Das Kling AI-Team von Kuaishou hat sein Modell der vierten Generation, Kling 4.0, für Menschen entwickelt, die eine Einstellung lieber selbst inszenieren möchten, anstatt auf einen Prompt zu wetten. Sie setzen Keyframes auf einer Timeline von bis zu 30 Sekunden, weisen jeder Referenzdatei eine Aufgabe zu und das Modell ergänzt die Bewegung, die Kameraführung und den Ton zwischen diesen Ankerpunkten.
Bald verfügbar
Dieser Workspace wird bald Kling 4.0 unterstützen.
Die Generierung wird hier aktiviert, sobald Kling 4.0 verbunden ist. Dieselbe Idee können Sie schon jetzt mit den Modellen unten umsetzen und den Prompt später übernehmen.
Projekt starten mit
Kling 4.0
Keyframe-basiertes Videomodell von Kling AI
Modellprofil
Die Zahlen, die bestimmen, wie viel eine einzelne Kling 4.0-Generierung fassen kann – von der Cliplänge bis zur Anzahl der Dateien, aus denen sie lernen kann.
| Element | Kling 4.0 |
|---|---|
| Erstellt von | Kling AI, die Videoplattform von Kuaishou |
| Eingaben | Text, Bilder, Videoclips, Subjekte und Stimmreferenzen |
| Cliplänge | 3 bis 30 Sekunden pro Generierung |
| Timeline-Steuerung | Bis zu 10 Keyframes |
| Referenzen | Insgesamt bis zu 15: 10 Bilder, 5 Videos, 7 Subjekte |
| Bildqualität | Bis zu 4K; 10-Bit-HDR bei 1080p und 4K |
| Seitenverhältnisse | 16:9, 9:16, 1:1 und 21:9 Ultrabreit |
| Sound | Zweikanal-Stereo mit präziserem Lip-Sync |
| Text und Sprache | Texte im Bild und Dialoge in neun Sprachen |
| Prompt-Länge | Bis zu 8,000 Tokens |
| Bearbeitung | Bis zu 5 vorhandene Clips, insgesamt 30 Sekunden |
| Erweiterung | Eine Sequenz lässt sich auf etwa zwei Minuten verlängern. |
Kling 3.0 lieferte bereits filmreife Aufnahmen mit nativem Sound. Kling 4.0 behält diese Basis bei und schafft vor allem mehr Raum auf der Timeline sowie eine feinere Kontrolle darüber.
Länge
Kling 3.0:3–15 SekundenKling 4.0:3–30 Sekunden
Eine komplette Szene mit Setup, Action und Payoff passt in einen einzigen Take, statt aus zwei zusammengefügten Clips zu bestehen.
Frame-Steuerung
Kling 3.0:Erstes und letztes BildKling 4.0:Bis zu 10 Keyframes
Auch die Mitte der Aufnahme lässt sich fixieren, etwa bei einer Kopfdrehung oder dem Moment, in dem ein Produkt enthüllt wird.
Bildqualität
Kling 3.0:Bis zu 4KKling 4.0:Bis zu 4K, 10-Bit-HDR bei 1080p und 4K
Himmel und Hauttöne lassen sich ohne Banding graden, und Highlights behalten ihre Details.
Seitenverhältnisse
Kling 3.0:16:9, 9:16, 1:1Kling 4.0:Fügt 21:9 Ultrabreit hinzu
Kinoreife Breitbild-Kompositionen kommen direkt aus dem Modell – ganz ohne anschließendes Zuschneiden.
Sound
Kling 3.0:Native AudioKling 4.0:Stereo-Audio, präziserer Lip-Sync
Die Zeilen sitzen auf der Mundbewegung, und die Ambience hat links und rechts Raum.
Ein Keyframe ist ein Standbild, das an einem bestimmten Moment des Clips fixiert ist. Kling 4.0 animiert den Weg von einem Keyframe zum nächsten – die Frames, die Sie auswählen, werden so zum Skelett der Einstellung. Ein typischer Vier-Punkte-Plan sieht so aus:
Startbild
Legen Sie den Ort, das Licht und das Hauptmotiv fest. Dies ist das erste Bild, das ein Zuschauer sieht.
Erste Änderung
Fixieren Sie den Moment, in dem die Handlung beginnt: eine Figur steht auf, ein Deckel hebt sich, ein Auto fährt los.
Wendepunkt
Fixiere den Frame, an dem die Einstellung die Richtung wechselt – etwa bei einem Reveal oder einem neuen Kamerawinkel.
Letztes Bild
Fixieren Sie das Ende, damit der Clip auf einer Komposition endet, von der aus Sie schneiden oder verlängern können.
Zwei Keyframes reichen für eine einfache Bewegung. Ergänzen Sie weitere nur dort, wo ein Moment genau wie geplant aussehen muss: Jeder zusätzliche Keyframe schränkt ein, was das Modell zwischen ihnen erfinden kann.
