Kling 4.0 ist das Videomodell der vierten Generation von Kling AI aus dem Hause Kuaishou – konzipiert für native 30-Sekunden-Clips, Storytelling mit mehreren Keyframes, Omni-Referenzen und konsistente Subjekte, mit Stereo-Audio in 720p oder 1080p.
Mit Kling 4.0 erstellte Videos überprüfen, herunterladen und wiederverwenden.
Kling 4.0 · Modellüberblick
Kling 4.0 ist das Videomodell der vierten Generation von Kling AI, der KI-Videoplattform von Kuaishou. Im Mittelpunkt stehen visueller Realismus, kreative Kontrolle und erzählerische Geschlossenheit: Eine einzelne Generierung kann 30 Sekunden dauern, bis zu 10 Keyframes folgen und bis zu 15 multimodale Referenzen nutzen – mit Stereo-Audio und Ausgabe in 720p oder 1080p.
Erzeugen Sie bis zu 30 Sekunden in einem einzigen Durchgang – doppelt so viel wie das 15-Sekunden-Limit von Kling 3.0 und genug Raum für einen Einstieg, die Haupthandlung und ein vollständiges Ende.
Setzen Sie bis zu 10 Keyframes entlang der Zeitleiste, um Bildaufbau, Figurenpositionen und Handlungspunkte festzulegen, während Kling 4.0 die Bewegung dazwischen erzeugt. Ein Clip erlaubt einen Frame mehr als seine Länge in Sekunden: Ein 3-Sekunden-Clip nimmt bis zu 4 auf, Clips ab 9 Sekunden bis zu 10.
Kombinieren Sie bis zu 10 Bilder, 5 Videos, 7 Subjekte und 3 Stimmen, höchstens 15 Referenzen pro Generierung, für konsistentere Figuren, Produkte und Stile. Auch die referenzbasierte Videobearbeitung wurde verbessert.
Schnelle Action, durchgehende Bewegungen und komplexe Kamerabewegungen werden stabiler und flüssiger umgesetzt. Das erleichtert groß angelegte Szenen, Verfolgungsjagden und weitläufige Kamerafahrten.
Rendern Sie jede Generierung in 720p für Entwürfe und Social-Media-Feeds oder in 1080p für die finale Auslieferung und Material, das weiterbearbeitet wird. 4K und 10-Bit-HDR werden hier nicht angeboten.
Der Ton wird zusammen mit dem Bild generiert – mit hochwertigem Stereo-Audio, präziserer Lippensynchronisation und Sprachausgabe in mehreren Sprachen, Akzenten und Dialekten.
Legen Sie bis zu 7 Subjekte aus 2–4 Bildern oder einem 3–8 Sekunden langen Video an, verweisen Sie im Prompt mit @Name darauf und ordnen Sie einem Figuren-Subjekt eine Sprachaufnahme zu, damit es mit dieser Stimme spricht.
Die wichtigsten Spezifikationen von Kling 4.0 im Überblick.
| Spezifikation | Kling 4.0 |
|---|---|
| Entwickler | Kling AI (Kuaishou Technology) |
| Versionen | Kling 4.0 (Vollmodell, hier verwendet); daneben gibt es das leichtere Kling 4.0 Flash |
| Einzelne Generierung | 3 bis 30 Sekunden, nativ generiert |
| Subjekte | Bis zu 7, aus 2–4 Bildern oder einem 3–8 Sekunden langen Video, optional mit Stimme |
| Keyframes | Bis zu 10 (einer mehr als die Cliplänge in Sekunden) |
| Omni-Referenzen | Bis zu 15: 10 Bilder, 5 Videos, 7 Subjekte und 3 Stimmen |
| Prompt-Länge | Bis zu 8.000 Zeichen |
| Auflösung | 720p oder 1080p |
| Seitenverhältnisse | Smart, 16:9, 9:16, 1:1 und 21:9-Ultrabreitbild |
| Audio | Zweikanal-Stereo mit präziserer Lippensynchronisation |
| Sprachen | Chinesisch, Englisch, Japanisch, Koreanisch, Spanisch und weitere, jeweils mit Akzenten und Dialekten |
Kling 4.0 gibt es in zwei Versionen. Der Workspace auf dieser Seite nutzt das Vollmodell, das auf Realismus und Kontrolle ausgelegt ist; Flash ist eine leichtere Version, optimiert auf Tempo und Kosten.
