L'équipe Kling AI de Kuaishou a conçu son modèle de quatrième génération, Kling 4.0, pour ceux qui veulent diriger un plan plutôt que de parier sur un seul prompt. Vous épinglez des images clés sur une timeline de 30 secondes maximum, vous attribuez un rôle à chaque fichier de référence, et le modèle génère le mouvement, le travail de caméra et le son entre ces points d'ancrage.
Bientôt disponible
Cet espace de travail fera bientôt tourner Kling 4.0
La génération s'active ici dès que Kling 4.0 est connecté. Vous pouvez déjà donner forme à cette même idée avec les modèles ci-dessous, puis transférer votre prompt plus tard.
Démarrer un projet avec
Kling 4.0
Modèle vidéo piloté par images clés de Kling AI
Profil du modèle
Les chiffres qui déterminent ce qu'une seule génération Kling 4.0 peut prendre en charge, de la durée du clip au nombre de fichiers à partir desquels elle peut apprendre.
| Élément | Kling 4.0 |
|---|---|
| Créé par | Kling AI, la plateforme vidéo de Kuaishou |
| Entrées | Texte, images, clips vidéo, sujets et références vocales |
| Durée du clip | De 3 à 30 secondes par génération |
| Contrôle de la timeline | Jusqu'à 10 images clés |
| Références | Jusqu'à 15 au total : 10 images, 5 vidéos, 7 sujets |
| Qualité d'image | Jusqu'à 4K ; HDR 10 bits en 1080p et 4K |
| Formats d'image | 16:9, 9:16, 1:1 et 21:9 ultra-large |
| Son | Stéréo deux canaux avec une synchronisation labiale plus précise |
| Texte et voix | Texte à l'écran et dialogues en neuf langues |
| Longueur du prompt | Jusqu'à 8 000 tokens |
| Édition | Jusqu'à 5 clips existants, 30 secondes au total |
| Extension | Une séquence peut être prolongée jusqu'à environ deux minutes |
Kling 3.0 produisait déjà des plans cinématographiques avec un son natif. Kling 4.0 conserve cette base et ajoute surtout plus de place sur la timeline, ainsi qu'un contrôle plus fin.
Longueur
Kling 3.0:3–15 secondesKling 4.0:3–30 secondes
Une scène complète avec une mise en place, une action et un dénouement tient en une seule prise, au lieu de deux clips montés bout à bout.
Contrôle des frames
Kling 3.0:Première et dernière imageKling 4.0:Jusqu'à 10 images clés
Le milieu du plan peut lui aussi être épinglé, par exemple un mouvement de tête ou le moment où un produit est dévoilé.
Qualité d'image
Kling 3.0:Jusqu'à 4KKling 4.0:Jusqu'à 4K, HDR 10 bits en 1080p et 4K
Les ciels et les carnations s'étalonnent sans banding, et les hautes lumières conservent leur détail.
Formats d'image
Kling 3.0:16:9, 9:16, 1:1Kling 4.0:Ajoute le 21:9 ultra-large
Des compositions panoramiques de style cinématographique sortent directement du modèle, sans recadrage ultérieur.
Son
Kling 3.0:Audio natifKling 4.0:Audio stéréo, synchronisation labiale plus précise
Les répliques s'alignent sur le mouvement des lèvres, et l'ambiance sonore dispose d'un espace à gauche et à droite.
Une image clé est une image fixe ancrée à un moment du clip. Kling 4.0 anime le parcours d'une image clé à la suivante : les images que vous choisissez deviennent l'ossature du plan. Voici à quoi ressemble un plan type en quatre points :
Image d'ouverture
Définissez le lieu, la lumière et le sujet principal. C'est la première image que voit le spectateur.
Première modification
Épinglez le moment où l'action commence : un personnage se lève, un couvercle se soulève, une voiture s'éloigne.
Tournant
Figez l'image au moment où le plan change de direction, par exemple lors d'une révélation ou d'un nouvel angle de caméra.
Image finale
Verrouillez la fin pour que le clip se termine sur une composition à partir de laquelle vous pourrez couper ou prolonger.
