Kling 4.0 to model wideo Kling AI czwartej generacji od Kuaishou, stworzony z myślą o natywnych 30-sekundowych klipach, narracji opartej na wielu klatkach kluczowych, referencjach Omni i spójnych obiektach, z dźwiękiem stereo w 720p lub 1080p.
Przeglądaj, pobieraj i ponownie wykorzystuj filmy wygenerowane za pomocą Kling 4.0.
Kling 4.0 · Przegląd modelu
Kling 4.0 to model wideo czwartej generacji od Kling AI, platformy wideo AI firmy Kuaishou. Stawia na realizm obrazu, kontrolę twórczą i pełną narrację: pojedyncze generowanie może trwać 30 sekund, podążać za maksymalnie 10 klatkami kluczowymi i korzystać z maksymalnie 15 referencji multimodalnych, z dźwiękiem stereo i obrazem w 720p lub 1080p.
Do 30 sekund wideo w jednym przebiegu – dwa razy więcej niż limit 15 sekund w Kling 3.0 – z miejscem na otwarcie, główną akcję i pełne zakończenie.
Rozmieść na osi czasu do 10 klatek kluczowych, aby ustalić kompozycję, położenie postaci i punkty zwrotne historii, a Kling 4.0 wygeneruje ruch pomiędzy nimi. Klip przyjmuje o jedną klatkę więcej, niż wynosi jego długość w sekundach: 3-sekundowy klip przyjmie do 4, a klipy od 9 sekund wzwyż – 10.
Łącz do 10 obrazów, 5 filmów, 7 obiektów i 3 głosy, maksymalnie 15 referencji w jednym generowaniu, aby uzyskać spójniejsze postacie, produkty i style. Ulepszono też edycję wideo opartą na referencjach.
Szybka akcja, ciągły ruch i złożone ruchy kamery są odwzorowywane stabilniej i płynniej, co ułatwia realizację scen na dużą skalę, pościgów i ujęć z dużym rozmachem.
Renderuj każde generowanie w 720p na potrzeby szkiców i mediów społecznościowych albo w 1080p do finalnej publikacji i materiału, który będzie dalej montowany. Obraz w 4K i 10-bitowy HDR nie są tu dostępne.
Dźwięk powstaje razem z obrazem: wysokiej jakości dźwięk stereo, dokładniejsza synchronizacja ruchu ust oraz mowa w wielu językach, akcentach i dialektach.
Utwórz do 7 obiektów z 2–4 obrazów lub jednego filmu trwającego 3–8 sekund, odwołuj się do nich w prompcie przez @nazwa i przypisz nagranie głosu do obiektu typu postać, aby mówił tym głosem.
Najważniejsze parametry Kling 4.0 w skrócie.
| Parametr | Kling 4.0 |
|---|---|
| Twórca | Kling AI (Kuaishou Technology) |
| Wersje | Kling 4.0 (pełny model, używany tutaj); istnieje też lżejszy Kling 4.0 Flash |
| Pojedyncze generowanie | Od 3 do 30 sekund, generowane natywnie |
| Obiekty | Do 7, z 2–4 obrazów lub jednego filmu trwającego 3–8 sekund, z opcjonalnym głosem |
| Klatki kluczowe | Do 10 (o jedną więcej niż długość klipu w sekundach) |
| Referencje Omni | Do 15: 10 obrazów, 5 filmów, 7 obiektów i 3 głosy |
| Długość promptu | Do 8000 znaków |
| Rozdzielczość | 720p lub 1080p |
| Proporcje obrazu | Inteligentny, 16:9, 9:16, 1:1 i ultraszeroki 21:9 |
| Dźwięk | Dwukanałowy dźwięk stereo z dokładniejszą synchronizacją ust |
| Języki | Chiński, angielski, japoński, koreański, hiszpański i inne, wraz z akcentami i dialektami |
Kling 4.0 występuje w dwóch wersjach. Obszar roboczy na tej stronie korzysta z pełnego modelu, nastawionego na realizm i kontrolę; Flash to lżejsza wersja zoptymalizowana pod kątem szybkości i kosztów.
