Kling 4.0 stawia na precyzję. Do 30 sekund wideo i dziesięć klatek kluczowych w jednym ujęciu

Kling AI udostępniło wersję 4.0 swojego generatora wideo. Główną zmianą jest wydłużenie generowania do 30 sekund w pojedynczym przebiegu oraz dodanie obsługi do dziesięciu klatek kluczowych. Pozwala to użytkownikom precyzyjniej kontrolować wygląd postaci, przejścia między scenami oraz tempo narracji. Maksymalna długość promptu tekstowego wzrosła do 8000 tokenów.

Istotne zmiany zaszły w systemie Omni Reference. Zgodnie z deklaracją twórców model może przetworzyć do 15 materiałów referencyjnych w jednym zadaniu: do dziesięciu obrazów, pięciu filmów o łącznej długości do 30 sekund oraz siedmiu dodatkowych elementów. W roli materiałów pomocniczych można wykorzystywać storyboardy, makiety interfejsów, siatki grafik czy wideo z mapami głębi.

Selektywna edycja i wielojęzyczny dźwięk

Nowa funkcja Creative Recreation ma umożliwiać wykorzystanie gotowego wideo jako bazy do dalszych modyfikacji, na przykład podmiany obiektu lub postaci. Kling AI twierdzi, że narzędzie pozwala zmieniać pojedyncze parametry – mimikę, ruch czy tło – bez modyfikowania pozostałych fragmentów ujęcia, choć są to na razie deklaracje producenta.

Kling 4.0 wprowadza także dźwięk stereo oraz synchronizację ruchu warg w ponad dziesięciu językach (m.in. angielskim, niemieckim, hiszpańskim, japońskim i koreańskim), z uwzględnieniem regionalnych akcentów. Model potrafi również generować tekst bezpośrednio w kadrze, który według firmy zachowuje stabilność podczas ruchu kamery.

W udostępnionych porównaniach z konkurencyjnymi chińskimi modelami Wan 3.0 oraz Seedance 2.5 nowy Kling nie wykazuje jednak wyraźnej przewagi, szczególnie pod względem ciągłości fizyki, logiki następujących po sobie ujęć czy naturalności partii dialogowych.

Lżejszy wariant Flash i planowane funkcje

Obok głównego modelu udostępniono wersję Kling 4.0 Flash. Ma ona generować materiały szybciej i mniejszym kosztem, jednak wiąże się to z ograniczeniami: długość klipu wynosi maksymalnie 20 sekund, a rozdzielczość została ograniczona do 720p. Cennik dostępu przez API nie został jeszcze opublikowany, a niższy koszt wersji Flash pozostaje deklaracją producenta.

Część wcześniej zapowiadanych możliwości nie trafiła jeszcze do obecnego wydania. Obsługa rozdzielczości 4K, formatu 1080p w 10-bitowym HDR oraz funkcja wydłużania wygenerowanych filmów do dwóch minut są obecnie oznaczone jako opcje planowane w późniejszym terminie.