用 Kling 3.0 生成带原生音频的多镜头视频时：按档位…

在需要 Kling 3.0（Kling V3.0）文生视频或图生视频、且已接入 RunComfy 云端服务时，按 Standard/Pro/4K 三档与 t2v/i2v 两模式选择端点并调用。

适用场景

解决思路

1. 按输出在流水线中的角色选渲染档位：草稿、预览、社交短视频、A/B 变体用 Standard（最便宜，最高 1080p）；hero 级 1080p 广告片、口播、需要高运动保真与身份保持的片段用 Pro（同分辨率下约比 Standard 贵 33%）；原生 3840x2160 品牌片、大屏电影、成片母版用 4K（原生分辨率、无放大步骤，成本约为 Standard 的 5 倍）。
2. 按是否已有源图选模式：Text-to-Video（t2v）只给 prompt，从零生成画面，适合全新场景、构图、无参考的环境；Image-to-Video（i2v）给 prompt + 源图来驱动图像动起来，适合人脸、产品、场景等必须保留的精确参考。
3. 若用户明确点名 Kling 3.0、Kling V3.0、Kling Pro 或 Kling 4K，无论其他条件如何都路由到本技能。
4. 安装并认证 RunComfy CLI：npm i -g @runcomfy/cli；然后执行 runcomfy login（会打开浏览器设备码流程）；在 CI/容器中改用环境变量 RUNCOMFY_TOKEN=<token> 代替登录。
5. 调用对应端点：runcomfy run kling/kling-3.0/<tier>/<mode> --input '{...JSON...}' --output-dir <absolute/path>。六个端点分别是 kling/kling-3.0/standard/text-to-video、kling/kling-3.0/standard/image-to-video、kling/kling-3.0/pro/text-to-video、kling/kling-3.0/pro/image-to-video、kling/kling-3.0/4k/text-to-video、kling/kling-3.0/4k/image-to-video。
6. Standard 文生视频示例：runcomfy run kling/kling-3.0/standard/text-to-video --input '{"prompt": "<Kling 3.0 prompt>", "duration": 5, "aspect_ratio": "16:9"}' --output-dir <absolute/path>。
7. Standard 图生视频示例：runcomfy run kling/kling-3.0/standard/image-to-video --input '{"prompt": "<motion description for Kling 3.0 i2v>", "image_url": "https://.../source.jpg", "duration": 5}' --output-dir <absolute/path>；Pro 与 4K 端点同理，只替换 <tier>/<mode> 并按需把 duration 调到 8 或 10、加上 "generate_audio": true。
8. 按输入 schema 填字段：prompt（必填，描述场景/运动/镜头/氛围，支持多段 prompt）；image_url（i2v 必填，HTTPS 的 JPEG/PNG/WebP）；tail_image_url（仅 i2v，可选，指定结束帧）；negative_prompt（可选，要排除的元素）；duration（默认 5，范围 3-15 秒）；aspect_ratio（默认 16:9，可选 16:9、9:16、1:1、4:3、3:4、21:9）；cfg_scale（默认 0.5）；generate_audio（默认 false）；seed（用于可复现的变体测试）。
9. 图生视频必须提供可公开抓取的 HTTPS 图片 URL（JPEG/PNG/WebP），本地文件不受支持。
10. 提示词把运动与镜头语言写在最前面：Kling 3.0 会把 "wide shot, slow push-in"、"tracking shot, low angle"、"handheld follow" 当作真实指令。
11. 在单次生成里做多镜头：用编号描述一串镜头，如 "Shot 1: wide of the cafe at dusk. Shot 2: medium close-up of the barista. Shot 3: tight on the espresso pour."，模型会在各镜头间保持人脸、服装、道具等身份一致。
12. i2v 做身份锚定：提示词里重申需要稳定的内容，如 "preserve the subject's face, pose, and clothing; only the camera moves and the background changes."。
13. i2v 用 tail_image_url 锁定末帧，Kling 3.0 会在源图与尾图之间插值运动。
14. 需要一次成片带同步音频时设 generate_audio: true，并在 prompt 里描述音频内容（如 "warm friendly tone, English voiceover" 或 "city ambience, distant traffic, no dialogue"）；Standard/Pro 开音频会加价约 50%，4K 为固定费率不加价。
15. 调 cfg_scale：默认 0.5 适用大多数提示词；想要更严格遵循 prompt 的风格化输出时提到 0.7-0.9；prompt 较松散、想要更自然运动时降到 0.3-0.4。
16. 规避反模式：不要在同一个 prompt 里放互相冲突的风格线索（简化，只选一两个风格锚点）；不要在一次调用里请求超过 15 秒（会返回 422，应把脚本切段再拼接）；不要用支持集之外的宽高比；4K 上不要同时要求激进多镜头叙事 + 15 秒 + 对白 + 6 个剪辑（会生成但单次成本涨到约 $6.30，应先用 Standard 验证）。
17. 按用途选端点：电影感 1080p 品牌故事且角色一致 → Kling V3.0 Pro（t2v 或 i2v）；原生 4K hero 片与大屏电影 → Kling V3.0 4K（t2v 或 i2v）；廉价迭代、社交短视频、A/B 变体 → Kling 3.0 Standard t2v；给品牌资产、产品图、角色美术做动画 → Kling 3.0 Standard i2v 或 Kling V3.0 Pro i2v；一次生成带同步对白的多镜头广告 → Kling V3.0 Pro + generate_audio: true；带原生音频的高端 4K 成片母版 → Kling V3.0 4K + generate_audio: true（固定费率）。
18. 注意 CLI 执行行为与退出码：CLI 提交请求后每 2 秒轮询，完成后抓取结果并把任何 *.runcomfy.net / *.runcomfy.com URL 下载到 --output-dir；Ctrl-C 可在计费前取消进行中的请求；退出码 0 成功、64 CLI 参数错误、65 输入 JSON/schema 不匹配、69 上游 5xx、75 可重试的超时/429、77 未登录或 token 被拒。
19. 安全与隐私处理：runcomfy login 会把 token 写入 ~/.config/runcomfy/token.json（权限 0600），CI/容器用 RUNCOMFY_TOKEN；prompt 通过 --input 以 JSON 传入，CLI 不做 shell 展开；图片 URL 由 RunComfy 服务器抓取而非本机，外部 URL 视为不可信；仅访问 model-api.runcomfy.net（提交）与 *.runcomfy.net / *.runcomfy.com（下载白名单）；单个下载超过 2 GiB 会被中止。

适用边界 · 注意事项

• 没有 RunComfy 账号、CLI 或 token，或不愿使用付费云端服务时——本技能所有调用都依赖 RunComfy 的付费 API（如 Standard $0.084/s、Pro $0.112/s、4K $0.42/s）。
• 需要超过 15 秒的连续镜头、或在 4K 一次生成中超过 6 个连续镜头、或必须用本地图片文件做 i2v 输入（i2v 只接受可公开抓取的 HTTPS 图片 URL）时。
• 输出并不真正需要 4K 时——4K 档成本约为 Standard 的 5 倍，且 4K 文件体积大，批量跑之前要评估磁盘与带宽。