Pełny model do scen o wysokiej wierności obrazu
Wersja lekka, niedostępna na tej stronie
Wykorzystaj natywne 30-sekundowe generowanie i klatki kluczowe, aby zainscenizować pełną scenę z otwarciem, rozwinięciem akcji i domkniętym zakończeniem.
Zachowaj spójność produktów i postaci dzięki referencjom Omni i nazwanym obiektom, a następnie dostarczaj materiał w 1080p na strony premier, płatne kampanie w mediach społecznościowych i oferty e-commerce.
Tworzenie filmów objaśniających, dialogów postaci i wersji zlokalizowanych ze zsynchronizowanym ruchem ust w wielu językach, akcentach i dialektach.
Większa stabilność przy szybkim ruchu, ciągłej akcji i złożonych ruchach kamery sprawdza się w pościgach, skrótach wydarzeń sportowych i rozległych ujęciach otwierających.
Dzięki maksymalnie 10 klatkom kluczowym można ustalić najważniejsze ujęcia i sprawdzić kompozycję, tempo oraz tor ruchu kamery, zanim rozpocznie się pełna produkcja.
Kadruj sceny w ultraszerokim formacie 21:9 i renderuj w 1080p na potrzeby filmowych czołówek, zwiastunów i prezentacji panoramicznych.
Proces twórczy
Kling 4.0 nagradza dobre planowanie. Najpierw warto określić kluczowe momenty historii, następnie zakotwiczyć je klatkami kluczowymi i referencjami, a na koniec wybrać format wyjściowy dopasowany do miejsca publikacji filmu.
Krok 01
Klip warto podzielić na etapy: na przykład sekundy 0–10 przedstawiają główny obiekt i otoczenie, sekundy 10–20 niosą główną akcję, a sekundy 20–30 przynoszą kulminację lub ostatni kadr. Przejrzysta struktura pomaga modelowi rozłożyć tempo ruchu i pracy kamery.
Krok 02
W trybie Zdjęcie prześlij klatki kluczowe w kolejności odtwarzania: pierwsza to klatka początkowa, ostatnia to klatka końcowa, a pozostałe to klatki pośrednie. W trybie Multimedia dodaj referencje obrazów, filmów lub obiektów dla postaci, produktów i stylu. Kling 4.0 przyjmuje do 10 klatek kluczowych i do 15 referencji.
Krok 03
Opisz obiekty, akcje, ruch kamery, oświetlenie, dialogi i dźwięk. Prompty mogą mieć do 8000 znaków, więc złożone sceny można opisać ujęcie po ujęciu.
Krok 04
Wybierz proporcje obrazu, np. panoramiczne 21:9, albo pozostaw Inteligentny, a następnie wybierz 720p dla szkiców lub 1080p dla wersji finalnej. Oceń wynik i dopracuj klatki kluczowe lub prompt przed kolejnym ujęciem.
Kling 4.0 daje więcej kontroli niż wcześniejsze modele Kling. Poniższe praktyki pomagają przełożyć tę kontrolę na spójny, użyteczny materiał.
Klatki kluczowe warto umieścić na początku i na końcu klipu, aby ustalić, gdzie scena się zaczyna i gdzie się kończy, a pośrednie klatki kluczowe dodawać tylko tam, gdzie historia wymaga konkretnego momentu.
Warto użyć jednej czystej, dobrze oświetlonej referencji na każdą postać lub produkt, aby dzięki Omni Reference każda tożsamość pozostała spójna, a kilka różnych wizerunków się nie mieszało.
Dla każdej części klipu warto nazwać konkretny ruch kamery, na przykład powolny najazd, ruch po okręgu lub kamerę śledzącą, zamiast podawać jedną instrukcję dla całych 30 sekund.
