Echipa Kling AI de la Kuaishou a creat modelul său de a patra generație, Kling 4.0, pentru cei care vor să regizeze un plan, nu să parieze pe un singur prompt. Fixezi cadre-cheie pe o cronologie de până la 30 de secunde, dai fiecărui fișier de referință un rol, iar modelul completează mișcarea, mișcările de cameră și sunetul dintre aceste repere.
În curând
Acest spațiu de lucru va rula Kling 4.0 în curând
Generarea se activează aici imediat ce Kling 4.0 este conectat. Poți contura deja aceeași idee cu modelele de mai jos, urmând să transferi promptul mai târziu.
Începe un proiect cu
Kling 4.0
Model video bazat pe cadre cheie de la Kling AI
Profil model
Cifrele care determină cât poate cuprinde o singură generare Kling 4.0, de la durata clipului până la numărul de fișiere din care poate învăța.
| Articol | Kling 4.0 |
|---|---|
| Creat de | Kling AI, platforma video de la Kuaishou |
| Intrări | Text, imagini, clipuri video, subiecți și referințe vocale |
| Durată clip | 3 până la 30 de secunde per generare |
| Control cronologie | Până la 10 cadre cheie |
| Referințe | Până la 15 în total: 10 imagini, 5 videoclipuri, 7 subiecte |
| Calitatea imaginii | Până la 4K; HDR pe 10 biți la 1080p și 4K |
| Rapoarte de aspect | 16:9, 9:16, 1:1 și 21:9 ultrawide |
| Sunet | Stereo pe două canale cu sincronizare labială mai precisă |
| Text și voce | Text pe ecran și dialog în nouă limbi |
| Lungime prompt | Până la 8,000 de tokenuri |
| Editare | Până la 5 clipuri existente, 30 de secunde în total |
| Extensie | O secvență poate fi extinsă până la aproximativ două minute. |
Kling 3.0 producea deja cadre cinematice cu sunet nativ. Kling 4.0 păstrează această bază și adaugă în principal mai mult spațiu pe timeline și un control mai fin asupra acestuia.
Durată
Kling 3.0:3–15 secundeKling 4.0:3–30 secunde
O scenă completă, cu pregătire, acțiune și deznodământ, încape într-o singură dublă, în loc de două clipuri lipite împreună.
Control cadre
Kling 3.0:Primul și ultimul cadruKling 4.0:Până la 10 cadre cheie
Poți fixa și mijlocul cadrului, de exemplu o întoarcere a capului sau momentul în care este dezvăluit un produs.
Calitatea imaginii
Kling 3.0:Până la 4KKling 4.0:Până la 4K, HDR pe 10 biți la 1080p și 4K
Cerurile și tonurile pielii se etalonează fără banding, iar highlight-urile își păstrează detaliile.
Rapoarte de aspect
Kling 3.0:16:9, 9:16, 1:1Kling 4.0:Adaugă 21:9 ultrawide
Compozițiile cinematografice în format widescreen ies direct din model, fără nicio decupare ulterioară.
Sunet
Kling 3.0:Audio nativKling 4.0:Audio stereo, sincronizare labială mai precisă
Liniile se aliniază cu mișcarea buzelor, iar ambianța are spațiu stânga-dreapta.
Un cadru cheie este o imagine statică fixată la un moment al clipului. Kling 4.0 animează traseul de la un cadru cheie la următorul, astfel încât cadrele pe care le alegi devin scheletul cadrului. Un plan tipic cu patru puncte arată astfel:
Cadru inițial
Stabilește locul, lumina și subiectul principal. Aceasta este prima imagine pe care o vede un spectator.
Prima modificare
Fixează momentul în care începe acțiunea: un personaj se ridică în picioare, un capac se ridică, o mașină pornește de pe loc.
Punct de cotitură
Fixează cadrul în care planul își schimbă direcția, cum ar fi o dezvăluire sau un unghi nou de cameră.
Cadru final
Blochează finalul, ca clipul să se încheie pe o compoziție din care poți tăia sau pe care o poți extinde.
Două keyframe-uri sunt de ajuns pentru o mișcare simplă. Adaugă mai multe doar acolo unde un moment trebuie să iasă exact așa cum l-ai plănuit: fiecare keyframe în plus restrânge ce poate inventa modelul între ele.
