صمّم فريق Kling AI في Kuaishou نموذجه من الجيل الرابع، Kling 4.0، لمن يريد أن يوجّه اللقطة بنفسه بدلًا من المراهنة على برومبت واحد. تثبّت الإطارات المفتاحية على خط زمني يصل إلى 30 ثانية، وتسند لكل ملف مرجعي مهمة محددة، فيتكفّل النموذج بملء الحركة وحركة الكاميرا والصوت بين نقاط الارتساء هذه.
قريباً
ستشغّل مساحة العمل هذه Kling 4.0 قريبًا
يتفعّل التوليد هنا بمجرد ربط Kling 4.0. يمكنك بالفعل صياغة الفكرة نفسها باستخدام النماذج أدناه، ثم نقل الوصف إلى هنا لاحقًا.
ابدأ مشروعًا باستخدام
Kling 4.0
نموذج فيديو قائم على الإطارات المفتاحية من Kling AI
ملف النموذج
الأرقام التي تحدد سعة عملية توليد واحدة من Kling 4.0، بدءًا من طول المقطع ووصولًا إلى عدد الملفات التي يمكنه التعلم منها.
| عنصر | Kling 4.0 |
|---|---|
| صنع بواسطة | Kling AI، منصة الفيديو التابعة لـ Kuaishou |
| المدخلات | النصوص والصور ومقاطع الفيديو والموضوعات ومراجع الصوت |
| طول المقطع | من 3 إلى 30 ثانية لكل عملية توليد |
| التحكم في الخط الزمني | حتى 10 إطارات مفتاحية |
| المراجع | حتى 15 إجمالًا: 10 صور، و5 مقاطع فيديو، و7 مواضيع |
| جودة الصورة | حتى 4K؛ HDR 10-bit بدقة 1080p و4K |
| نسب العرض إلى الارتفاع | 16:9، 9:16، 1:1 و21:9 فائق الاتساع |
| الصوت | ستيريو بقناتين مع مزامنة أدق للشفاه |
| النص والكلام | نصوص على الشاشة وحوارات بتسع لغات |
| طول البرومبت | حتى 8,000 توكن |
| التحرير | حتى 5 مقاطع موجودة، بإجمالي 30 ثانية |
| إضافة | يمكن تمديد المقطع إلى نحو دقيقتين |
يقدّم Kling 3.0 بالفعل لقطات سينمائية مع صوت أصلي. ويحافظ Kling 4.0 على هذا الأساس، مضيفًا بشكل رئيسي مساحة أوسع على الجدول الزمني وتحكمًا أدق فيه.
المدة
Kling 3.0:3–15 ثانيةKling 4.0:3–30 ثانية
مشهد كامل بتمهيد وحدث ونتيجة يأتي في لقطة واحدة بدلًا من مقطعين مدمجين معًا.
التحكم في الإطار
Kling 3.0:الإطار الأول والأخيرKling 4.0:حتى 10 إطارات مفتاحية
يمكن أيضًا تثبيت منتصف اللقطة، مثل التفاتة الرأس أو لحظة ظهور المنتج.
جودة الصورة
Kling 3.0:بدقة تصل إلى 4KKling 4.0:حتى 4K، و10-bit HDR بدقة 1080p و4K
تُدرَّج ألوان السماوات ودرجات لون البشرة دون أي تقطيع لوني، مع الحفاظ على تفاصيل الإضاءات.
نسب العرض إلى الارتفاع
Kling 3.0:16:9, 9:16, 1:1Kling 4.0:يضيف النسبة فائقة العرض 21:9
تأتي تكوينات الشاشة العريضة بالأسلوب السينمائي مباشرةً من النموذج، دون أي قص لاحق.
الصوت
Kling 3.0:صوت أصليKling 4.0:صوت ستيريو، ومزامنة شفاه أكثر دقة
تتزامن الجمل الحوارية مع حركة الفم، وللصوت المحيطي مساحة يمينية ويسارية.
