30 s
Laufzeit
Eine Generierung läuft bis zu 30 Sekunden ohne Schnitt; bei Kling 3.0 war nach 15 Sekunden Schluss. Ein fertiger Clip lässt sich anschließend verlängern, auf eine Gesamtlänge von höchstens 2 Minuten.
Demnächst verfügbar
Kling 4.0 ist auf dieser Website noch nicht für die Generierung freigeschaltet
Die Bedienelemente auf dieser Seite zeigen lediglich eine Vorschau des Layouts und übermitteln nichts. Bis Kling 4.0 auf dieser Website freigeschaltet wird, stehen die folgenden Videomodelle zur Verfügung.
Bereits verfügbar
Kling 4.0
Text und Bild zu Video
Fähigkeiten des Modells
Die Grenzwerte des Modells lassen sich in vier Gruppen gliedern. Jede Gruppe beantwortet eine Planungsfrage, die sich stellt, bevor ein Prompt verfasst wird.
30 s
Eine Generierung läuft bis zu 30 Sekunden ohne Schnitt; bei Kling 3.0 war nach 15 Sekunden Schluss. Ein fertiger Clip lässt sich anschließend verlängern, auf eine Gesamtlänge von höchstens 2 Minuten.
10 Keyframes
Entlang des Clips können bis zu 10 Standbilder gesetzt werden. Jedes ist ein Bild, das das Video erreichen muss; dem Modell bleibt damit nur die Aufgabe, den Weg der Szene von einem Bild zum nächsten zu gestalten.
15 Referenzen
Jede Generierung bietet Platz für 15 Referenzen. Bilder können bis zu 10 dieser Plätze belegen, Videos bis zu 5 und Motive bis zu 7. Sie halten ein Gesicht, ein Produkt oder einen visuellen Stil durchgehend stabil und können auch Änderungen an bereits vorhandenem Material anleiten.
4K HDR
Die Ausgabe reicht bis 4K, und sowohl die 1080p- als auch die 4K-Einstellung kann in 10-Bit-HDR geliefert werden. Der Ton entsteht zusammen mit dem Video als zweikanalige Stereospur, und die Lippenbewegungen folgen der Sprache genauer als in früheren Versionen.
Die Werte sind nach dem Projektabschnitt gruppiert, in dem sie von Bedeutung sind.
Keyframes und die meisten Referenzen sind Standbilder. Das Aussehen eines Shots lässt sich daher festlegen, bevor überhaupt ein Video gerendert wird. Die Schritte sollten in der angegebenen Reihenfolge durchlaufen werden.
Erstellen oder sammeln Sie die Bilder, die der Shot enthalten muss: die Eröffnungsansicht, den Wendepunkt und das Schlussbild. Ein Bildmodell ist der schnellste Weg zu zusammenpassenden Standbildern in einem einheitlichen Stil.
Standbilder mit Nano Banana Pro erstellenOrdnen Sie die Standbilder als Keyframes in der Abfolge an, in der das Publikum sie sehen wird. Kling 4.0 nimmt bis zu 10 an, wobei eine einfache Bewegung von A nach B mit zwei Keyframes vollständig beschrieben ist.
Fügen Sie Referenzen für alles hinzu, was erkennbar bleiben muss: eine Person, ein Produkt, einen Ort oder einen Look. Das Kontingent von 15 reicht weiter, wenn jede Datei einen eigenen Zweck erfüllt; nahezu identische Dateien sollten daher entfallen.
Nutzen Sie den Prompt für das, was Standbilder nicht zeigen können: wie sich Motive bewegen, wohin die Kamera fährt, was gesagt wird und was zu hören ist. Der Rahmen von 8.000 Token lässt Raum, dies in der Reihenfolge des Geschehens zu formulieren.
Wählen Sie das Seitenverhältnis passend zum Zielkanal, etwa Hochformat für mobile Feeds oder 21:9 für ein filmisches Bild, und anschließend die Auflösung. 10-Bit-HDR in 1080p oder 4K eignet sich für Material, das farbkorrigiert werden soll.
Ordnen Sie die Anforderung des Shots dem passenden Modell zu. Jede Zeile nennt das ausschlaggebende Kriterium.
| Der Shot erfordert | Modell | Begründung |
|---|---|---|
| Einen einzelnen Take von mehr als 15 Sekunden, bei dem bestimmte Bilder unterwegs festgelegt sind | Kling 4.0 | Generierungen von bis zu 30 Sekunden und bis zu 10 Keyframes. |
| Einen kurzen filmischen Clip mit Ton, in Standard- oder Pro-Qualität | Kling 3 | Clips von 3, 5, 10 oder 15 Sekunden mit nativem Ton, aus Text oder einem Referenzbild. |
| Ein Start- und ein Endbild oder Änderungen an einem vorhandenen Video | Kling o3 | Ein Omni-Modell mit Steuerung des ersten und letzten Bildes sowie Videobearbeitung. |
| Einen großen Bestand an gemischtem Referenzmaterial | Seedance 2.5 | Verarbeitet bis zu 50 multimodale Referenzmaterialien und erzeugt bis zu 30 Sekunden in bis zu 4K. |
Kling 4.0 hat eine leichtere Edition. Flash räumt Geschwindigkeit und Kosten pro Clip den Vorrang ein, das vollständige Modell dagegen Realismus und Kontrolle.