Omni Reference permite ca o singură sarcină să includă simultan mai multe tipuri de material sursă. Fiecare tip are propriul plafon în cadrul totalului comun de 15.
| Intrare | Până la | Ideal pentru |
|---|---|---|
| Imagini | 10 | Turnaround-uri de personaj, unghiuri de produs, locații, storyboard-uri și cadre de stil |
| Videoclipuri | 5, 30 s combinate | Mișcare, coregrafie, traiectorii de cameră și ritm de urmat |
| Subiecte | 7 | Persoane, mascote sau produse recurente care trebuie să arate la fel pe tot parcursul |
| Voce | Suportat | Tonul și timbrul unui personaj care vorbește |
Precizează rolul fiecărui fișier în prompt, de exemplu „imaginea 2 este jacheta, videoclipul 1 este mișcarea de cameră”. Referințele fără un rol precizat concurează între ele.
Flash este versiunea mai ușoară a aceleiași generații de modele. Renunță la durată, rezoluție și cadre-cheie în schimbul unor rezultate mai rapide.
Pentru creațiile finalizate pe care plănuiești să le publici
Pentru schițe, teste și volume mari
O rutină practică: încearcă rapid mai multe idei în Flash, apoi reconstruiește în modelul complet varianta pe care o păstrezi și adaugă cadre cheie acolo unde contează.
Fiecare poate genera un clip complet de 30 de secunde dintr-o singură cerere. Ce le deosebește este felul în care le spui ce să facă.
| Comparație | Kling 4.0 | Seedance 3.0 |
|---|---|---|
| Cea mai lungă generare individuală | 30 de secunde | 30 secunde |
| Principala modalitate de a ghida | Cadre cheie fixate pe o cronologie | Un stack de referințe plus un prompt scris |
| Capacitate de referință | 15 intrări: 10 imagini, 5 videoclipuri, 7 subiecte | 50 de intrări: 30 de imagini, 10 videoclipuri, 10 fișiere audio |
| Audio ca intrare | Referințe pentru tonul vocii | Până la 10 fișiere audio |
| Cel mai puternic la | Temporizare exactă a momentelor cheie, livrare HDR | Briefuri multimodale ample, planificare de scene cu blocking de cameră |
Alege Kling 4.0 atunci când anumite momente trebuie să apară la momente precise. Alege Seedance 3.0 atunci când brief-ul este o colecție mare de imagini, clipuri și sunet din care modelul ar trebui să învețe.
Prompturile lungi funcționează atunci când fiecare parte are un loc fix. Scrie-le în această ordine și păstrează fiecare parte la o frază sau două.
1. Subiect
Un ciclist într-o geacă de ploaie galbenă
2. Acțiune
frânează, coboară de pe bicicletă și ridică privirea
3. Setare
pe o stradă de piatră cubică udă, la amurg
4. Cameră
un travelling jos care urcă într-o mișcare de macara
5. Luminos
Firmele neon oglindite în bălți
6. Temporizare
0–10 s deplasare, 10–20 s oprire, 20–30 s privire în sus
7. Sunet
ploaia, fâșâitul anvelopelor, clopoțelul unui tramvai în depărtare
8. Referințe
subiectul 1 este ciclistul, imaginea 3 este strada
0–8 s: aburul se ridică dintr-o ceașcă de ceramică pe un blat de lemn scăldat în soare, apropiere lentă a camerei. 8–16 s: mâna unei barista împinge ceașca înainte, iar focalizarea trece pe latte art. 16–24 s: un loc lângă fereastră, o femeie ia prima înghițitură și zâmbește. 24–30 s: plan larg al cafenelei în ora de aur. Sunet: bâzâitul râșniței, chitară acustică discretă, o ceașcă așezată pe farfurioară.
La răsărit, o dronă planează peste câmpuri de orez terasate, ceața zace în văi, iar un fermier merge pe o coamă de terasă. Camera coboară lent și se încheie la nivelul ochilor, lângă fermier. Doar ciripit de păsări și vânt, fără muzică.
O bucătărie noaptea, sub lumină practică caldă. Subiectul 1, un bărbat în vârstă, întreabă: „Ai terminat-o?" Subiectul 2, o adolescentă, ridică un carnet de schițe și răspunde: „Aproape." Plan mediu cu două personaje, ușoară mișcare de cameră din mână, ton de cameră stereo discret.