الإطار المفتاحي هو صورة ثابتة مثبَّتة عند لحظة معينة من المقطع. ويتولّى Kling 4.0 تحريك المسار من إطار مفتاحي إلى الإطار الذي يليه، بحيث تصبح الإطارات التي تختارها الهيكل العظمي للمشهد. وخطة نموذجية من أربع نقاط تبدو هكذا:
الإطار الافتتاحي
حدّد المكان والإضاءة والموضوع الرئيسي. فهذه أول صورة يراها المشاهد.
التغيير الأول
ثبِّت اللحظة التي تبدأ فيها الحركة: شخص ينهض، غطاء يُرفع، سيارة تنطلق.
نقطة تحول
ثبّت الإطار الذي يتغيّر فيه اتجاه اللقطة، مثل مشهد كشف أو زاوية كاميرا جديدة.
الإطار الأخير
ثبّت النهاية بحيث يستقر المقطع على تكوين يمكنك القطع منه أو تمديده.
يكفي إطاران مفتاحيان لحركة بسيطة. أضِف المزيد فقط حيث يجب أن تبدو لحظة معينة كما هو مخطط لها بالضبط: فكل إطار مفتاحي إضافي يضيّق المساحة المتاحة للنموذج ليبتكر ما بينهما.
يتيح Omni Reference أن تضم المهمة الواحدة عدة أنواع من المواد المصدرية في الوقت نفسه. ولكل نوع سقفه الخاص ضمن الإجمالي المشترك البالغ 15.
| المدخل | حتى | الأفضل استخدامه في |
|---|---|---|
| الصور | 10 | دورانات الشخصيات، وزوايا المنتجات، والمواقع، والستوري بورد، وإطارات الأسلوب |
| فيديوهات | 5، 30 ثانية مجمّعة | الحركة والكوريغرافيا ومسارات الكاميرا والإيقاع التي ينبغي اتباعها |
| المواضيع | 7 | الأشخاص أو التمائم أو المنتجات المتكررة التي يجب أن تبدو متطابقة طوال الوقت |
| صوت | مدعوم | نبرة الشخصية المتحدثة وجرس صوتها |
حدّد دور كل ملف في البرومبت، مثلاً: «الصورة 2 هي السترة، والفيديو 1 هو حركة الكاميرا». المراجع التي لم يُحدَّد لها دور تتنافس فيما بينها.
Flash هو الإصدار الأخف من الجيل نفسه من النماذج. يتخلى عن الطول والدقة واللقطات المفتاحية مقابل نتائج أسرع.
للأعمال النهائية التي تخطط لنشرها
للمسودات والاختبارات والاستخدام المكثّف
روتين عملي: جرّب عدة أفكار بسرعة في Flash، ثم أعد بناء الفكرة التي تحتفظ بها في النموذج الكامل، وأضف الإطارات المفتاحية في المواضع المهمة.
يمكن لكل منهما إنتاج مقطع كامل مدته 30 ثانية دفعة واحدة. أما الفرق بينهما فيكمن في طريقة إخبارهما بما تريد.
| مقارنة | Kling 4.0 | Seedance 3.0 |
|---|---|---|
| أطول توليد فردي | 30 ثانية | 30 ثانية |
| الطريقة الأساسية للتوجيه | إطارات مفتاحية مثبّتة على الخط الزمني | حزمة مراجع مع نص وصفي |
| سعة المراجع | 15 مدخلًا: 10 صور، 5 فيديوهات، 7 عناصر | 50 مُدخلًا: 30 صورة، و10 مقاطع فيديو، و10 ملفات صوتية |
| الصوت كمدخل | مراجع نبرة الصوت | حتى 10 ملفات صوتية |
| الأقوى في | توقيت دقيق للحظات المفتاحية، وتسليم بتقنية HDR | موجزات كبيرة متعددة الوسائط، وتخطيط المشاهد مع ضبط حركة الكاميرا |
اختر Kling 4.0 عندما تكون هناك لحظات محددة يجب أن تظهر في أوقات محددة. واختر Seedance 3.0 عندما يكون الموجز عبارة عن مجموعة كبيرة من الصور والمقاطع والصوت التي ينبغي أن يتعلم منها النموذج.