Mit Omni Reference kann eine Aufgabe mehrere Arten von Quellmaterial gleichzeitig enthalten. Für jede Art gilt eine eigene Obergrenze innerhalb der gemeinsamen Gesamtzahl von 15.
| Eingabe | Bis zu | Am besten geeignet für |
|---|---|---|
| Bilder | 10 | Charakter-Turnarounds, Produktansichten, Locations, Storyboards und Styleframes |
| Videos | 5, 30 s kombiniert | Bewegung, Choreografie, Kamerapfade und Tempo zum Befolgen |
| Themen | 7 | Wiederkehrende Personen, Maskottchen oder Produkte, die durchgehend gleich aussehen müssen |
| Stimme | Unterstützt | Tonfall und Timbre einer sprechenden Figur |
Geben Sie im Prompt die Rolle jeder Datei an, zum Beispiel „Bild 2 ist die Jacke, Video 1 ist die Kamerabewegung“. Referenzen ohne angegebene Rolle konkurrieren miteinander.
Flash ist die leichtere Edition derselben Modellgeneration. Sie verzichtet auf Länge, Auflösung und Keyframes zugunsten schnellerer Ergebnisse.
Für fertige Werke, die Sie veröffentlichen möchten
Für Entwürfe, Tests und hohes Volumen
Eine praktische Routine: Testen Sie mehrere Ideen schnell in Flash, bauen Sie dann die Idee, die Sie behalten, im vollständigen Modell nach und ergänzen Sie Keyframes an den entscheidenden Stellen.
Jedes Modell liefert einen kompletten 30-Sekunden-Take in einem Durchgang. Der Unterschied liegt darin, wie Sie ihm sagen, was es tun soll.
| Vergleich | Kling 4.0 | Seedance 3.0 |
|---|---|---|
| Längste Einzelgenerierung | 30 Sekunden | 30 Sekunden |
| Wichtigste Steuerungsmethode | Keyframes auf einer Timeline fixiert | Ein Referenz-Stack plus ein schriftlicher Prompt |
| Referenzkapazität | 15 Eingaben: 10 Bilder, 5 Videos, 7 Subjekte | 50 Eingaben: 30 Bilder, 10 Videos, 10 Audiodateien |
| Audio als Eingabe | Stimmklang-Referenzen | Bis zu 10 Audiodateien |
| Am stärksten bei | Exaktes Timing der Schlüsselmomente, HDR-Ausgabe | Umfangreiche multimodale Briefings, Szenenplanung mit Kamera-Blocking |
Wählen Sie Kling 4.0, wenn bestimmte Momente zu bestimmten Zeitpunkten erscheinen müssen. Wählen Sie Seedance 3.0, wenn das Briefing eine große Sammlung von Bildern, Clips und Ton ist, aus der das Modell lernen soll.
Lange Prompts funktionieren, wenn jeder Teil seinen festen Platz hat. Schreiben Sie sie in dieser Reihenfolge und halten Sie jeden Teil auf ein bis zwei Sätze begrenzt.
1. Betreff
Ein Radfahrer in einer gelben Regenjacke
2. Aktion
bremst, steigt vom Fahrrad ab und blickt nach oben
3. Einstellung
auf einer nassen Kopfsteinpflasterstraße in der Abenddämmerung
4. Kamera
Eine tiefe Kamerafahrt, die in eine Kranfahrt übergeht
5. Hell
Neonschilder spiegeln sich in den Pfützen
6. Timing
0–10 s Fahren, 10–20 s Anhalten, 20–30 s Aufblicken
7. Ton
Regen, Reifenrauschen, das ferne Klingeln einer Straßenbahn
8. Referenzen
Subjekt 1 ist der Radfahrer, Bild 3 ist die Straße
0–8 s: Dampf steigt aus einer Keramiktasse auf einer sonnenbeschienenen Holztheke auf, langsamer Push-in. 8–16 s: Die Hand einer Barista schiebt die Tasse nach vorn, der Fokus wandert auf die Latte Art. 16–24 s: ein Fensterplatz, eine Frau nimmt den ersten Schluck und lächelt. 24–30 s: Totale des Cafés zur goldenen Stunde. Ton: Brummen der Kaffeemühle, leise Akustikgitarre, eine Tasse, die auf der Untertasse abgesetzt wird.
Eine Drohne gleitet bei Sonnenaufgang über terrassierte Reisfelder, Nebel liegt in den Tälern, ein Bauer geht auf einem Feldrain entlang. Die Kamera senkt sich langsam und endet auf Augenhöhe neben dem Bauern. Nur Vogelgezwitscher und Wind, keine Musik.
Eine Küche bei Nacht in warmem, praktischem Licht. Subjekt 1, ein älterer Mann, fragt: „Hast du es fertig?" Subjekt 2, ein Mädchen im Teenageralter, hält einen Skizzenblock hoch und antwortet: „Fast." Halbtotale Zweier-Einstellung, leichte Handkamerabewegung, leiser Stereo-Raumton.
