Kling 4.0 är fjärde generationens videomodell från Kling AI, Kuaishous AI-videoplattform, byggd för nativa klipp på 30 sekunder, berättande med flera nyckelbildrutor, Omni-referenser och konsekventa motiv, med stereoljud i 720p eller 1080p.
Granska, ladda ner och återanvänd videor genererade med Kling 4.0.
Kling 4.0 · Modellöversikt
Kling 4.0 är fjärde generationens videomodell från Kling AI, Kuaishous AI-videoplattform. Fokus ligger på visuell realism, kreativ kontroll och berättarmässig helhet: en enda generering kan pågå i 30 sekunder, följa upp till 10 nyckelbildrutor och bygga på upp till 15 multimodala referenser, med stereoljud och utdata i 720p eller 1080p.
Generera upp till 30 sekunder i ett enda steg – dubbelt så långt som gränsen på 15 sekunder i Kling 3.0 – med utrymme för en inledning, huvudhandlingen och ett fullständigt slut.
Placera upp till 10 nyckelbildrutor längs tidslinjen för att låsa komposition, karaktärernas placering och berättelsens vändpunkter, medan Kling 4.0 skapar rörelsen mellan dem. Ett klipp rymmer en bildruta mer än sin längd i sekunder: ett klipp på 3 sekunder tar upp till 4 och klipp på 9 sekunder eller längre tar 10.
Kombinera upp till 10 bilder, 5 videor, 7 motiv och 3 röster, högst 15 referenser per generering, för mer konsekventa karaktärer, produkter och stilar. Även referensbaserad videoredigering har förbättrats.
Snabb action, kontinuerliga rörelser och komplexa kamerarörelser återges stabilare och mjukare, vilket gör storskaliga scener, jaktscener och svepande tagningar lättare att hantera.
Rendera varje generering i 720p för utkast och sociala flöden, eller i 1080p för slutleverans och material som ska redigeras vidare. 4K och 10-bit HDR erbjuds inte här.
Ljudet genereras tillsammans med bilden, med stereoljud av hög kvalitet, mer exakt läppsynkronisering och tal på flera språk, accenter och dialekter.
Skapa upp till 7 motiv från 2–4 bilder eller en video på 3–8 sekunder, hänvisa till dem med @namn i prompten och koppla en röstinspelning till ett karaktärsmotiv så att det talar med den rösten.
De viktigaste specifikationerna för Kling 4.0 i korthet.
| Specifikation | Kling 4.0 |
|---|---|
| Utvecklare | Kling AI (Kuaishou Technology) |
| Versioner | Kling 4.0 (fullständig modell, används här); det finns även en lättare Kling 4.0 Flash |
| Enskild generering | 3 till 30 sekunder, genererade nativt |
| Motiv | Upp till 7, från 2–4 bilder eller en video på 3–8 sekunder, med valfri röst |
| Nyckelbildrutor | Upp till 10 (en fler än klippets längd i sekunder) |
| Omni-referenser | Upp till 15: 10 bilder, 5 videor, 7 motiv och 3 röster |
| Promptlängd | Upp till 8 000 tecken |
| Upplösning | 720p eller 1080p |
| Bildförhållanden | Smart, 16:9, 9:16, 1:1 och 21:9 ultrabred |
| Ljud | Tvåkanaligt stereoljud med mer exakt läppsynkronisering |
| Språk | Kinesiska, engelska, japanska, koreanska, spanska med flera, inklusive accenter och dialekter |
Kling 4.0 finns i två versioner. Arbetsytan på den här sidan använder den fullständiga modellen, byggd för realism och kontroll; Flash är en lättare version inriktad på hastighet och kostnad.
Fullständig modell för scener med hög återgivningskvalitet
Lättviktsversion, erbjuds inte på den här sidan
Använd nativ generering på 30 sekunder och nyckelbildrutor för att iscensätta en hel scen med inledning, upptrappning och ett avrundat slut.
Håll produkter och karaktärer konsekventa med Omni-referenser och namngivna motiv, och leverera material i 1080p till lanseringssidor, betalda kampanjer i sociala medier och e-handelslistningar.
Skapa förklaringsvideor, karaktärsdialoger och lokaliserade versioner med synkroniserade läpprörelser på flera språk, accenter och dialekter.