Vollständiges Modell für Szenen mit hoher Detailtreue
Leichte Version, auf dieser Seite nicht verfügbar
Nutzen Sie die native 30-Sekunden-Generierung und Keyframes, um eine vollständige Szene mit Auftakt, Steigerung und einem abgeschlossenen Ende zu inszenieren.
Halten Sie Produkte und Figuren mit Omni-Referenzen und benannten Subjekten konsistent und liefern Sie 1080p-Material für Launch-Seiten, Paid-Social-Kampagnen und E-Commerce-Angebote.
Erstellen Sie Erklärvideos, Figurendialoge und lokalisierte Fassungen mit synchronen Lippenbewegungen in mehreren Sprachen, Akzenten und Dialekten.
Die verbesserte Stabilität bei schnellen Bewegungen, durchgehender Action und komplexen Kamerabewegungen eignet sich für Verfolgungsjagden, Sport-Highlights und weitläufige Establishing Shots.
Fixieren Sie zentrale Einstellungen mit bis zu 10 Keyframes, um Bildkomposition, Tempo und Kamerawege zu erproben, bevor Sie eine vollständige Produktion angehen.
Gestalten Sie Szenen im 21:9-Ultrabreitbild und rendern Sie in 1080p für filmische Intros, Trailer und Breitbild-Präsentationen.
Kreativer Workflow
Mit Kling 4.0 zahlt sich Planung aus. Legen Sie zuerst die Handlungspunkte fest, verankern Sie diese mit Keyframes und Referenzen und wählen Sie dann das Ausgabeformat, das zum geplanten Veröffentlichungskanal passt.
Schritt 01
Gliedern Sie den Clip in Abschnitte: Beispielsweise führen die Sekunden 0–10 Motiv und Schauplatz ein, die Sekunden 10–20 tragen die Haupthandlung, und die Sekunden 20–30 liefern den Höhepunkt oder das Schlussbild. Eine klare Struktur hilft dem Modell, das Tempo von Bewegung und Kameraführung zu steuern.
Schritt 02
Laden Sie im Modus „Bild“ die Keyframes in Abspielreihenfolge hoch: Der erste ist der erste Frame, der letzte der letzte Frame, alle übrigen sind Zwischenframes. Im Modus „Medien“ fügen Sie Bild-, Video- oder Subjekt-Referenzen für Figuren, Produkte und Stil hinzu. Kling 4.0 akzeptiert bis zu 10 Keyframes und bis zu 15 Referenzen.
Schritt 03
Beschreiben Sie Subjekte, Handlungen, Kamerabewegung, Licht, Dialoge und Ton. Prompts dürfen bis zu 8.000 Zeichen lang sein, sodass sich komplexe Szenen Einstellung für Einstellung beschreiben lassen.
Schritt 04
Wählen Sie ein Seitenverhältnis, etwa 21:9-Breitbild, oder belassen Sie es auf „Smart“, und wählen Sie dann 720p für Entwürfe oder 1080p für die finale Version. Prüfen Sie das Ergebnis und passen Sie Keyframes oder Prompt vor dem nächsten Durchgang an.
Kling 4.0 bietet mehr Kontrolle als frühere Kling-Modelle. Mit diesen Vorgehensweisen machen Sie aus dieser Kontrolle konsistentes, gut verwendbares Material.
Setzen Sie Keyframes an den Anfang und das Ende des Clips, um festzulegen, wo die Szene beginnt und endet. Fügen Sie Zwischen-Keyframes nur dort hinzu, wo die Geschichte einen bestimmten Moment erfordert.
Verwenden Sie pro Figur oder Produkt eine saubere, gut ausgeleuchtete Referenz, damit Omni Reference jede Identität konsistent hält, statt mehrere Erscheinungsbilder zu vermischen.