Jeder Plan führt Standbilder, Referenzen und Prompt getrennt auf, weil das Modell sie als getrennte Eingaben erhält.
Hochformat · 30 Sekunden
21:9 · 30 Sekunden
Querformat · 15 Sekunden
Längere Clips geben kleinen Unstimmigkeiten mehr Zeit, sichtbar zu werden. Fünf Prüfungen erfassen die meisten davon.
Keyframes mit unterschiedlicher Beleuchtung, Optik oder Farbpalette erzeugen sichtbare Sprünge. Erzeugen Sie sie als Satz und vergleichen Sie sie nebeneinander.
Bereiten Sie die Standbilder im Seitenverhältnis des fertigen Videos vor. Ein quadratisches Bild füllt ein 21:9-Bild nicht ohne Beschnitt oder hinzuerfundene Ränder.
Eine Referenz, die einem Keyframe widerspricht, etwa durch eine andere Jacke oder Frisur, überlässt das Ergebnis dem Zufall. Entfernen Sie eines von beiden.
Geben Sie an, was zu hören sein soll und von welcher Seite. Bei einer Zweikanalspur gehört die Position zur Beschreibung.
Schließen Sie die letzte Sekunde mit einem stabilen Bild ab. Schnitt, Schleife und Verlängerung setzen an diesem Bild an.
Praktische Antworten für die Planung von Projekten mit dem Modell.
Das Unternehmen ist Kuaishou; Kling AI ist der Name seiner Plattform für Videogenerierung und der Modellreihe. Kling 4.0 ist die vierte Generation dieser Reihe und erscheint in zwei Editionen: als vollständiges Modell und als Kling 4.0 Flash.
Nein. Die 30 Sekunden werden nativ in einem Durchgang erzeugt, sodass keine Nahtstellen zu kaschieren sind. Kling 3.0 lieferte höchstens 15 Sekunden pro Generierung. Benötigt eine Szene mehr Zeit, lässt sich der fertige Clip verlängern, auf insgesamt bis zu 2 Minuten.
Nein. Kling 4.0 arbeitet auch allein mit Text oder mit einem einzelnen Bild. Keyframes sind optional und werden nützlich, wenn bestimmte Bilder an bestimmten Stellen erscheinen müssen; bis zu 10 können angegeben werden.
Die Obergrenze gilt für die Summe über alle Typen. Innerhalb dieser Grenze kann eine Generierung bis zu 10 Bilder, bis zu 5 Videos und bis zu 7 Motive enthalten, in jeder Kombination, die 15 nicht überschreitet.
Ein 10-Bit-Signal erfasst 1.024 Abstufungen pro Farbkanal, ein 8-Bit-Signal 256. Himmel, Schatten und Haut zeigen daher weichere Übergänge, und das Material verträgt eine stärkere Farbkorrektur. Bei Kling 4.0 steht dieser HDR-Modus sowohl für die Ausgabe in 1080p als auch in 4K zur Verfügung.
Ja. Der Ton wird zusammen mit dem Video als zweikanalige Stereospur erzeugt. Sprache ist nicht auf eine einzige Sprache beschränkt: Unterstützt werden unter anderem Englisch, Chinesisch, Spanisch, Japanisch und Koreanisch, einschließlich regionaler Akzente und Dialekte, und die Lippenbewegungen folgen den Worten genauer als in früheren Kling-Versionen.
Querformat, Hochformat und Quadrat werden abgedeckt; hinzu kommt ein 21:9-Ultrabreitbild für Kompositionen im Seitenverhältnis von Kinoleinwänden.
Ja, sie liegt bei 8.000 Token. In der Praxis ist diese Grenze selten die Einschränkung; entscheidend ist die Klarheit. Schildern Sie Ereignisse in der Reihenfolge, in der sie eintreten, und beschränken Sie jeden Satz auf eine Anweisung.
Flash ist auf Tempo und Wirtschaftlichkeit ausgelegt, nicht auf höchste Detailtreue. Es liefert Ergebnisse früher und zu geringeren Kosten pro Clip und ist damit die praktische Wahl, um Ideen zu erproben und in großer Stückzahl zu veröffentlichen. Fertige Arbeiten, die auf Realismus und Kontrolle angewiesen sind, gehören zum vollständigen Modell.
Kling 3 gehört zur selben Familie und erzeugt Clips von 3 bis 15 Sekunden mit nativem Ton in Standard- oder Pro-Qualität. Seedance 2.5 erreicht ebenfalls die Länge von 30 Sekunden und die 4K-Obergrenze und verarbeitet bis zu 50 multimodale Referenzmaterialien. Kling o3 deckt die Steuerung des ersten und letzten Bildes sowie die Videobearbeitung ab.
Videomodelle werden hier mit Credits bezahlt. Bei Kling 3 beispielsweise hängt der Betrag von der Dauer, der Qualitätsstufe und davon ab, ob Audio aktiviert ist. Tarife und Credit-Pakete sind auf der Preisseite aufgeführt.
Ja. Ein Keyframe ist ein gewöhnliches Standbild und kann daher vor der Videophase in einem Bildmodell erstellt werden. Werden alle Standbilder in einer Sitzung mit denselben Stilvorgaben erzeugt, bleiben sie untereinander konsistent.