Den förbättrade stabiliteten i snabba rörelser, kontinuerlig action och komplexa kamerarörelser passar för jaktscener, sporthöjdpunkter och svepande etableringsbilder.
Lås viktiga tagningar med upp till 10 nyckelbildrutor för att testa komposition, tempo och kamerabanor innan du går vidare till en fullständig produktion.
Komponera scener i 21:9 ultrabred och rendera i 1080p för filmiska inledningar, trailers och widescreenpresentationer.
Arbetsflöde
Kling 4.0 belönar planering. Definiera först berättelsens viktigaste moment, förankra dem med nyckelbildrutor och referenser och välj sedan det utdataformat som passar kanalen där videon ska publiceras.
Steg 01
Dela in klippet i moment: till exempel etablerar sekund 0–10 motivet och miljön, sekund 10–20 bär huvudhandlingen och sekund 20–30 levererar klimax eller slutbilden. En tydlig struktur hjälper modellen att anpassa tempot i rörelser och kameraarbete.
Steg 02
I läget Bild laddar du upp nyckelbildrutorna i uppspelningsordning: den första är första bildrutan, den sista är sista bildrutan och resten är mellanbildrutor. I läget Media lägger du till bild-, video- eller motivreferenser för karaktärer, produkter och stil. Kling 4.0 tar emot upp till 10 nyckelbildrutor och upp till 15 referenser.
Steg 03
Beskriv motiv, handlingar, kamerarörelser, ljussättning, dialog och ljud. Prompter kan vara upp till 8 000 tecken långa, så komplexa scener kan beskrivas tagning för tagning.
Steg 04
Välj ett bildförhållande, till exempel 21:9 widescreen, eller låt det stå på Smart, och välj sedan 720p för utkast eller 1080p för slutversionen. Granska resultatet och justera nyckelbildrutor eller prompten inför nästa tagning.
Kling 4.0 ger mer kontroll än tidigare Kling-modeller. Med de här arbetssätten omsätter du den kontrollen i konsekvent och användbart material.
Placera nyckelbildrutor i början och slutet av klippet för att fastställa var scenen börjar och slutar, och lägg bara till mellanliggande nyckelbildrutor där berättelsen kräver ett specifikt ögonblick.
Använd en ren, välbelyst referens per karaktär eller produkt så att Omni Reference håller varje identitet konsekvent i stället för att blanda flera utseenden.
Ange kamerarörelsen för varje del av klippet, till exempel en långsam åkning framåt, en kretsande rörelse eller en följande kamera, i stället för att ge en enda instruktion för hela 30 sekunder.
Sätt repliker inom citattecken och ange talare samt språk eller accent, så att läppsynkronisering och röst matchar rätt karaktär.
Ange bakgrundsljud, ljudeffekter och musik med tidpunkter så att stereoljudet stöder handlingen i stället för att konkurrera med den.
Ge varje motiv ett kort, tydligt namn och hänvisa till det med @namn. Koppla en röst till ett karaktärsmotiv när dess repliker ska låta likadant från tagning till tagning.
Tabellen jämför de publicerade funktionerna i Kling 4.0, Kling 3.0 och Seedance 2.5 och visar var varje modell passar bäst.
| Funktion | Kling 4.0 | Kling 3.0 | Seedance 2.5 |
|---|---|---|---|
| Enskild generering | 3 till 30 sekunder, genererade nativt | 3–15 sekunder | Upp till 30 sekunder |
| Berättarkontroll | Upp till 10 nyckelbildrutor för kontroll på tidslinjenivå | Berättande i flera tagningar från en enda prompt | Kontroll av första bildrutan och rumslig 3D-förvisualisering för kamerablockning |
| Referenser | Upp till 15: 10 bilder, 5 videor, 7 motiv och 3 röster | Kling 3.0 Omni: upp till 7 bilder och 1 referensvideo | Upp till 50: 30 bilder, 10 videor och 10 ljudfiler |
| Upplösning | 720p och 1080p | 720p och 1080p, plus ett nativt 4K-läge | 720p upp till nativ 4K |
| Ljud | Stereoljud, mer exakt läppsynkronisering, flera språk, accenter och dialekter | Inbyggt ljud med flerspråkigt tal och accenter | Inbyggt ljud, med stöd för ljudfiler som referenser |
| Passar bäst för | Långa, regisserade scener som kräver precision med nyckelbildrutor, rika referenser och konsekventa motiv | Filmiska klipp på upp till 15 sekunder för sociala medier, reklam och korta scener | Referenstunga produktioner på 30 sekunder och varumärkesinnehåll i 4K |
Sedan juni 2024 har Kling AI släppt en större modell med några månaders mellanrum. Kling 4.0 är det största steget när det gäller klipplängd, kreativ kontroll och utdatakvalitet.