Bild 1 ist der Sneaker, Bild 2 der Studiohintergrund. Der Sneaker dreht sich einmal auf einem glänzenden Drehteller, während ein weiches Licht über das Mesh streicht; die Kamera endet in einem Dreiviertel-Hero-Winkel. Darunter liegt ein sanfter elektronischer Puls.
Die längere Timeline und die Keyframe-Steuerung zahlen sich vor allem bei Projekten aus, bei denen Timing und Konsistenz zum Briefing gehören.
Kurze Antworten zu Länge, Bildqualität, Kontrolle, Ton und dazu, wie Kling 4.0 im Vergleich zu anderen Videomodellen dasteht.
Es ist das vierte große Videomodell von Kling AI, dem Team für generative Videos bei Kuaishou. Geben Sie ihm Text, Standbilder, kurze Clips und Subjektreferenzen, und es liefert einen 3 bis 30 Sekunden langen Clip mit Ton, der bis zu 10 Keyframes folgt, die Sie auf der Timeline platzieren.
30 Sekunden pro Generierung, wobei drei Sekunden das Minimum sind. Für alles, was länger ist, verlängern Sie den fertigen Clip; Erweiterungen können eine Szene auf rund zwei Minuten strecken.
Bis zu 4K. Sowohl die 1080p- als auch die 4K-Ausgabe liefern 10-Bit-HDR, sodass Sonnenuntergänge und Hauttöne das Grading ohne sichtbare Abstufungen überstehen. Die schlankere Flash Edition endet bei 720p in 8-Bit-SDR.
Sie platzieren bis zu 10 Standbilder an ausgewählten Momenten des Clips. Das Modell behandelt sie als feste Bezugspunkte und generiert die Bewegung dazwischen.
Für eine einfache Bewegung von Start bis Ende genügen zwei Keyframes. Weitere fügen Sie nur dort hinzu, wo ein Moment exakt wie geplant aussehen muss.
Insgesamt bis zu 15:
Stimmreferenzen können auch den Tonfall einer sprechenden Figur festlegen.
Flash ist auf Tempo statt auf Feinschliff ausgelegt. Es erzeugt bis zu 20 Sekunden in bis zu 720p als 8-Bit-SDR und akzeptiert weder Start-/Endbild- noch Multi-Keyframe-Eingaben. Wechseln Sie zum Vollmodell, wenn Sie die 30-sekündige Länge, Keyframes, das volle Referenzbudget, 4K oder HDR benötigen.
Ja. Es erzeugt zusammen mit dem Bild zweikanaliges Stereo-Audio – inklusive Dialog, Umgebungsgeräusche und Effekte – mit präziserem Lip-Sync als frühere Kling-Modelle.
Charaktere können in neun Sprachen sprechen – mit Raum für unterschiedliche Akzente und Dialekte. Das Modell kann außerdem Text im Bild in neun Sprachen sowie Emojis rendern.
Ja. Der Bearbeitungsmodus verarbeitet bis zu fünf vorhandene Clips mit insgesamt 30 Sekunden und kann Motiv, Hintergrund, Gesichtsausdruck, Kamerawinkel oder eine Dialogzeile anhand einer Text-, Bild- oder Motivvorgabe ändern.
Ja. Neben 16:9, 9:16 und 1:1 bietet Kling 4.0 zusätzlich ein 21:9-Ultrawide-Format für Kompositionen im Kinostil.
Prompts können bis zu 8,000 Token lang sein – genug für ein zeitlich getaktetes Skript mit Kameranotizen, Dialog und Sound-Cues. Die Reihenfolge ist wichtiger als die Länge: Nennen Sie Subjekt, Aktion, Umgebung, Kamera, Licht, Timing und Sound jedes Mal in derselben Reihenfolge.
Ja – wenn Sie Clips benötigen, die länger als 15 Sekunden sind, Kontrolle über Momente mitten in einer Einstellung, HDR-Ausgabe oder ein 21:9-Format. Für kurze Clips mit einer einzigen Aktion bleibt Kling 3.0 eine solide Wahl.
Wählen Sie Kling 4.0, wenn es auf exaktes Timing ankommt, denn seine Keyframes legen fest, was wann passiert. Wählen Sie Seedance 3.0, wenn Sie das Ergebnis mit einer großen Zahl von Referenzen steuern möchten; es akzeptiert bis zu 50 Bilder, Videos und Audiodateien in einer Aufgabe.
Registrieren Sie die Person als Subjektreferenz, zeigen Sie sie im ersten Keyframe und verwenden Sie im gesamten Prompt dieselbe Bezeichnung für sie. Eine Person, eine Referenz: Zwei verschiedene Fotos derselben Figur ziehen das Ergebnis in zwei unterschiedliche Richtungen.
