พรอมป์ต์เดียวสร้างชุดภาพที่ประสานกันได้แล้ว
Kuaishou เปิดตัว Kling Image 4.0 ซึ่งมาพร้อมการสร้างภาพความละเอียด 8K โดยตรง รองรับข้อความในภาพเดียวได้สูงสุด 2,000 ตัวอักษร และโหมดสร้างภาพที่เกี่ยวข้องกันได้ถึง 10 ภาพจากพรอมป์ต์เดียว ผลิตภัณฑ์นี้ใช้งานได้ผ่าน Kling Creative Studio และอินเทอร์เฟซการเขียนโปรแกรมแอปพลิเคชัน (API) โดยมุ่งตอบโจทย์งานโฆษณา สตอรีบอร์ด การจัดแสดงสินค้า และหน้าเว็บชอปปิงออนไลน์
สารบัญ
- พรอมป์ต์เดียวสร้างชุดภาพที่ประสานกันได้แล้ว
- เปิดตัวอะไร และเมื่อใด?
- ความละเอียด 8K โดยตรงมีข้อดีอย่างไร?
- รองรับข้อความจำนวนมาก แต่ยังต้องผ่านบททดสอบโปสเตอร์สุดหิน
- การสร้างภาพชุดละ 10 ภาพทำงานอย่างไร?
- หน้าแสดงสินค้ายาว ๆ เพิ่มการแก้ไขด้วยเลเยอร์
- ภาพอ้างอิงช่วยกำหนดตัวแบบ แสง และสี
- สถาปัตยกรรมเดียวรองรับทั้งการทำความเข้าใจและการสร้างภาพ
- สรุป
โมเดลเปิดตัวเมื่อคืนวันอังคารที่ 17 พฤศจิกายน 2026 ส่วน Kling AI เผยแพร่ คู่มือผู้ใช้ Image 4.0 เมื่อวันที่ 18 พฤศจิกายน โดยระบุว่ารองรับการสร้างภาพความละเอียด 2K, 4K และ 8K โดยตรง ใช้ภาพอ้างอิงได้สูงสุด 10 ภาพต่ออินพุต และมีเครื่องมือแบ่งภาพยาวเป็นเลเยอร์ที่แก้ไขได้
Kling AI นำเสนอเวิร์กโฟลว์มากกว่าการเป็นเพียงเครื่องมือสร้างภาพ กล่าวคือ อธิบายโปรเจ็กต์ ใส่ภาพอ้างอิง สร้างชุดภาพที่ประสานกัน แล้วแก้ไของค์ประกอบแต่ละส่วน ความสามารถที่บริษัทประชาสัมพันธ์รวบรวมงานหลายประเภทไว้ในแพลตฟอร์มเดียว ทั้งการจำลองภาพถ่าย การจัดวางข้อความ การแก้ไขภาพ และการวางแผนลำดับฉาก
การทดสอบที่เผยแพร่ในช่วงแรกแสดงให้เห็นว่าเหตุใดความสามารถเหล่านี้จึงอาจมีประโยชน์ พร้อมชี้ให้เห็นจุดอ่อนในการใช้งานจริง โปสเตอร์ที่มีตัวอักษรจีนราว 400 ตัวมีข้อผิดพลาดในข้อความ ส่วนภาพที่ผ่านการแก้ไขบางภาพมีรายละเอียดหยาบหรือเปลี่ยนแปลงเกินขอบเขตที่ร้องขอ การเปิดตัวครั้งนี้จึงทำให้เห็นทั้งศักยภาพการผลิตและปริมาณงานแก้ไขที่ยังจำเป็น
เปิดตัวอะไร และเมื่อใด?
Kling Image 4.0 เป็นโมเดลสร้างภาพนิ่ง แยกจากโมเดลวิดีโอ Kling 4.0 ผลลัพธ์โดยตรงคือภาพ ซึ่งรวมถึงฉากที่เชื่อมโยงกันให้ครีเอเตอร์นำไปใช้วางแผนเรื่องราวหรือเตรียมเนื้อหาสำหรับผลิตวิดีโอในภายหลัง
การเปิดตัวเกิดขึ้นในสองวัน ได้แก่
- 17 พฤศจิกายน 2026: Kuaishou เปิดตัว Kling Image 4.0 ในคืนวันอังคาร โดยเข้าใช้งานได้ผ่านแพลตฟอร์มสร้างสรรค์และ API
- 18 พฤศจิกายน 2026: Kling AI ระบุวันที่ในคู่มือผู้ใช้ และเผยแพร่ผลการทดสอบด้านภาพถ่าย การแก้ไข การจัดวางเชิงพาณิชย์ และชุดภาพต่อเนื่อง
API เปิดทางให้นักพัฒนาและลูกค้าองค์กรเชื่อมต่อโมเดลเข้ากับซอฟต์แวร์ของตนเอง ข้อมูลการเปิดตัวยังไม่ได้ระบุราคา ระยะเวลาในการสร้างภาพ หรือความแตกต่างด้านการเข้าถึงระหว่างระดับสมาชิก
ความละเอียด 8K โดยตรงมีข้อดีอย่างไร?