Wypowiadane kwestie należy ujmować w cudzysłów i podawać mówiącego oraz język lub akcent, aby synchronizacja ust i głos pasowały do właściwej postaci.
Warto wymienić dźwięki otoczenia, efekty dźwiękowe i muzykę wraz z ich umiejscowieniem w czasie, aby dźwięk stereo wspierał akcję, a nie z nią konkurował.
Nadaj każdemu obiektowi krótką, wyróżniającą się nazwę i odwołuj się do niego przez @nazwa. Przypisz głos do obiektu typu postać, gdy jego kwestie mają brzmieć tak samo w każdym ujęciu.
Tabela porównuje opublikowane możliwości Kling 4.0, Kling 3.0 i Seedance 2.5 oraz pokazuje, do czego każdy z modeli nadaje się najlepiej.
| Funkcja | Kling 4.0 | Kling 3.0 | Seedance 2.5 |
|---|---|---|---|
| Pojedyncze generowanie | Od 3 do 30 sekund, generowane natywnie | 3–15 sekund | Do 30 sekund |
| Kontrola narracji | Do 10 klatek kluczowych do kontroli na poziomie osi czasu | Narracja wieloujęciowa z jednego promptu | Kontrola pierwszej klatki i przestrzenna prewizualizacja 3D do planowania ruchu kamery |
| Referencje | Do 15: 10 obrazów, 5 filmów, 7 obiektów i 3 głosy | Kling 3.0 Omni: do 7 obrazów i 1 wideo referencyjne | Do 50: 30 obrazów, 10 filmów i 10 plików audio |
| Rozdzielczość | 720p i 1080p | 720p i 1080p oraz natywny tryb 4K | Od 720p do natywnego 4K |
| Dźwięk | Dźwięk stereo, dokładniejsza synchronizacja ust, wiele języków, akcentów i dialektów | Natywny dźwięk z mową wielojęzyczną i akcentami | Natywny dźwięk, pliki audio akceptowane jako referencje |
| Najlepsze zastosowanie | Długie, reżyserowane sceny wymagające precyzji klatek kluczowych, bogatych referencji i spójnych obiektów | Filmowe klipy do 15 sekund do mediów społecznościowych, reklam i krótkich scen | 30-sekundowe produkcje oparte na wielu referencjach i treści marek w 4K |
Od czerwca 2024 r. Kling AI co kilka miesięcy wydaje nowy, znaczący model. Kling 4.0 to największy krok naprzód pod względem długości klipów, kontroli twórczej i jakości obrazu.
| Wersja | Premiera | Najważniejsze zmiany |
|---|---|---|
| Kling 1.0 | czerwiec 2024 | Publiczna premiera generowania wideo z tekstu i z obrazu w Kling |
| Kling 1.5 | wrzesień 2024 | Obraz w wysokiej rozdzielczości 1080p i lepsza jakość ruchu |
| Kling 2.0 | kwiecień 2025 | Znaczna poprawa ruchu, rozumienia promptów i jakości obrazu oraz multimodalna edycja wideo |
| Kling 2.5 Turbo | wrzesień 2025 | Szybsze i bardziej opłacalne generowanie z lepszym przestrzeganiem promptów |
| Kling 2.6 | grudzień 2025 | Pierwszy model Kling z natywnym dźwiękiem, w tym mową, efektami dźwiękowymi i dźwiękiem otoczenia |
| Kling 3.0 | luty 2026 | Klipy 3–15 sekund, narracja wieloujęciowa i wielojęzyczny natywny dźwięk |
| Kling 4.0 | 2026 | Natywne 30-sekundowe generowanie, do 10 klatek kluczowych, 15 referencji i nazwane obiekty z głosami |
Każdy przykład napisano z myślą o pełnym 30-sekundowym klipie – z wyraźnymi etapami, wskazówkami dla kamery i opisem dźwięku, aby model mógł rozłożyć tempo sceny od początku do końca.
