Kling 4.0 喜劇短片:一鏡生成 vs 分鏡剪輯
比較四支使用 Kling 4.0 與 Seedream 5.5 製作的 30 秒 AI 喜劇影片:一鏡生成與逐鏡頭剪輯,涵蓋直式與橫式版本。
一名學生把遺失的作業怪罪到狗身上。一隻鵝叼著筆記本走進來。「牠連狗也吃了,」學生解釋道。老師審視證據後,讓鵝來上課,自己則坐下來做筆記。
我們使用 Seedream 5.5 圖像作為參考,以 Kling 4.0 Reference 製作了這支 30 秒 AI 喜劇短片。其中一個工作流程透過單一請求生成完整影片;另一個則生成六個獨立片段,再進行剪輯組裝。兩者皆有橫式與直式版本,讓你可比較四支完成影片。
觀看以兩種方式製作的同一支教室喜劇
One-pass · Landscape
Shot-by-shot · Landscape
One-pass · Portrait
Shot-by-shot · Portrait
四支完成影片皆為 30 秒,採用英文對白及中英文字幕。原始橫式輸出為 1920 × 1080;直式輸出為 1080 × 1920,皆為 24 fps。本文播放器分別使用 Media Library 的 854 × 480 與 480 × 854 播放副本,同時保留 30 秒片長、影格率與音訊。片中人物皆為俄羅斯成人學校教室中的虛構成年人。視覺內容與原始對白皆由 AI 生成;字幕與後製則於之後加入。
| 製作選擇 | 一鏡生成 | 逐鏡頭生成與剪輯 |
|---|---|---|
| 每種格式的影片請求數 | 一次 30 秒請求 | 六次 6 秒請求 |
| 誰決定內部剪接點? | 模型詮釋完整時間軸 | 剪輯者選擇來源區段與剪接點 |
| 圖像準備 | 教室主視覺、三張場景照片、三張走位圖 | 共用素材,加上一張獨立的粉筆交接照片與走位圖 |
| 本案例使用的後製 | 字幕、響度調整;直式版移除重複語音 | 組裝、依對白修剪、選定畫面重構、響度調整與字幕 |
| 主要取捨 | 對每個節點的精確發生時間控制較少 | 需對分別生成的片段進行更多連續性檢查 |
一鏡生成並不代表單一連續運鏡。 生成影片中可以包含剪接。同樣地,逐鏡頭剪輯是指剪接生成片段,並能在影格層級控制剪輯;我們並非將每一個獨立影格都生成为單獨圖片。
在要求動態效果前先建立參考素材
這個故事需要三個可辨識的主體:Elena,一位戴紅色閱讀眼鏡、穿深灰色開襟衫的老師;Misha,一��穿奶油色毛衣的成年學生;以及一隻普通白鵝。一張教室主視覺圖確立了他們的外觀,以及綠色黑板、木製課桌與窗邊光線。

我們透過 WeShop CLI 中的 Seedream 5.5 準備這張主視覺圖,接著製作關鍵場景照片與走位圖。兩種影片工作流程都重複使用了這個視覺基礎。此專案使用共用教室圖像作為角色身份參考;並未先建立獨立的角色多角度設定圖或個別臉部設定表。
針對每種長寬比,請準備三個攝影場景:檢查作業、鵝帶著藍色筆記本進場,以及鵝上課、兩名人類都在做筆記。將這些視為同一故事中的不同時刻。

