Kling 4.0 可根據文字提示、圖片、首幀與尾幀、關鍵幀、影片、聲音參考和主體元素生成影片。Omni Reference 功能可結合最多 15 個參考素材，以維持角色、產品、場景、動作和視覺氛圍的辨識度。創作者可以使用最多 10 個關鍵幀來定義故事節點，並生成 3 至 30 秒的片段，透過延長功能達到兩分鐘。支援的輸出包括 21:9、16:9、1:1、9:16 和自動取景，解析度為 720p、1080p 或 4K。功能包括多語言語音、同步人聲、唇形同步、清晰可讀的畫面文字、指定方案中的批次輸出，以及最多五個片段的編輯。