0–10 s: Matowy czarny smartwatch powoli obraca się na mokrym kamiennym postumencie, delikatne światło konturowe, obiektyw makro. 10–20 s: Kamera okrąża zegarek, gdy ekran się rozświetla, a krople deszczu spływają po szkle. 20–30 s: Odjazd kamery do planu ogólnego mokrego od deszczu tarasu na dachu o zmierzchu, tarcza zegarka świeci. Głęboki ambientowy syntezator i cichy deszcz w stereo.
Przytulna kawiarnia nocą. Młoda kobieta w zielonym płaszczu podnosi wzrok znad notatnika i mówi po angielsku: „You came back”. Mężczyzna naprzeciwko uśmiecha się i odpowiada po hiszpańsku: „Nunca me fui del todo”. Powolny najazd kamery, mała głębia ostrości, cichy gwar kawiarni i delikatny fortepian w tle.
Klatki kluczowe 1, 5 i 10 jako punkty zakotwiczenia: kurier na czerwonym rowerze o wschodzie słońca wjeżdża w wąską uliczkę, w południe lawiruje przez zatłoczony targ, a o zachodzie słońca zatrzymuje się przy bramie portu. Strój i rower pozostają spójne. Kamera śledząca na wysokości kierownicy, format panoramiczny 21:9, narastający rytm bębnów.
0–10 s: Samochód rajdowy driftuje w błotnistym leśnym zakręcie, błoto pryska w stronę obiektywu, nisko prowadzona kamera śledząca. 10–20 s: Ujęcie z drona wznosi się i podąża za samochodem przez szczyt wzniesienia, a między drzewami rozbłyskuje słońce. 20–30 s: Samochód przekracza linię mety w zwolnionym tempie, a tłum wiwatuje. Ryk silnika i odgłosy tłumu w stereo.
Prezenterka w jasnym studiu trzyma parę bezprzewodowych słuchawek dousznych i mówi po angielsku: „Twelve hours of battery, one small case”. Powtarza tę kwestię po japońsku, a następnie uśmiecha się do kamery. Plan średni, miękkie światło kluczowe, czysta akustyka studia.
Format panoramiczny 21:9. Świt nad zamgloną górską doliną. 0–10 s: Powolny przelot nad chmurami. 10–20 s: Kamera zniża się ku samotnemu jeźdźcowi na grani. 20–30 s: Jeździec zatrzymuje się, gdy słońce wyłania się zza szczytów. Narastająca muzyka orkiestrowa i łagodny wiatr.
Odpowiedzi na pytania o funkcje Kling 4.0, referencje, rozdzielczość, prompty i porównanie z innymi modelami wideo.
Kling 4.0 to model generowania wideo od Kling AI, platformy wideo AI firmy Kuaishou. Tworzy natywne 30-sekundowe klipy na podstawie tekstu, obrazów i referencji multimodalnych, obsługuje do 10 klatek kluczowych i 15 referencji, a także dodaje dźwięk stereo i dokładniejszą synchronizację ruchu warg. Generowanie jest dostępne w 720p i 1080p.
Kling 4.0 rozliczany jest w kredytach na podstawie długości klipu i rozdzielczości, a filmy referencyjne zwiększają rozliczaną długość. Nie trzeba niczego pobierać, a na stronie z cennikiem znajdziesz aktualne plany i pakiety kredytów.
Kling 4.0 to pełny model z klipami 3–30 sekund, sterowaniem pierwszą klatką, ostatnią klatką i wieloma klatkami kluczowymi oraz do 15 referencjami multimodalnymi. Kling 4.0 Flash to lżejsza wersja do szybszego i tańszego generowania, ograniczona do 720p i klipów do 20 sekund, bez sterowania klatkami kluczowymi. Obszar roboczy na tej stronie korzysta z pełnego Kling 4.0.