Deux keyframes suffisent pour un mouvement simple. N’en ajoutez que là où un moment doit apparaître exactement comme prévu : chaque keyframe supplémentaire réduit ce que le modèle peut inventer entre les keyframes.
Omni Reference permet à une tâche de prendre en charge plusieurs types de sources à la fois. Chaque type dispose de son propre plafond au sein du total partagé de 15.
| Entrée | Jusqu'à | Idéal pour |
|---|---|---|
| Images | 10 | Rotations de personnages, angles de produit, décors, storyboards et images de style |
| Vidéos | 5, 30 s combinés | Mouvement, chorégraphie, trajectoires de caméra et rythme à suivre |
| Sujets | 7 | Personnages récurrents, mascottes ou produits qui doivent rester identiques d'un bout à l'autre |
| Voix | Pris en charge | Le ton et le timbre d'un personnage qui parle |
Indiquez le rôle de chaque fichier dans le prompt, par exemple « image 2 est la veste, vidéo 1 est le mouvement de caméra ». Les références dont le rôle n'est pas indiqué se font concurrence.
Flash est la version allégée de la même génération de modèles. Il sacrifie la durée, la résolution et les images clés en échange de résultats plus rapides.
Pour les créations finalisées que vous comptez publier
Pour les brouillons, les tests et les gros volumes
Une méthode pratique : testez rapidement plusieurs idées dans Flash, puis reconstruisez celle que vous retenez dans le modèle complet et ajoutez des keyframes là où cela compte.
Chacun peut générer une séquence complète de 30 secondes d'un seul coup. Ce qui les distingue, c'est la façon dont vous leur donnez vos instructions.
| Comparaison | Kling 4.0 | Seedance 3.0 |
|---|---|---|
| Génération unique la plus longue | 30 secondes | 30 secondes |
| Principal moyen de pilotage | Images clés épinglées sur une timeline | Un ensemble de références et un prompt écrit |
| Capacité de référence | 15 entrées : 10 images, 5 vidéos, 7 sujets | 50 entrées : 30 images, 10 vidéos, 10 fichiers audio |
| Audio en entrée | Références de tonalité vocale | Jusqu'à 10 fichiers audio |
| Point fort | Chronologie exacte des moments clés, livraison HDR | Briefs multimodaux étendus, planification de scènes avec placement caméra |
Choisissez Kling 4.0 lorsque des moments précis doivent apparaître à des instants précis. Choisissez Seedance 3.0 lorsque le brief est un vaste ensemble d'images, de clips et de sons à partir duquel le modèle doit apprendre.
Les prompts longs fonctionnent quand chaque partie a une place fixe. Rédigez-les dans cet ordre et limitez chaque partie à une ou deux phrases.
1. Objet
Un cycliste en veste de pluie jaune
2. Action
freine, descend du vélo et lève les yeux
3. Paramètres
dans une rue pavée mouillée au crépuscule
4. Caméra
un travelling bas qui s'élève en mouvement de grue
5. Clair
enseignes au néon reflétées dans les flaques
6. Timing
0–10 s à rouler, 10–20 s à s'arrêter, 20–30 s à lever les yeux
7. Son
pluie, sifflement de pneus, la cloche lointaine d'un tramway
8. Références
Le sujet 1 est le cycliste, l'image 3 est la rue
0–8 s : de la vapeur s'élève d'une tasse en céramique posée sur un comptoir en bois baigné de soleil, lent travelling avant. 8–16 s : la main d'un barista fait glisser la tasse vers l'avant et la mise au point bascule sur le latte art. 16–24 s : près de la fenêtre, une femme prend sa première gorgée et sourit. 24–30 s : plan large du café à l'heure dorée. Son : le ronronnement du moulin, une guitare acoustique discrète, une tasse posée sur sa soucoupe.
Un drone survole des rizières en terrasses au lever du soleil, la brume tapie dans les vallées, un paysan marchant sur une crête. La caméra descend lentement et se termine à hauteur des yeux, aux côtés du paysan. Uniquement des chants d'oiseaux et du vent, pas de musique.
Une cuisine la nuit, sous un éclairage pratique chaleureux. Sujet 1, un homme âgé, demande : « Tu as fini ? » Sujet 2, une adolescente, brandit un carnet de croquis et répond : « Presque. » Plan moyen à deux, léger mouvement caméra à l'épaule, son d'ambiance stéréo discret.