| Version | Lansering | Höjdpunkter |
|---|---|---|
| Kling 1.0 | juni 2024 | Offentlig lansering av Klings generering av text till video och bild till video |
| Kling 1.5 | september 2024 | Högupplöst utdata i 1080p och förbättrad rörelsekvalitet |
| Kling 2.0 | april 2025 | Stora förbättringar av rörelse, promptförståelse och bildkvalitet, samt multimodal videoredigering |
| Kling 2.5 Turbo | september 2025 | Snabbare och mer kostnadseffektiv generering med bättre promptföljsamhet |
| Kling 2.6 | december 2025 | Den första Kling-modellen med inbyggt ljud, inklusive tal, ljudeffekter och bakgrundsljud |
| Kling 3.0 | februari 2026 | Klipp på 3–15 sekunder, berättande i flera tagningar och flerspråkigt inbyggt ljud |
| Kling 4.0 | 2026 | Nativ generering på 30 sekunder, upp till 10 nyckelbildrutor, 15 referenser och namngivna motiv med röster |
Varje exempel är skrivet för ett komplett klipp på 30 sekunder, med tydliga moment, kameraanvisningar och ljud så att modellen kan anpassa scenens tempo från början till slut.
0–10 s: En mattsvart smartklocka roterar långsamt på en våt stenpiedestal, mjukt kantljus, makroobjektiv. 10–20 s: Kameran kretsar runt klockan medan skärmen tänds och regndroppar glider av glaset. 20–30 s: Kameran drar sig bakåt till en totalbild av en regnvåt takterrass i skymningen, urtavlan lyser. Djup ambient-synth och mjukt regn i stereo.
Ett varmt kafé en sen kväll. En ung kvinna i grön kappa tittar upp från sin anteckningsbok och säger på engelska: "You came back." Mannen mitt emot henne ler och svarar på spanska: "Nunca me fui del todo." Långsam åkning framåt, kort skärpedjup, dämpat sorl i kaféet och mjukt piano i bakgrunden.
Nyckelbildrutorna 1, 5 och 10 som ankarpunkter: en kurir på en röd cykel svänger in i en smal gränd i soluppgången, slingrar sig genom en folkfylld marknad mitt på dagen och stannar vid en hamngrind i solnedgången. Håll klädseln och cykeln konsekventa. Följande kamera i styrhöjd, 21:9 widescreen, stegrande trumrytm.
0–10 s: En rallybil driftar genom en lerig skogskurva, lera sprutar mot objektivet, låg följande kamera. 10–20 s: En drönarbild stiger och följer bilen över ett krön medan solljuset blixtrar mellan träden. 20–30 s: Bilen korsar mållinjen i slow motion medan publiken jublar. Rytande motor och publikljud i stereo.
En programledare i en ljus studio håller ett par trådlösa hörlurar och säger på engelska: "Twelve hours of battery, one small case." Hon upprepar repliken på japanska och ler sedan mot kameran. Halvbild, mjukt huvudljus, ren studioakustik.
21:9 widescreen. Gryning över en dimmig bergsdal. 0–10 s: En långsam glidflykt ovanför molnen. 10–20 s: Kameran sänker sig mot en ensam ryttare på en bergsrygg. 20–30 s: Ryttaren stannar när solen bryter fram över topparna. Stegrande orkestermusik och mild vind.
Svar om Kling 4.0:s funktioner, referenser, upplösning och prompter samt hur modellen står sig mot andra videomodeller.
Kling 4.0 är en videogenereringsmodell från Kling AI, Kuaishous AI-videoplattform. Den skapar nativa klipp på 30 sekunder från text, bilder och multimodala referenser, stöder upp till 10 nyckelbildrutor och 15 referenser och lägger till stereoljud och mer exakt läppsynk. Genereringar finns i 720p och 1080p.