تنجح الأوامر الطويلة عندما يكون لكل جزء مكان ثابت. اكتبها بهذا الترتيب، واكتفِ بعبارة أو عبارتين لكل جزء.
1. الموضوع
راكب دراجة يرتدي سترة مطر صفراء
2. إجراء
يفرمل الدراجة، يترجّل عنها ويرفع نظره إلى الأعلى
3. الإعدادات
في شارع مرصوف بالحجارة ومبلل عند الغسق
4. كاميرا
لقطة تتبع منخفضة ترتفع لتتحول إلى حركة رافعة
5. فاتح
لافتات النيون تنعكس في برك الماء
6. التوقيت
0–10 ث للركوب، 10–20 ث للتوقف، 20–30 ث للنظر إلى الأعلى
7. الصوت
مطر، أزيز إطارات، ورنين ترام بعيد
8. المراجع
العنصر 1 هو الدرّاج، والصورة 3 هي الشارع
0–8 ث: بخار يتصاعد من فنجان من السيراميك على منضدة خشبية تغمرها أشعة الشمس، مع حركة تقريب بطيئة للكاميرا. 8–16 ث: يد باريستا تدفع الفنجان إلى الأمام، لتنتقل البؤرة إلى رسم اللاتيه. 16–24 ث: مقعد عند النافذة، امرأة ترتشف الرشفة الأولى وتبتسم. 24–30 ث: لقطة واسعة للمقهى في الساعة الذهبية. الصوت: أزيز المطحنة، وغيتار أكوستيك هادئ، وفنجان يُوضع على صحنه.
تحلّق طائرة مسيّرة فوق حقول أرز مدرّجة عند شروق الشمس، والضباب راقد في الوديان، ومزارع واحد يسير على حافة أحد المدرّجات. تهبط الكاميرا ببطء وتنتهي عند مستوى النظر إلى جانب المزارع. تغريد الطيور وصوت الريح فقط، بلا موسيقى.
مطبخ في الليل تحت إضاءة دافئة مصدرها داخل المشهد. الشخصية 1، رجل مسنّ، يسأل: "هل انتهيتِ من ذلك؟" الشخصية 2، فتاة مراهقة، ترفع دفتر رسم وتجيب: "تقريبًا". لقطة متوسطة لشخصين، حركة طفيفة بالكاميرا المحمولة، صوت غرفة ستيريو هادئ.
الصورة 1 هي السنيكر، والصورة 2 هي خلفية الاستوديو. يدور السنيكر دورة واحدة على منصة دوّارة لامعة، بينما يمرّ ضوء ناعم على الشبك؛ وتنتهي الكاميرا عند زاوية ثلاثة أرباع بطولية. نبض إلكتروني هادئ في الخلفية.
تتجلّى أكبر فائدة للجدول الزمني الأطول والتحكم بالإطارات المفتاحية في الأعمال التي يُعدّ التوقيت والاتساق فيها جزءًا من متطلبات المشروع.
إجابات موجزة عن المدة وجودة الصورة والتحكم والصوت، ومكانة Kling 4.0 بين نماذج الفيديو الأخرى.
إنه رابع نموذج فيديو رئيسي من Kling AI، فريق الفيديو التوليدي في Kuaishou. قدّم له نصًا وصورًا ثابتة ومقاطع قصيرة ومراجع للموضوع، فيعيد لك مقطعًا مدته من 3 إلى 30 ثانية مصحوبًا بالصوت، مع الالتزام بما يصل إلى 10 إطارات مفتاحية تضعها على الخط الزمني.
ثلاثون ثانية لكل عملية توليد، بحد أدنى ثلاث ثوانٍ. لأي مدة أطول، مدّد المقطع النهائي؛ يمكن للتمديدات أن تصل بالمشهد الواحد إلى نحو دقيقتين.