L'image 1 est la sneaker, l'image 2 est le fond de studio. La sneaker effectue un tour complet sur un plateau tournant brillant tandis qu'une lumière douce balaie le mesh ; la caméra se termine sur un plan héros de trois quarts. Une douce pulsation électronique en fond.
La timeline plus longue et le contrôle des images clés donnent toute leur mesure dans les projets où le timing et la cohérence font partie du brief.
Des réponses courtes sur la durée, la qualité d'image, le contrôle, le son, et sur le positionnement de Kling 4.0 face aux autres modèles vidéo.
Il s'agit du quatrième grand modèle vidéo lancé par Kling AI, l'équipe de vidéo générative de Kuaishou. Fournissez-lui du texte, des images fixes, de courts clips et des références de sujet : il génère un clip de 3 à 30 secondes avec son, en suivant jusqu'à 10 images clés que vous placez sur la timeline.
Trente secondes par génération, avec un minimum de trois secondes. Pour aller au-delà, prolongez le clip terminé ; les extensions peuvent allonger une scène jusqu'à environ deux minutes.
Jusqu'à 4K. Les sorties 1080p et 4K proposent toutes deux du HDR 10 bits : les couchers de soleil comme les teintes de peau passent l'étalonnage sans banding visible. L'édition Flash, plus légère, plafonne à 720p en SDR 8 bits.
Vous placez jusqu'à 10 images fixes aux moments de votre choix dans le clip. Le modèle les traite comme des points fixes et génère le mouvement entre elles.
Utilisez deux images clés pour un mouvement simple du début à la fin, et n'en ajoutez d'autres que là où un moment doit être exactement tel que prévu.
Jusqu'à 15 au total :
Les références vocales peuvent aussi définir le ton d'un personnage qui parle.
Flash est optimisé pour la vitesse plutôt que pour le rendu final. Il génère jusqu'à 20 secondes en 720p maximum, en SDR 8 bits, et n'accepte ni première/dernière image ni images clés multiples. Passez au modèle complet si vous avez besoin de la durée de 30 secondes, des images clés, du quota complet de références, de la 4K ou du HDR.
Oui. Il génère un audio stéréo à deux canaux en même temps que l'image, y compris les dialogues, les ambiances et les effets, avec une synchronisation labiale plus précise que celle des modèles Kling précédents.
Les personnages peuvent s'exprimer dans neuf langues et adopter différents accents et dialectes. Le modèle peut également afficher du texte à l'écran dans neuf langues, ainsi que des emoji.
Oui. Son mode d'édition accepte jusqu'à cinq clips existants, pour un total de 30 secondes, et permet de modifier un sujet, un arrière-plan, une expression, un angle de caméra ou une réplique à partir d'un texte, d'une image ou d'une consigne de sujet.
Oui. Outre les formats 16:9, 9:16 et 1:1, Kling 4.0 ajoute un format ultra-large 21:9 pour des compositions de style cinéma.
Les prompts peuvent aller jusqu'à 8 000 tokens, de quoi écrire un script minuté avec indications de caméra, dialogues et repères sonores. L'ordre compte plus que la longueur : listez le sujet, l'action, le décor, la caméra, la lumière, le minutage et le son, toujours dans la même séquence.
Oui, si vous avez besoin de clips de plus de 15 secondes, d'un contrôle des moments au milieu d'un plan, d'une sortie HDR ou d'un cadre 21:9. Pour des clips courts à action unique, Kling 3.0 reste un choix solide.
Choisissez Kling 4.0 lorsque la précision du timing est essentielle : ses images clés déterminent ce qui se produit et à quel moment. Choisissez Seedance 3.0 lorsque vous souhaitez orienter le résultat à l'aide d'un large ensemble de références ; il accepte jusqu'à 50 images, vidéos et fichiers audio dans une seule tâche.
Enregistrez la personne comme référence de sujet, faites-la apparaître dans l'image clé d'ouverture et désignez-la par le même libellé tout au long du prompt. Une personne, une référence : deux photos différentes du même personnage tirent le résultat dans deux directions.