Kling AI ระบุว่ารองรับความละเอียดภาพขาออกโดยตรงสามระดับ ได้แก่ 2K, 4K และ 8K การสร้างภาพโดยตรงหมายถึงโมเดลสร้างภาพในความละเอียดที่เลือก แทนที่จะพึ่งพาขั้นตอนภายหลังเพื่อขยายภาพขนาดเล็กเท่านั้น บริษัทระบุว่าความละเอียด 8K ช่วยให้ผู้ใช้มีพื้นที่มากขึ้นสำหรับจอแสดงผลขนาดใหญ่และการครอบตัดภาพ
การครอบตัดคือการตัดบางส่วนของภาพออกเพื่อเน้นใบหน้า สินค้า หรือรายละเอียดอื่น การเริ่มต้นจากภาพที่มีพิกเซลมากขึ้นช่วยให้ยังคงเก็บข้อมูลภาพได้มากขึ้นหลังตัด Kling AI ระบุว่าโมเดลยังปรับปรุงการไล่แสง สีผิว พื้นผิวผ้า และรายละเอียดของวัสดุอื่น ๆ ด้วย
การทดสอบภาพบุคคลที่เผยแพร่ระบุว่าแสงระหว่างบุคคลกับสภาพแวดล้อมดูค่อนข้างเป็นธรรมชาติ เมื่อขยายภาพ ส่วนต่าง ๆ ยังเห็นรายละเอียดของเส้นผมและเสื้อผ้าได้ แม้ความสมจริงของทั้งตัวบุคคลและฉากจะยังมีข้อบกพร่อง การทดสอบภาพทิวทัศน์ครอบคลุมหมอกยามเช้าในหุบเขา พระอาทิตย์ขึ้นเหนือภูเขาหิมะ และพระอาทิตย์ตกในทะเลทราย โดยแต่ละฉากมีแสงและมิติที่แตกต่างกัน
คู่มือยังระบุรูปแบบภาพสำหรับการใช้งานในตำแหน่งต่าง ๆ ได้แก่ ภาพสี่เหลี่ยมจัตุรัสอัตราส่วน 1:1 ภาพแนวตั้งอัตราส่วน 3:4 ภาพจอกว้าง 16:9 และภาพมุมกว้างยิ่งขึ้นอัตราส่วน 21:9 ช่วยให้ครีเอเตอร์เลือกภาพให้เหมาะกับหน้ารายการสินค้า งานนำเสนอ หรือเฟรมภาพยนตร์ได้ก่อนสร้างภาพ
รองรับข้อความจำนวนมาก แต่ยังต้องผ่านบททดสอบโปสเตอร์สุดหิน
Kling AI ระบุว่า Image 4.0 สามารถใส่ข้อความในภาพเดียวได้สูงสุด 2,000 ตัวอักษร และรับคำสั่งได้สูงสุด 15,000 โทเคน โทเคนคือหน่วยที่โมเดลใช้ประมวลผลข้อมูล ซึ่งมักเป็นคำหรือส่วนหนึ่งของคำ จำนวนคำสั่งที่รองรับหมายถึงความยาวของโจทย์ ส่วนจำนวนตัวอักษรหมายถึงข้อความที่ปรากฏในภาพสำเร็จรูป
ความแตกต่างนี้สำคัญเมื่อต้องทำโฆษณาที่ซับซ้อน ครีเอเตอร์อาจใช้คำสั่งยาวเพื่อกำหนดสินค้า ฉากหลัง แสง ข้อความ และการจัดวาง แต่ต้องการให้มีเพียงพาดหัวสั้น ๆ บนภาพ
คู่มืออย่างเป็นทางการระบุภาษาที่รองรับ 6 ภาษา ได้แก่ จีน อังกฤษ ญี่ปุ่น เกาหลี สเปน และโปรตุเกส รายงานข่าวช่วงเปิดตัวระบุว่ารองรับ 7 ภาษา ขณะที่บทนำในภาพรวมกล่าวถึงการเขียนภาษาจีนทั้งตัวย่อและตัวเต็มแยกต่างหาก ผู้ใช้ที่ทำงานข้ามตลาดจึงต้องเลือกภาษาและระบบการเขียนให้เหมาะกับเนื้อหาของตน