Kling 4.0 debiteras i krediter utifrån klipplängd och upplösning, och referensvideor läggs till den debiterade längden. Ingen nedladdning behövs, och prissidan visar aktuella planer och kreditpaket.
Kling 4.0 är den fullständiga modellen, med klipp på 3–30 sekunder, styrning med första bildruta, sista bildruta och flera nyckelbildrutor samt upp till 15 multimodala referenser. Kling 4.0 Flash är en lättare version för snabbare och billigare generering, begränsad till 720p och klipp på upp till 20 sekunder utan styrning med nyckelbildrutor. Arbetsytan på den här sidan använder den fullständiga Kling 4.0.
En enskild generering med Kling 4.0 kan vara mellan 3 och 30 sekunder lång, i steg om en sekund. Det är dubbelt så mycket som gränsen på 15 sekunder i Kling 3.0, med plats för en inledning, huvudhandlingen och ett fullständigt slut.
Genereringar renderas här i 720p eller 1080p; utdata i 4K och 10-bit HDR erbjuds inte. 720p passar utkast och sociala flöden, medan 1080p passar slutversioner och material som ska klippas eller färgkorrigeras.
Omni Reference tar emot upp till 10 bilder, 5 videor, 7 motiv och 3 röster per generering, högst 15 referenser totalt. Styrning med flera nyckelbildrutor tar emot upp till 10, en fler än klippets längd i sekunder: ett klipp på 3 sekunder tar upp till 4 och klipp på 9 sekunder eller längre tar 10.
Omni Reference är det multimodala referenssystemet i Kling 4.0. Per generering tar det emot upp till 10 bilder, 5 videor, 7 motiv och 3 röster, högst 15 referenser totalt, för att styra karaktärer, produkter, stil, rörelse och tal. Jämfört med tidigare versioner ger det fler referensalternativ och mer konsekventa resultat.
Ja. Kling AI anger förbättrad videoredigering som en del av uppgraderingen av Omni Reference i Kling 4.0. Videoreferenser, upp till 5 per generering, kan styra hur en befintlig scen omarbetas, medan prompten beskriver ändringen.
Kling 4.0 erbjuder 16:9 widescreen, 9:16 stående, 1:1 kvadratiskt och ett 21:9 ultrabrett format för filmiska kompositioner. Med Smart väljer modellen format utifrån ditt material.
Kling 4.0 förbättrar stabiliteten vid snabba rörelser, kontinuerlig action och komplexa kamerarörelser. Storskaliga scener, jaktscener och svepande kamerarörelser återges stabilare och mjukare än i tidigare versioner.
Kling 4.0 genererar stereoljud av hög kvalitet tillsammans med videon och förbättrar precisionen i läppsynkroniseringen. Tal stöds på flera språk, bland annat kinesiska, engelska, japanska, koreanska, spanska, portugisiska, tyska, franska och hindi, samt i en rad olika accenter och dialekter.
Kling 4.0 förbättrar realism, kontroll och berättarlängd:
Båda modellerna skapar klipp på upp till 30 sekunder. Kling 4.0 utmärker sig med tidsstyrning på nyckelbildrutenivå och namngivna motiv som kan ha egna röster. Seedance 2.5 tar emot upp till 50 referenser, inklusive ljudfiler, och levererar upp till 4K, vilket passar referenstungt varumärkes- och produktinnehåll.
Kling 4.0 tar emot prompter på upp till 8 000 tecken. Utrymmet gör det möjligt att beskriva ett klipp på 30 sekunder tagning för tagning, inklusive kamerarörelser, dialog och ljud.
Strukturera prompten utifrån tidslinjen i stället för ett enskilt ögonblick:
Använd nyckelbildrutor och referenser för allt som måste se exakt ut, och använd texten för att styra rörelse och tempo.
Kling 4.0 utvecklas av Kling AI, Kuaishou Technologys plattform för AI-videogenerering. Kling-modellfamiljen lanserades i juni 2024 och har sedan dess fått större uppgraderingar med några månaders mellanrum, från Kling 1.0 till Kling 4.0.