杂的视觉任务。当用户提交一份包含多种要求的需求时,模型可以先拆解任务、规划步骤,再完成相应的创作工作。
从统一架构,到长指令处理,再到任务规划,这几项升级共同指向了一个目标——
让模型能够承接更完整的创作需求。
做图,再多要求也不怕了
最后,我们再回到使用体验上,这次Kling Image 4.0给人的吸引力,其实有两个层次。
一个是打开图片就能感受到的清晰度。人像放大后,眼周细纹、睫毛和钻戒切面仍然有细节,风景里的山体和倒影也经得起近看。对于需要裁切、放大展示的图片来说,这给后续使用留下了更多空间。
另一个,则要等到真正开始做图时,才能体会到。
我们做一张活动海报,通常不会只提“好看”这一个要求。活动名称要突出,日期和地点要写清楚,内容多了还得分出主次。如果后面再追加几张介绍海报,字体、配色和版式也要接得上。
商品广告和故事分镜同样如此。用户手里往往已经有产品图、角色设定和具体文案,希望AI在这些条件下完成创作。
因此,模型能处理多少具体要求,会直接影响后面需要花多少时间修改。这次实测的结果让我们看到了,Kling Image 4.0已经能够把一部分复杂需求落实成可供讨论、调整的初稿。
而从整个行业来看,图像工具的更新重点,也在逐渐深入这些具体环节。
11月4日发布的OpenAI Images 2.6,强调了编辑过程中对角色、商品和品牌细节的保持;11月10日,Adobe在MAX上进一步扩展Creative Agent,把复杂、多步骤的创作任务作为重点。
这些变化说明,用户交给AI的工作重心,逐步在向后续修改、素材复用和成套内容制作等内容发展。
从这个方向上看,Kling Image 4.0的图片能力,也让可灵有了更多独立于视频之外的使用场景。
很多人最早认识可灵,是通过AI视频。但前面这些实测,已经对应了内容配图、活动宣传、电商设计和艺术创作等需求。即便用户暂时不做视频,也可以用它完成图片阶段的工作。
对于还要继续制作视频的创作者,角色图和连贯组图又能成为后续素材。人物长什么样、场景采用什么色调、镜头怎样衔接,都可以提前通过图片讨论,减少仅靠文字沟通时的理解偏差。
说到底,大家需要的AI生图工具,既要让人眼前一亮,也要能听懂那些具体到字体、位置、道具和光线的要求。
前面的实测,让我们看到了Kling Image 4.0处理这些需求的实际表现。而在第三方评测中,它也拿到了不错的成绩。
截至发稿,Kling Image 4.0在Artificial Analysis(简称AA)的文生图榜单上位列全球第七,在上榜国产模型中排名第一,排在Nano Banana 2.1之前。
从8K人像到中文排版,再到多图参考和连续分镜,这轮体验下来,可灵在图片创作上的能力,确实值得重新认识一下了。
感兴趣的朋友赶紧去试试吧~
Kling Image 4.0体验地址:
https://klingai.com/
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法!
— 完 —
🌟 点亮星标 🌟