Kling AI ยังระบุว่ามีฟอนต์ที่ได้รับอนุญาตให้ใช้ในเชิงพาณิชย์มากกว่า 70 แบบ และรองรับการอัปโหลดภาพเพื่อใช้เป็นแนวทางด้านตัวอักษร ตามข้อมูลในบทนำอย่างเป็นทางการ ผู้ใช้สามารถแก้ไขข้อความและรูปแบบฟอนต์ภายในภาพที่สร้างขึ้นได้
การทดสอบงานออกแบบเชิงพาณิชย์ที่เผยแพร่ขอให้สร้างโปสเตอร์นิตยสารเทคโนโลยี ซึ่งมีข้อความภาษาจีนราว 400 ตัวอักษร พาดหัวขนาดใหญ่ ภาพประกอบสำนักงาน และชุดสีครีม น้ำเงิน และส้ม ผลลัพธ์แบ่งพาดหัว เนื้อหา และภาพประกอบออกเป็นพื้นที่ที่อ่านได้ แต่มีข้อผิดพลาดในข้อความและความโดดเด่นด้านการออกแบบค่อนข้างจำกัดเมื่อเทียบกับเลย์เอาต์ที่มีข้อมูลหนาแน่น
มีรายงานว่าการลองแก้ไขต่อด้วยการเปลี่ยนฟอนต์และแทนที่ข้อความบางส่วนทำได้แม่นยำ สำหรับนักออกแบบ ผลลัพธ์ดังกล่าวทำให้การปรับแก้เป็นส่วนสำคัญของเวิร์กโฟลว์ ระบบสามารถจัดองค์ประกอบหน้าและรับคำแก้ไขเฉพาะจุดได้ แต่ยังต้องตรวจสอบข้อความฉบับสมบูรณ์
การสร้างภาพชุดละ 10 ภาพทำงานอย่างไร?
Kling Image 4.0 มีโหมด Default Mode และ Series Mode โดย Default Mode สร้างภาพหนึ่งภาพหรือหลายภาพจากพรอมป์ต์ ส่วน Series Mode ออกแบบมาเพื่อสร้างภาพที่เกี่ยวข้องกันพร้อมกันได้สูงสุด 10 ภาพต่อการสร้างหนึ่งครั้ง
Kling AI ระบุว่าความสามารถด้านการวางแผนจะกำหนดว่าแต่ละภาพควรแสดงอะไร พร้อมรักษาความสอดคล้องของตัวแบบและทิศทางภาพ สำหรับสตอรีบอร์ด หมายถึงการแบ่งเรื่องราวออกเป็นช็อตต่าง ๆ แทนการสร้างภาพฉากเดียวซ้ำไปซ้ำมาในรูปแบบที่ต่างกัน
การทดสอบหนึ่งที่เผยแพร่ใช้เรื่องระทึกขวัญเกี่ยวกับหญิงสาวที่รอรถไฟใต้ดินในช่วงดึก เธอพบตั๋วสีแดง และเมื่อรถไฟขบวนสุดท้ายมาถึง ก็เห็นตัวเธอเองในอีก 10 ปีข้างหน้า ภาพชุดที่สร้างขึ้นเปลี่ยนจากมุมกว้างไปเป็นภาพใกล้และรายละเอียดใบหน้า ขณะที่รูปลักษณ์กับเสื้อผ้าของตัวละครหลักยังคงสอดคล้องกันค่อนข้างดี
อีกชุดภาพเล่าเรื่องโปรแกรมเมอร์ในสำนักงานที่จินตนาการถึงการเดินทางไปชายหาด ภูเขา ทะเลทราย และอวกาศ ก่อนข้อความเรื่องงานจะขัดจังหวะการหลีกหนีดังกล่าว เรื่องราวดำเนินต่อเนื่องผ่านภาพต่าง ๆ แม้บางช็อตจะดูประดิษฐ์และคล้ายพลาสติก
การทดลองครั้งที่สามขอภาพ 10 มุมของหุบเขาแห่งเดียวกันในซินเจียง ตั้งแต่เช้าจนถึงพระอาทิตย์ตก มุมมองที่แตกต่างและแสงที่เปลี่ยนไปสร้างสไตล์สารคดีที่มีเอกภาพ เมื่อนำมาพิจารณารวมกัน การทดลองเหล่านี้แสดงให้เห็นความต่อเนื่องที่ฟีเจอร์นี้พยายามจัดการ ได้แก่ บุคคลเดียวกันในหลายฉาก เรื่องราวที่ดำเนินไปในหลายสถานที่ และทิวทัศน์เดียวกันตลอดหนึ่งวัน