Benennen Sie die Kamerabewegung für jeden Teil des Clips, etwa eine langsame Ranfahrt, eine Kreisfahrt oder eine Begleitfahrt, statt eine einzige Anweisung für die gesamten 30 Sekunden zu geben.
Setzen Sie gesprochene Sätze in Anführungszeichen und geben Sie den Sprecher sowie die Sprache oder den Akzent an, damit Lippensynchronisation und Stimme zur richtigen Figur passen.
Führen Sie Umgebungsgeräusche, Soundeffekte und Musik mit ihrem Timing auf, damit das Stereo-Audio die Handlung unterstützt, statt mit ihr zu konkurrieren.
Geben Sie jedem Subjekt einen kurzen, eindeutigen Namen und verweisen Sie mit @Name darauf. Ordnen Sie einem Figuren-Subjekt eine Stimme zu, wenn seine Sätze in jedem Durchgang gleich klingen sollen.
Die Tabelle vergleicht die veröffentlichten Funktionen von Kling 4.0, Kling 3.0 und Seedance 2.5 und zeigt, wofür sich jedes Modell am besten eignet.
| Funktion | Kling 4.0 | Kling 3.0 | Seedance 2.5 |
|---|---|---|---|
| Einzelne Generierung | 3 bis 30 Sekunden, nativ generiert | 3–15 Sekunden | Bis zu 30 Sekunden |
| Story-Steuerung | Bis zu 10 Keyframes für Steuerung auf Zeitleistenebene | Multi-Shot-Storytelling mit einem einzigen Prompt | Startbild-Steuerung und räumliche 3D-Previsualisierung für das Kamera-Blocking |
| Referenzen | Bis zu 15: 10 Bilder, 5 Videos, 7 Subjekte und 3 Stimmen | Kling 3.0 Omni: bis zu 7 Bilder und 1 Referenzvideo | Bis zu 50: 30 Bilder, 10 Videos und 10 Audiodateien |
| Auflösung | 720p und 1080p | 720p und 1080p sowie ein nativer 4K-Modus | 720p bis natives 4K |
| Audio | Stereo-Audio, präzisere Lippensynchronisation, mehrere Sprachen, Akzente und Dialekte | Natives Audio mit mehrsprachiger Sprachausgabe und Akzenten | Natives Audio, Audiodateien als Referenzen möglich |
| Ideal für | Lange, inszenierte Szenen, die Keyframe-Präzision, umfangreiche Referenzen und konsistente Subjekte erfordern | Filmische Clips bis 15 Sekunden für Social Media, Werbung und kurze Szenen | Referenzintensive 30-Sekunden-Produktionen und 4K-Markeninhalte |
Seit Juni 2024 veröffentlicht Kling AI alle paar Monate ein großes Modell. Kling 4.0 ist der größte Schritt bei Cliplänge, kreativer Kontrolle und Ausgabequalität.
| Version | Veröffentlichung | Highlights |
|---|---|---|
| Kling 1.0 | Juni 2024 | Öffentlicher Start der Text-zu-Video- und Bild-zu-Video-Generierung von Kling |
| Kling 1.5 | September 2024 | HD-Ausgabe in 1080p und verbesserte Bewegungsqualität |
| Kling 2.0 | April 2025 | Deutliche Fortschritte bei Bewegung, Prompt-Verständnis und Bildqualität sowie multimodale Videobearbeitung |
| Kling 2.5 Turbo | September 2025 | Schnellere, kosteneffizientere Generierung mit höherer Prompt-Treue |
| Kling 2.6 | Dezember 2025 | Erstes Kling-Modell mit nativem Audio, einschließlich Sprache, Soundeffekten und Umgebungsgeräuschen |
| Kling 3.0 | Februar 2026 | Clips von 3–15 Sekunden, Multi-Shot-Storytelling und mehrsprachiges natives Audio |
| Kling 4.0 | 2026 | Native 30-Sekunden-Generierung, bis zu 10 Keyframes, 15 Referenzen und benannte Subjekte mit Stimmen |
Jedes Beispiel ist für einen vollständigen 30-Sekunden-Clip geschrieben – mit klaren Abschnitten, Kameraanweisungen und Ton, damit das Modell das Tempo der Szene von Anfang bis Ende steuern kann.
