Kling AI veröffentlicht Version 4.0 mit Stereosound, mehrsprachiger Lip-Sync-Funktion und einer leichteren Flash-Variante

Der AI-Video-Generator Kling AI hat Version 4.0 veröffentlicht, die eine höhere Auflösung, präzisere Kontrolle und eine schnelle Flash-Variante bietet. Laut dem Unternehmen soll dies den Unterschied zwischen künstlich generierten und professionellen Videos verringern.

Benutzer können nun bis zu 30 Sekunden langes Video in einer einzigen Durchgabe erzeugen, und das System akzeptiert bis zu zehn Keyframe-Bilder als Eingabe, um die Szenenübergänge, den Zustand der Charaktere und die Handlungsabschnitte zu bestimmen. Die Prompt-Verständlichkeit wurde auf 8.000 Tokens erweitert.

Laut Kling AI kann das erweiterte „Omni Reference“-System bis zu 15 Referenzinhalte in einer einzigen Generation verarbeiten, darunter bis zu 10 Bilder, 5 Videos mit einem Gesamtmaximum von 30 Sekunden und 7 Elemente. Storyboards, Wireframes, Bildraster, White-Model-Videos und Tiefenkarten-Videos fungieren alle als Referenzen.

Die Funktion „Kreative Erholung“ ermöglicht es Benutzern, bestehende Videos als Vorlagen zu verwenden und Produkte oder Charaktere zu ersetzen. Laut der Firma können einzelne Elemente wie Gesichtsausdrücke, Körperbewegungen, Kamerawinkel oder Hintergründe angepasst werden, ohne den Rest des Videos zu beeinflussen.

Das Video unten vergleicht Kling 4.0 mit Wan 3.0 und Seedance 2.5, beide von chinesischen Konkurrenten. Kling 4.0 hält zwar stand, aber macht keine Führung, besonders was die logische Aufnahmereihenfolge, die Physik und die natürliche Dialoge angeht. Das könnte ein früher Hinweis sein, dass der rasante Fortschritt in den AI-Video-Modellen allmählich abflacht, obwohl die nächsten Veröffentlichungen von Wan und Seedance uns mehr verraten werden.

Stereosound und mehrsprachige Sprache ergänzen die Aktualisierung

Kling 4.0 fügt zweikanaligen Stereo-Audio hinzu und verbessert die Lip-Sync-Funktion für mehr als zehn Sprachen, darunter Deutsch, Englisch, Japanisch, Koreanisch und Spanisch sowie verschiedene Dialekte und Akzente nach Angaben der Firma. Die In-video-Textgenerierung funktioniert nun auch in mehreren Sprachen und bleibt stabil bei Bewegungen der Kamera. Die 10-Bit-HDR-Ausgabe bei 4K und 1080p sowie eine Video-Extensionsfunktion, die Clips bis zu zwei Minuten lang erweitern kann, werden von Kling AI als „in Kürze“ gelistet.

Neben der Hauptversion wird Kling AI auch eine leichtere Flash-Variante anbieten. Kling 4.0 Flash ist für eine schnellere Erstellung zu einem niedrigeren Preis konzipiert, obwohl die maximale Qualität 720p und 20 Sekunden Video beträgt. Die Erstellungsoberfläche wurde neu gestaltet, und Kling 4.0 kann nun über MCP und CLI zugänglich sein, was es ermöglicht, automatische Workflows mit AI-Agenten zu erstellen. Der Preis für die Kling 4.0 API wurde noch nicht bekannt gegeben, wobei die Unterstützung als „in Kürze“ aufgelistet ist.