Kling AI 上線 Avatar 2.0：單次生成 5 分鐘影片，修復手部動作

過去用數字人做長影片，創作者最怕兩件事：時間一長動作就僵硬變形，以及手一抬起來就變成多指怪。

Kling AI 正式上線了 Avatar 2.0，核心變化直奔這兩個痛點而去。

這次更新最顯眼的變化，是支援單次生成最長 5 分鐘的連貫數字人影片，並且對全身肢體動作和容易崩壞的手勢進行了重構。

告別木頭人，能講 5 分鐘的長影片來了

在此之前，大多數 AI 數字人生成工具往往只能應付幾十秒到一分鐘的口播短片。時間一拉長，不僅容易出現音畫不同步，角色的身體也會越來越僵硬。

Kling AI Avatar 2.0 將單次生成的時長拉滿到了 5 分鐘。按照官方的設想，這個長度已經足以覆蓋完整的深度知識分享、廣告帶貨、故事敘述，甚至是完整的歌曲演唱。

除了變長，數字人也不再只是動動嘴皮子。新版本增加了肢體動作、豐富的手勢、面部情緒表達以及鏡頭角度的切換排程。講解內容時，數字人能配合語境做出恰當的動作和情緒起伏。

手部動作也迎來了針對性修復。官方表示大幅優化了 1.0 版本中手勢變形和漂移的問題，讓演示手勢更清晰穩定。

內部跑分叫板 HeyGen 和即夢

為了證明新版本的表現，Kling AI 拿出了自己在 2025 年 11 月 25 日進行的內部盲測資料。

測試建立了一個覆蓋多種角色、族裔、語言、風格和演唱/演講場景的資料集，邀請專業評審做成對的偏好對比。

在 GSB 勝負比評分中，Kling AI Avatar 2.0 的綜合表現據稱達到了即夢 Omnihuman-1.5 的 194%，面對行業頭部標杆 HeyGen 時，綜合評分也達到了後者的 126%。

有趣的是，官方也坦承這次評測調整了各維度的權重。相比 1.0 時代，新測試降低了口型同步的權重佔比，而提高了畫面畫質等維度的評判比重。

為什麼重要

對於需要頻繁製作解說、出海營銷或知識課程的內容團隊來說，這個更新非常實用。

過去要把一段 5 分鐘的口播切成四五段分別生成、再進剪輯軟體拼接調色，光是對齊動作就要耗掉半天時間。現在一次性出片，大幅降低了後期拼貼的繁瑣成本，很值得出海營銷和做課團隊第一時間去試。

在行業層面，數字人賽道的競爭焦點正在發生轉移。原本大家比拼的是「口型對得準不準」和「臉像不像」，現在這層地基大家基本都做紮實了，戰場迅速轉向了「全身肢體動作的自然度」和「長時程生成的穩定性」。

不過，我們認為官方在評測中下調口型同步權重、換取畫質和動作權重的做法，也透露出一些權衡。對於數字人而言，嘴形對得假一眼就會出戲。雖然動作和手勢變自然了，但在實際商用場景中，口型匹配到底有沒有被犧牲，依然需要創作者在真刀真槍的複雜語種測試中去驗證。