بدقة تصل إلى 4K. تدعم مخرجات 1080p و4K كلتاهما تقنية HDR بعمق لوني 10 بت، لذا تبقى تفاصيل الغروب ودرجات لون البشرة سليمة بعد المعالجة اللونية دون ظهور تدرجات مرئية. أما إصدار Flash الأخف فيتوقف عند 720p بعمق 8 بت وSDR.
يمكنك وضع ما يصل إلى 10 صور ثابتة عند لحظات مختارة من المقطع، فيتعامل معها النموذج كنقاط ثابتة ويولّد الحركة بينها.
استخدم إطارين مفتاحيين لحركة بسيطة من البداية إلى النهاية، وأضف المزيد فقط عند الحاجة إلى أن تظهر لحظة معينة تمامًا كما هو مخطط لها.
حتى 15 إجمالاً:
يمكن أن تحدد مراجع الصوت أيضاً نبرة شخصية متحدثة.
Flash مُهيّأ للسرعة لا للإتقان النهائي: يولّد مقاطع تصل مدتها إلى 20 ثانية وبدقة تصل إلى 720p بصيغة 8-bit SDR، ولا يدعم إدخال الإطار الأول/الأخير أو الإطارات المفتاحية المتعددة. انتقل إلى النموذج الكامل عندما تحتاج إلى مدة 30 ثانية، أو الإطارات المفتاحية، أو ميزانية المراجع الكاملة، أو دقة 4K أو HDR.
نعم. يُنتج صوتًا ستيريو بقناتين إلى جانب الصورة، بما يشمل الحوار والأجواء الصوتية والمؤثرات، مع مزامنة شفاه أدق من إصدارات Kling السابقة.
يمكن للشخصيات التحدث بتسع لغات، مع إتاحة المجال لاختلاف اللكنات واللهجات. كما يستطيع النموذج عرض النصوص على الشاشة بتسع لغات، بالإضافة إلى الرموز التعبيرية.
نعم. يستوعب وضع التحرير فيه ما يصل إلى خمسة مقاطع موجودة بمدة إجمالية تبلغ 30 ثانية، ويمكنه تغيير العنصر أو الخلفية أو تعبير الوجه أو زاوية الكاميرا أو سطر حوار بناءً على نص أو صورة أو تعليمات خاصة بالعنصر.
نعم. إلى جانب 16:9 و9:16 و1:1، يضيف Kling 4.0 إطارًا عريضًا بنسبة 21:9 لتكوينات بأسلوب سينمائي.
يمكن أن يصل البرومبت إلى 8,000 توكن، وهو ما يكفي لسكربت موقوت يتضمن ملاحظات الكاميرا والحوار والإشارات الصوتية. الترتيب أهم من الطول: اذكر الموضوع والحركة والمكان والكاميرا والإضاءة والتوقيت والصوت بالترتيب نفسه في كل مرة.
نعم، إذا كنت بحاجة إلى مقاطع أطول من 15 ثانية، أو التحكم في اللحظات الواقعة في منتصف اللقطة، أو مخرجات HDR، أو إطار بنسبة 21:9. أما المقاطع القصيرة ذات الحركة الواحدة، فيبقى Kling 3.0 خيارًا قويًا.
اختر Kling 4.0 عندما يهمّك التوقيت الدقيق، لأن الإطارات المفتاحية فيه تحدّد ما يحدث ومتى. اختر Seedance 3.0 إذا أردت توجيه النتيجة بمجموعة كبيرة من المراجع؛ فهو يقبل ما يصل إلى 50 عنصرًا من الصور ومقاطع الفيديو والملفات الصوتية في مهمة واحدة.
سجّل الشخص كمرجع للشخصية، واعرضه في الإطار المفتاحي الافتتاحي، وأشِر إليه بالاسم نفسه طوال البرومبت. شخص واحد، مرجع واحد: صورتان مختلفتان للشخصية نفسها تسحبان النتيجة في اتجاهين متعارضين.