หน้าแสดงสินค้ายาว ๆ เพิ่มการแก้ไขด้วยเลเยอร์
Kling AI ยังรองรับการสร้างภาพยาวสำหรับหน้ารายละเอียดสินค้าในร้านค้าออนไลน์และการออกแบบเว็บไซต์ ซึ่งรวมภาพสินค้า ข้อความอธิบาย และส่วนภาพแยกต่าง ๆ ไว้ในเลย์เอาต์ยาวต่อเนื่องชิ้นเดียว
การทดสอบที่เผยแพร่ใช้ภาพถ่ายแล็ปท็อป พร้อมขอให้สร้างหน้าสินค้าแบบสมบูรณ์ที่ประกอบด้วยภาพสินค้าหลัก จุดขาย รายละเอียดรูปลักษณ์ ฉากการใช้งาน และข้อมูลจำเพาะ หน้าที่สร้างขึ้นจัดองค์ประกอบเหล่านี้เป็นส่วนต่าง ๆ อย่างชัดเจน โดยมีสไตล์ที่ค่อนข้างสอดคล้องกัน
คู่มืออย่างเป็นทางการระบุฟีเจอร์การแก้ไขที่ใช้งานได้จริงเพิ่มเติม คือสามารถแบ่งภาพยาวออกเป็นเลเยอร์ เพื่อแก้ไขและสร้างองค์ประกอบแต่ละส่วนใหม่ได้ เลเยอร์คือส่วนแยกของงานประกอบภาพที่สามารถเปลี่ยนแปลงได้โดยไม่ต้องสร้างส่วนอื่นทั้งหมดใหม่ สำหรับหน้าสินค้า ฟีเจอร์นี้อาจช่วยให้แก้ไขส่วนภาพได้ง่ายขึ้นหลังการสร้างครั้งแรก
การทดสอบโฆษณาสินค้ายังใช้ภาพถ่ายรองเท้าผ้าใบ นาฬิกา และแล็ปท็อป โปสเตอร์ที่ได้ปรับเปลี่ยนสี องค์ประกอบ และรูปแบบตัวอักษรให้เหมาะกับสินค้า งานนี้มีความเฉพาะเจาะจงกว่าการสร้างภาพเดี่ยวที่ดูสวยงาม เพราะเครื่องมือสร้างภาพต้องจัดวางข้อมูลโดยอิงจากวัตถุที่มีอยู่แล้ว
ภาพอ้างอิงช่วยกำหนดตัวแบบ แสง และสี
Kling Image 4.0 รองรับภาพอ้างอิงสูงสุด 10 ภาพต่ออินพุต ภาพอ้างอิงสามารถใช้เป็นต้นแบบสำหรับการแก้ไข หรือช่วยกำหนดตัวเลือกต่าง ๆ เช่น รูปแบบตัวอักษร สี และแสง บริษัทยังระบุว่ามีสไตล์การปรับโทนสีสำเร็จรูปมากกว่า 110 แบบ ซึ่งเปลี่ยนการปรับสีและอารมณ์ของภาพ
การทดสอบแก้ไขภาพประกอบด้วยภาพถ่ายงานแต่งงานที่มีเจ้าสาว เจ้าบ่าว และญาติหรือเพื่อนอีก 5 คน คำสั่งที่ใช้เปลี่ยนสไตล์ศิลปะและแสง โดยยังคงองค์ประกอบหลักและความสัมพันธ์ระหว่างบุคคลไว้
การทดลองอีกครั้งแก้ไขตัวเอกจากเกม Phantom Blade Zero โดยเปลี่ยนเสื้อผ้าเป็นชุดกังฟูสีเหลืองดำที่ชวนให้นึกถึงบรูซ ลี และเปลี่ยนอาวุธเป็นกระบองสองท่อน การแก้ไขตอบโจทย์หลักได้ แต่รายละเอียดบางส่วนยังหยาบ และมีบางจุดเปลี่ยนไปไกลกว่าที่ตั้งใจ
ยังมีการใช้ภาพร่างงานแต่งงานอย่างง่ายเพื่อเป็นแนวทางสร้างฉากภาพถ่าย โมเดลตีความบุคคลหลักและตำแหน่งของพวกเขา จากนั้นเพิ่มเก้าอี้ ดอกไม้ และแขกเข้ามา ตัวอย่างเหล่านี้แสดงการใช้ภาพอ้างอิงสองรูปแบบที่ต่างกัน ได้แก่ การรักษารายละเอียดที่มีอยู่ในภาพถ่าย และการสร้างฉากที่สมบูรณ์ยิ่งขึ้นจากแผนภาพคร่าว ๆ