Imaginea 1 este sneakerul, imaginea 2 este fundalul de studio. Sneakerul se rotește o dată pe o platformă rotativă lucioasă, în timp ce o lumină blândă traversează mesh-ul; camera se oprește pe un unghi principal de trei sferturi. Un puls electronic discret pe fundal.
Timeline-ul extins și controlul keyframe-urilor se dovedesc cele mai utile în proiectele în care timingul și consistența fac parte din brief.
Răspunsuri scurte despre durată, calitatea imaginii, control, sunet și cum se situează Kling 4.0 față de alte modele video.
Este al patrulea model video major lansat de Kling AI, echipa de video generativ din cadrul Kuaishou. Dă-i text, imagini statice, clipuri scurte și referințe de subiect, iar el îți returnează un clip de 3 până la 30 de secunde cu sunet, respectând până la 10 cadre-cheie pe care le plasezi pe linia de timp.
Treizeci de secunde per generare, cu un minim de trei secunde. Pentru durate mai lungi, extinde clipul finalizat; extensiile pot prelungi o scenă până la aproximativ două minute.
Până la 4K. Atât ieșirile 1080p, cât și cele 4K au 10-bit HDR, așa că apusurile și tonurile pielii trec de etalonare fără trepte vizibile. Ediția Flash, mai ușoară, se oprește la 720p în 8-bit SDR.
Plasezi până la 10 imagini statice în momentele alese din clip. Modelul le tratează ca puncte fixe și generează mișcarea dintre ele.
Folosește două cadre cheie pentru o mișcare simplă de la început la sfârșit și adaugă altele doar acolo unde un moment trebuie să arate exact așa cum ai planificat.
Până la 15 în total:
Referințele vocale pot stabili și tonul unui personaj care vorbește.
Flash este optimizat pentru viteză, nu pentru calitatea finală. Generează până la 20 de secunde la rezoluție de până la 720p în 8-bit SDR și nu acceptă ca intrare primul/ultimul cadru sau mai multe cadre-cheie. Comută pe modelul complet când ai nevoie de durata de 30 de secunde, cadre-cheie, bugetul complet de referințe, 4K sau HDR.
Da. Generează audio stereo pe două canale împreună cu imaginea, inclusiv dialog, ambianță și efecte, cu o sincronizare labială mai precisă decât modelele Kling anterioare.
Personajele pot vorbi în nouă limbi, cu loc pentru accente și dialecte diferite. Modelul poate reda și text pe ecran în nouă limbi, precum și emoji.
Da. Modul său de editare acceptă până la cinci clipuri existente, cu o durată totală de 30 de secunde, și poate modifica subiectul, fundalul, expresia, unghiul camerei sau o replică pe baza unui text, a unei imagini sau a unei instrucțiuni privind subiectul.
Da. Pe lângă 16:9, 9:16 și 1:1, Kling 4.0 adaugă și un cadru ultrawide 21:9 pentru compoziții în stil cinematografic.
Prompturile pot ajunge până la 8,000 de tokenuri, ceea ce este suficient pentru un scenariu cronometrat cu note de cameră, dialog și indicii sonore. Ordinea contează mai mult decât lungimea: enumeră subiectul, acțiunea, decorul, camera, lumina, timpul și sunetul în aceeași succesiune de fiecare dată.
Da, dacă ai nevoie de clipuri mai lungi de 15 secunde, de control asupra momentelor din mijlocul unei secvențe, de export HDR sau de un cadru 21:9. Pentru clipuri scurte, cu o singură acțiune, Kling 3.0 rămâne o alegere solidă.
Alege Kling 4.0 când contează momentul exact, pentru că keyframe-urile sale stabilesc ce se întâmplă și când. Alege Seedance 3.0 când vrei să ghidezi rezultatul cu un set amplu de referințe; acceptă până la 50 de imagini, videoclipuri și fișiere audio într-o singură sarcină.
Înregistrează persoana ca referință de subiect, arat-o în keyframe-ul de deschidere și numește-o cu aceeași etichetă pe tot parcursul promptului. O persoană, o referință: două fotografii diferite ale aceluiași personaj trag rezultatul în două direcții.