0–10 s: Eine mattschwarze Smartwatch dreht sich langsam auf einem nassen Steinsockel, weiches Kantenlicht, Makroobjektiv. 10–20 s: Die Kamera umkreist die Uhr, während das Display aufleuchtet und Regentropfen vom Glas gleiten. 20–30 s: Rückfahrt in eine Totale einer regennassen Dachterrasse in der Abenddämmerung, das Zifferblatt leuchtet. Tiefer Ambient-Synth und sanfter Regen in Stereo.
Ein gemütliches Café bei Nacht. Eine junge Frau im grünen Mantel blickt von ihrem Notizbuch auf und sagt auf Englisch: „You came back.“ Der Mann ihr gegenüber lächelt und antwortet auf Spanisch: „Nunca me fui del todo.“ Langsame Ranfahrt, geringe Schärfentiefe, leises Stimmengewirr im Café und sanftes Klavier im Hintergrund.
Keyframes 1, 5 und 10 als Ankerpunkte: Ein Kurier auf einem roten Fahrrad biegt bei Sonnenaufgang in eine enge Gasse ein, schlängelt sich mittags durch einen belebten Markt und hält bei Sonnenuntergang an einem Hafentor. Outfit und Fahrrad bleiben konsistent. Mitfahrende Kamera auf Lenkerhöhe, 21:9-Breitbild, sich steigernder Trommelrhythmus.
0–10 s: Ein Rallyeauto driftet durch eine schlammige Waldkurve, Schlamm spritzt in Richtung Objektiv, mitfahrende Kamera in Bodennähe. 10–20 s: Eine Drohnenaufnahme steigt auf und folgt dem Auto über eine Kuppe, während Sonnenlicht durch die Bäume blitzt. 20–30 s: Das Auto überquert in Zeitlupe die Ziellinie, während die Menge jubelt. Röhrender Motor und Publikumslärm in Stereo.
Eine Moderatorin in einem hellen Studio hält ein Paar kabellose Ohrhörer und sagt auf Englisch: „Twelve hours of battery, one small case.“ Sie wiederholt den Satz auf Japanisch und lächelt dann in die Kamera. Halbnahe Einstellung, weiches Führungslicht, klare Studioatmosphäre.
21:9-Breitbild. Morgendämmerung über einem nebligen Bergtal. 0–10 s: Ein langsamer Gleitflug über den Wolken. 10–20 s: Die Kamera senkt sich zu einem einsamen Reiter auf einem Bergkamm. 20–30 s: Der Reiter hält an, als die Sonne über den Gipfeln durchbricht. Anschwellende Orchestermusik und sanfter Wind.
Antworten zu den Funktionen von Kling 4.0, zu Referenzen, Auflösung und Prompts sowie zum Vergleich mit anderen Videomodellen.
Kling 4.0 ist ein Videogenerierungsmodell von Kling AI, der KI-Videoplattform von Kuaishou. Es erzeugt native 30-Sekunden-Clips aus Text, Bildern und multimodalen Referenzen, unterstützt bis zu 10 Keyframes und 15 Referenzen und bietet Stereo-Audio sowie präzisere Lippensynchronität. Generierungen sind in 720p und 1080p verfügbar.
Kling 4.0 wird in Credits abgerechnet, abhängig von Cliplänge und Auflösung; Referenzvideos erhöhen die abgerechnete Länge. Ein Download ist nicht nötig, und auf der Preisseite finden Sie die aktuellen Tarife und Credit-Pakete.
Kling 4.0 ist das Vollmodell mit Clips von 3–30 Sekunden, Steuerung über ersten, letzten und mehrere Keyframes sowie bis zu 15 multimodalen Referenzen. Kling 4.0 Flash ist eine leichtere Version für schnellere und kostengünstigere Generierung, beschränkt auf 720p und Clips von bis zu 20 Sekunden ohne Keyframe-Steuerung. Der Workspace auf dieser Seite nutzt das vollständige Kling 4.0.