สถาปัตยกรรมเดียวรองรับทั้งการทำความเข้าใจและการสร้างภาพ
Kling AI อธิบายว่า Image 4.0 ผสานการทำความเข้าใจภาพและการสร้างภาพไว้ในกรอบการทำงานแบบออโตรีเกรสซีฟเดียวกัน กล่าวอย่างง่ายคือ ระบบใช้กระบวนการร่วมกันเพื่อตีความคำสั่งและข้อมูลภาพ ก่อนสร้างผลลัพธ์ที่ร้องขอขึ้นทีละขั้น
คำอธิบายทางเทคนิคเน้นการใช้ Transformer เพียงตัวเดียว ซึ่งเป็นโครงข่ายประสาทเทียมประเภทหนึ่งที่ใช้ประมวลผลความสัมพันธ์ภายในข้อมูล นอกจากนี้ยังกล่าวถึงการจัดการตัวแบบ การจัดวางเชิงพื้นที่ มุมกล้อง และแสงอย่างเป็นระบบ องค์ประกอบเหล่านี้จำเป็นต่อการประสานคำสั่งโดยละเอียดที่ระบุตัวละครหลายคน ตำแหน่งเฉพาะ และสไตล์ภาพที่สอดคล้องกัน
บริษัทเรียกองค์ประกอบด้านการวางแผนนี้ว่า agentic ในที่นี้หมายถึงการจัดคำขอที่ซับซ้อนให้เป็นงานย่อย และประสานขั้นตอนที่จำเป็นเพื่อทำให้งานสำเร็จ การสร้างภาพเป็นชุดเป็นตัวอย่างโดยตรง กล่าวคือ โมเดลต้องตัดสินใจว่าจะแบ่งเรื่องราวลงในภาพต่าง ๆ อย่างไร พร้อมถ่ายทอดรายละเอียดร่วมจากภาพหนึ่งไปยังภาพถัดไป
สำหรับครีเอเตอร์ ประเด็นสำคัญในทางปฏิบัติคือหลังสร้างภาพแล้ว ยังเหลืองานอีกมากเพียงใด การทดลองที่เผยแพร่แสดงให้เห็นการวางแผนฉาก การจัดหน้า และการแก้ไขเฉพาะจุดที่เป็นประโยชน์ ควบคู่กับข้อผิดพลาดของข้อความและรายละเอียดภาพที่ไม่สม่ำเสมอ แคมเปญที่มีข้อความสินค้าซึ่งต้องแม่นยำ หรือสตอรีบอร์ดที่ต้องรักษาความต่อเนื่องอย่างเคร่งครัด ยังคงต้องผ่านการตรวจสอบและปรับแก้
สรุป
- Kuaishou เปิดตัว Kling Image 4.0 เมื่อวันที่ 17 พฤศจิกายน 2026 ผ่าน Kling Creative Studio และ API
- คู่มืออย่างเป็นทางการระบุว่ารองรับการสร้างภาพความละเอียด 2K, 4K และ 8K โดยตรง และใช้ภาพอ้างอิงได้สูงสุด 10 ภาพต่ออินพุต
- Series Mode สร้างภาพที่เกี่ยวข้องกันได้สูงสุด 10 ภาพจากพรอมป์ต์เดียว
- Kling AI ประชาสัมพันธ์ความสามารถในการใส่ข้อความได้สูงสุด 2,000 ตัวอักษรต่อภาพ รับคำสั่งได้สูงสุด 15,000 โทเคน และมีฟอนต์ที่ได้รับอนุญาตให้ใช้เชิงพาณิชย์มากกว่า 70 แบบ
- การสร้างภาพยาวและการแก้ไขด้วยเลเยอร์มุ่งรองรับหน้าสินค้าและเลย์เอาต์ที่ซับซ้อนอื่น ๆ
- การทดสอบที่เผยแพร่พบว่าการแก้ไขและการรักษาความต่อเนื่องมีประโยชน์ แต่ยังมีข้อผิดพลาดในข้อความ รายละเอียดหยาบ และการเปลี่ยนแปลงบางอย่างที่ไม่ได้ตั้งใจ






