30 秒、带音频、原生一次出——这几个词放一起，我第一反应是以后拼素材的活要少一大截。
可灵 4.0 这回直接上了 fal，API 对所有客户开放，不用再排队等白名单。官方给的几个点：单条最长 30 秒带音频的原生视频，最多塞 15 个图像/视频/元素参考，最多 10 个关键帧做精确控制，另外运动、角色一致性和电影化叙事都有改进。想接 API 的从 fal 官网 搜 Kling 就能找到入口。
我平时剪短视频，之前用各家模型最头疼的是 5 秒、10 秒一段，人物换个镜头就换张脸，后期只能靠转场硬遮。10 个关键帧如果真能稳住，等于把分镜直接喂给模型，比我现在“首尾帧+一堆抽卡”的路子省事。15 个参考也有意思，角色、道具、场景各丢几张进去，理论上能把一条小剧情锁在同一套设定里。
但也别急着神化：
- 音频是原生生成的，口型、环境音能到什么程度要实测，音轨不能用的话后期还得重铺；
- 30 秒是上限不是常态，越长越容易中段崩，我会先拿 8 到 15 秒试；
- 走 API 就是按量计费，抽卡多了账单不会好看，想清楚再批量跑。
对谁有用：做短剧、带货口播、需要角色连贯的团队，还有想把视频生成接进自己工具链的开发者。纯玩一下的个人用户，网页端体验就够了。我这周拿一条旧分镜重跑一遍，看关键帧到底听不听话。