Eine einzelne Kling-4.0-Generierung kann jede Länge von 3 bis 30 Sekunden haben, in Schritten von einer Sekunde. Das ist doppelt so viel wie das 15-Sekunden-Limit von Kling 3.0 und bietet Raum für Auftakt, Haupthandlung und ein vollständiges Ende.
Generierungen werden hier in 720p oder 1080p gerendert; 4K- und 10-Bit-HDR-Ausgabe werden nicht angeboten. 720p eignet sich für Entwürfe und Social-Media-Feeds, 1080p für finale Versionen und Material, das geschnitten oder farbkorrigiert wird.
Omni Reference akzeptiert pro Generierung bis zu 10 Bilder, 5 Videos, 7 Subjekte und 3 Stimmen, insgesamt höchstens 15 Referenzen. Die Multi-Keyframe-Steuerung akzeptiert bis zu 10 Keyframes, einen mehr als die Cliplänge in Sekunden: Ein 3-Sekunden-Clip nimmt bis zu 4 auf, Clips ab 9 Sekunden bis zu 10.
Omni Reference ist das multimodale Referenzsystem von Kling 4.0. Pro Generierung akzeptiert es bis zu 10 Bilder, 5 Videos, 7 Subjekte und 3 Stimmen, insgesamt höchstens 15 Referenzen, um Figuren, Produkte, Stil, Bewegung und Sprache zu steuern. Gegenüber früheren Versionen bietet es mehr Referenzoptionen und konsistentere Ergebnisse.
Ja. Kling AI nennt eine verbesserte Videobearbeitung als Teil des Omni-Reference-Upgrades in Kling 4.0. Videoreferenzen – bis zu 5 pro Generierung – können vorgeben, wie eine bestehende Szene überarbeitet wird, während der Prompt die gewünschte Änderung beschreibt.
Kling 4.0 bietet 16:9-Breitbild, 9:16-Hochformat, 1:1-Quadrat und ein 21:9-Ultrabreitbild für filmische Bildgestaltung. Mit „Smart“ wählt das Modell das Format anhand Ihrer Eingaben.
Kling 4.0 verbessert die Stabilität bei hohem Bewegungstempo, durchgehender Action und komplexen Kamerabewegungen. Groß angelegte Szenen, Verfolgungsjagden und weitläufige Kamerafahrten werden stabiler und flüssiger dargestellt als in früheren Versionen.
Kling 4.0 erzeugt hochwertiges Stereo-Audio zusammen mit dem Video und verbessert die Genauigkeit der Lippensynchronisation. Sprachausgabe wird in mehreren Sprachen unterstützt, darunter Chinesisch, Englisch, Japanisch, Koreanisch, Spanisch, Portugiesisch, Deutsch, Französisch und Hindi, dazu in einer Reihe von Akzenten und Dialekten.
Kling 4.0 verbessert Realismus, Kontrolle und Erzähllänge:
Beide Modelle erzeugen Clips von bis zu 30 Sekunden. Kling 4.0 überzeugt mit Timing-Kontrolle auf Keyframe-Ebene und benannten Subjekten, die eine eigene Stimme haben können. Seedance 2.5 akzeptiert bis zu 50 Referenzen einschließlich Audiodateien und gibt bis zu 4K aus – ideal für referenzlastige Marken- und Produktinhalte.
Kling 4.0 akzeptiert Prompts mit bis zu 8.000 Zeichen. Der zusätzliche Platz erlaubt es, einen 30-Sekunden-Clip Einstellung für Einstellung zu beschreiben – inklusive Kamerabewegungen, Dialogen und Ton.
Strukturieren Sie den Prompt entlang der Zeitleiste statt um einen einzelnen Moment:
Nutzen Sie Keyframes und Referenzen für alles, was exakt aussehen muss, und steuern Sie mit dem Text Bewegung und Tempo.
Kling 4.0 wird von Kling AI entwickelt, der KI-Videogenerierungsplattform von Kuaishou Technology. Die Kling-Modellfamilie startete im Juni 2024 und hat seitdem alle paar Monate große Upgrades erhalten – von Kling 1.0 bis Kling 4.0.