Pojedyncze generowanie w Kling 4.0 może trwać od 3 do 30 sekund, z krokiem co sekundę. To dwa razy więcej niż limit 15 sekund w Kling 3.0, z miejscem na otwarcie, główną akcję i pełne zakończenie.
Generowanie odbywa się tu w 720p lub 1080p; obraz w 4K i 10-bitowy HDR nie są dostępne. 720p sprawdza się w szkicach i mediach społecznościowych, a 1080p w wersjach finalnych i materiale przeznaczonym do montażu lub korekcji kolorów.
Omni Reference przyjmuje w jednym generowaniu do 10 obrazów, 5 filmów, 7 obiektów i 3 głosów, łącznie maksymalnie 15 referencji. Sterowanie wieloma klatkami kluczowymi przyjmuje do 10 klatek, o jedną więcej niż długość klipu w sekundach: 3-sekundowy klip przyjmie do 4, a klipy od 9 sekund wzwyż – 10.
Omni Reference to multimodalny system referencji w Kling 4.0. W jednym generowaniu przyjmuje do 10 obrazów, 5 filmów, 7 obiektów i 3 głosów, łącznie maksymalnie 15 referencji, aby sterować postaciami, produktami, stylem, ruchem i mową. W porównaniu z wcześniejszymi wersjami oferuje więcej opcji referencji i spójniejsze wyniki.
Tak. Kling AI wymienia ulepszoną edycję wideo jako element rozbudowy Omni Reference w Kling 4.0. Referencje wideo – do 5 na jedno generowanie – mogą wskazywać, jak przerobić istniejącą scenę, a prompt opisuje wprowadzaną zmianę.
Kling 4.0 oferuje panoramiczny format 16:9, pionowy 9:16, kwadratowy 1:1 oraz ultraszeroki 21:9 do kompozycji filmowych. W trybie Inteligentny model sam dobiera format na podstawie przesłanych materiałów.
Kling 4.0 zapewnia większą stabilność przy szybkim ruchu, ciągłej akcji i złożonych ruchach kamery. Sceny na dużą skalę, pościgi i szerokie przejazdy kamery są odwzorowywane stabilniej i płynniej niż we wcześniejszych wersjach.
Kling 4.0 generuje wysokiej jakości dźwięk stereo razem z wideo i poprawia dokładność synchronizacji ust. Mowa jest obsługiwana w wielu językach, w tym chińskim, angielskim, japońskim, koreańskim, hiszpańskim, portugalskim, niemieckim, francuskim i hindi, a także w różnych akcentach i dialektach.
Kling 4.0 podnosi poziom realizmu, kontroli i długości narracji:
Oba modele generują klipy do 30 sekund. Kling 4.0 wyróżnia się kontrolą czasu na poziomie klatek kluczowych i nazwanymi obiektami, które mogą mieć własny głos. Seedance 2.5 przyjmuje do 50 referencji, w tym pliki audio, i generuje obraz do 4K, co sprawdza się w treściach markowych i produktowych opartych na wielu referencjach.
Kling 4.0 przyjmuje prompty do 8000 znaków. Taki zapas pozwala opisać 30-sekundowy klip ujęcie po ujęciu, łącznie z ruchami kamery, dialogami i dźwiękiem.
Prompt warto budować wokół osi czasu, a nie pojedynczego momentu:
Wszystko, co musi wyglądać dokładnie, najlepiej określić klatkami kluczowymi i referencjami, a tekstem kierować ruchem i tempem.
Kling 4.0 jest rozwijany przez Kling AI, platformę do generowania wideo AI należącą do Kuaishou Technology. Rodzina modeli Kling zadebiutowała w czerwcu 2024 r. i od tego czasu co kilka miesięcy otrzymuje znaczące aktualizacje – od Kling 1.0 po Kling 4.0.