接著,為每個場景建立相對應的簡化走位圖。保留攝影機視角、裁切、相對大小、位置、朝向與遮擋關係。以不同顏色的細輪廓線辨識各主體,而外觀與光線則交由照片呈現。

在我們的提示詞中,藍色代表 Elena、橘色代表 Misha、紫色代表鵝。這些顏色僅用於在圖表中辨識主體。實際服裝則來自攝影參考圖。照片會先於走位圖附上,並在提示詞中明確指定每張圖片的角色。這些是在本案例中測試的製作選擇,而非對精確定位的保證。
路線 1:一鏡生成完整的 30 秒影片
開啟 WeShop 上的 Kling,並選擇 Kling 4.0 Reference。若要重現本案例,請使用 30s、1080p、quantity 1;橫式使用 16:9,直式使用 9:16。這些是我們生成請求中記錄的設定;目前 CLI 操作細節請參閱 WeShop API reference。
依序附上七張圖片:主視覺圖、三張場景照片,以及三張對應走位圖。請使用為所選格式準備的圖片。兩種格式分別生成,各自擁有場景構圖與走位圖。
在單一提示詞中寫入完整故事。先指定參考素材,然後提供動作順序、精確對白、表演任務與聲音。以下精簡時間軸呈現的是要求的結構,而非結果中每個剪接點的實際測量紀錄:
| 要求區間 | 故事節點 |
|---|---|
| 0–9s | 老師詢問作業;學生怪罪狗;停頓使注意力轉移 |
| 9–18s | 鵝帶著筆記本進場;老師認出牠;學生加碼他的藉口 |
| 18–25s | 老師評估這次打斷,並移交教學權力 |
| 25–30s | 鵝上課;兩名人類做筆記;學生嘗試提問 |
可重複使用的案例包含完整原始提示詞與七項參考輸入。以下是表演指示的節錄:
「你的作業在哪裡?」——要求他負責,並觀察他是否願意回答。「那是一隻鵝。」——給他一個修正說法的機會。「很好。你來教。」——把責任交給鵝,確認牠是否接受。
老師試圖讓課程持續進行。學生試圖讓自己的藉口在新證據出現後依然成立。鵝尋求關注,並佔據教學位置。為每個主體賦予任務,能讓荒謬情境易於理解,而不必要求演員刻意強調笑點。
加入字幕前先檢查結果
檢查口說台詞、筆記本可見度、教室中的位置,以及最後的角色互換。查看影片中是否出現彩色輪廓或圖表風格。抽樣輸出保留了攝影式畫面,兩個一鏡版本都達到了鵝上課的結局,但要求的時間安排與動作並未完全遵循。
直式原始版本重複了「很好。你來教。」在後製期間,第二次出現的 21.65–24.65s 以同一支影片中 6.4–9.4s 複製的環境音取代。畫面保持完整。兩種格式皆加入與生成語音對齊的字幕,並進行響度處理。上方播放器展示的是這些完成版本,而非未經處理的原始輸出。
路線 2:生成六個鏡頭並控制最終剪輯
在第二個工作流程中,我們新增了一張老師於課桌旁移交教學權力的專用參考照片與走位圖。如此一來,這個轉場便��自己的視覺設定,而非將整段交接完全交由完整影片的提示詞處理。
每個鏡頭皆使用 Kling 4.0 Reference、6s、1080p、quantity 1。橫式與直式素材組分別生成。每次請求都包含主視覺圖、相關場景照片及其走位圖,並完整重複所需的角色身份、地點、對白與聲音指示。
| 鏡頭 | 內容貢獻 | 最終保留時長 |
|---|---|---|
| 1 | 作業提問與第一個藉口 | 6s |
| 2 | 鵝帶著筆記本:簡短的證據插入鏡頭 | 1s |
| 3 | 「那是一隻鵝。」/「牠連狗也吃了。」 | 6s |
| 4 | 老師將課程交給鵝 | 6s |
| 5 | 鵝上課;兩名人類做筆記 | 5s |
| 6 | 學生舉手、收到一聲鵝叫後繼續書寫 | 6s |
最初計畫是從每個 6 秒來源保留 5 秒,兩端各留下半秒以供修剪。實際對白無法納入這些預定區間。因此我們將剪輯改為 6 + 1 + 6 + 6 + 5 + 6 = 30 秒,以保留完整口說台詞。
筆記本也暴露出連續性問題:在鵝進場來源片段的後段,它不再符合下一個鏡頭所需的狀態。我們保留了第一秒作為插入鏡頭。這讓筆記本的登場清楚可讀,同時避免片段尾端不一致的內容。這是剪輯上的權宜處理,而非修復原始生成動作。
最終剪輯對第三與第六個鏡頭套用固定裁切,以增加構圖變化,並標準化響度及加入雙語字幕。分別生成的對白則予以保留;在提示詞中重複聲音描述,不應被視為可證明各片段間聲音完全一致。
將直式與橫式構圖視為獨立場景
在橫式畫面中,教室為老師、學生與鵝提供更多水平分隔空間。直式則需要一種仍能呈現他們彼此關係、筆記本與課桌的構圖。這正是本專案準備不同的 9:16 參考場景與走位圖,再分別生成直式素材的原因。
請在兩種格式中觀看筆記本進場與最終舉手段落。相較於比較單一吸睛畫面,這些片段更能揭示場面調度與喜劇節奏。完成的直式影片並非只是橫式輸出的中央裁切,儘管部分鏡頭在剪輯期間有進一步重新構圖。
依照你必須保留的節點選擇工作流程
若你想測試完整笑話是否成立,且能接受模型自行詮釋內部剪接,可使用一鏡生成路線。你仍需檢查語音、道具與結局,然後完成後製。
若交接、反應停頓或最後提問需要保留專屬的螢幕時間,請選擇逐鏡頭路線。它也讓你可以修改單一來源片段,同時保留其他片段,但代價是必須檢查不同生成素材之間的連續性與聲音。
這四支影片記錄的是一個製作案例,而非成功率基準。先從完整的 30 秒教室案例開始,檢查你的結果實際保留了什麼,並在特定節點需要更多控制時,將場景拆分為多個鏡頭。
你可以直接使用右側工具試試看。







