Kling AI hat Version 4.0 seines Video-Generators veröffentlicht, die nun Videoclips von bis zu 30 Sekunden Länge, Stereo-Audio und eine verbesserte Lippensynchronisation in über zehn Sprachen ermöglicht. Diese Aktualisierung bringt auch präzisere Steuerungsmöglichkeiten und eine schnellere Flash-Variante mit sich, die darauf abzielt, die Qualität generierter Videos an professionelle Standards anzunähern.
Erweiterte Funktionen für Videogenerierung
Mit der neuen Version können Nutzer Videos von bis zu 30 Sekunden Dauer in einem einzigen Durchlauf erstellen. Das System akzeptiert bis zu zehn Keyframe-Bilder als Eingabe, um Szenenübergänge, Charakterzustände und Handlungspunkte festzulegen. Die Fähigkeit zur Prompt-Verständnis, also der Interpretation von Texteingaben, wurde auf 8.000 Tokens erweitert. Ein Token ist dabei eine Maßeinheit für Textabschnitte, die ein KI-Modell verarbeiten kann.
Das aktualisierte „Omni Reference“-System von Kling AI ermöglicht die Verwendung von bis zu 15 Referenzmaterialien in einer einzigen Generierung. Dazu gehören bis zu zehn Bilder, fünf Videos (mit einer kombinierten Länge von maximal 30 Sekunden) und sieben weitere Elemente. Als Referenzen können Storyboards, Wireframes, Bildraster, White-Model-Videos und Tiefenkarten-Videos dienen.
Eine weitere Neuerung ist die Funktion „Creative Recreation“. Sie erlaubt es Anwendern, bestehende Videos als Vorlagen zu nutzen und Produkte oder Charaktere auszutauschen. Laut Kling AI können einzelne Elemente wie Gesichtsausdrücke, Körperbewegungen, Kameraeinstellungen oder Hintergründe angepasst werden, ohne den Rest des Clips zu beeinflussen.
Audio, Text und Sprachunterstützung
Kling 4.0 führt Zwei-Kanal-Stereo-Audio ein und verbessert die Lippensynchronisation in über zehn Sprachen. Zu den unterstützten Sprachen gehören Deutsch, Englisch, Japanisch, Koreanisch und Spanisch, einschließlich verschiedener Dialekte und Akzente. Die Generierung von Text innerhalb des Videos funktioniert nun ebenfalls mehrsprachig und bleibt auch bei Kamerabewegungen stabil. Funktionen wie die Ausgabe in 10-bit HDR bei 4K und 1080p sowie eine Video-Erweiterungsfunktion, die Clips auf bis zu zwei Minuten verlängern soll, sind von Kling AI als „demnächst verfügbar“ angekündigt.
Vergleich mit Wettbewerbern und Flash-Variante
In Vergleichen mit den chinesischen Konkurrenzprodukten Wan 3.0 und Seedance 2.5 kann Kling 4.0 mithalten, übertrifft diese jedoch nicht signifikant. Dies gilt insbesondere für die logische Abfolge von Aufnahmen, die Physik in den Szenen und natürlich klingende Dialoge. Beobachter sehen darin ein frühes Anzeichen dafür, dass sich das rasante Fortschrittstempo bei KI-Videomodellen möglicherweise verlangsamt. Die nächsten Veröffentlichungen von Wan und Seedance sollen hier weitere Erkenntnisse liefern.
Parallel zum Hauptmodell bietet Kling AI eine leichtere „Flash“-Variante an. Kling 4.0 Flash ist für schnellere Generierung zu geringeren Kosten konzipiert, ist jedoch auf 720p Auflösung und 20 Sekunden Videolänge begrenzt. Die Benutzeroberfläche wurde überarbeitet, und Kling 4.0 ist nun über MCP (Master Control Program) und CLI (Command Line Interface) zugänglich. Dies ermöglicht den Aufbau automatisierter Arbeitsabläufe mit KI-Agenten. Die Preise für die Kling 4.0 API, eine Programmierschnittstelle für Entwickler, wurden noch nicht bekannt gegeben und sind ebenfalls als „demnächst verfügbar“ gelistet.
Thema: Technologie / KI allgemein. Quelle/Inspiration: The Decoder.