Kling AI выпустила версию 4.0 со стереозвуком, многоязычной синхронизацией губ и облегчённой версией Flash

Обновлённая система Omni Reference, по данным Kling AI, принимает до 15 материалов для ориентира за одну генерацию: до десяти изображений, пяти видео общей длиной не более 30 секунд и семи элементов. В качестве ориентиров подходят раскадровки, каркасы интерфейсов, сетки изображений, видео с белыми моделями и ролики с картами глубины.

Функция Creative Recreation позволяет брать за шаблон готовое видео и заменять в нём товары или персонажей. Отдельно можно менять выражение лица, движения тела, ракурс камеры или фон, не затрагивая остальную часть ролика.

В сравнении ниже Kling 4.0 сопоставляют с Wan 3.0 и Seedance 2.5 — моделями китайских конкурентов. Kling 4.0 показывает сопоставимый результат, но не выходит вперёд, особенно в логике смены планов, физике и естественности диалогов. Это может быть ранним признаком замедления быстрого прогресса в видеомоделях. Больше станет понятно после выхода следующих версий Wan и Seedance.

Стереозвук и речь на разных языках

Kling 4.0 добавляет двухканальный стереозвук и улучшенную синхронизацию губ более чем для десяти языков, включая немецкий, английский, японский, корейский и испанский, а также для разных диалектов и акцентов. Генерация текста внутри видео теперь тоже работает на нескольких языках и сохраняет стабильность при движении камеры.

Вывод видео в формате 10-бит HDR с разрешением 4K и 1080p, а также функция продления роликов до двух минут указаны Kling AI как будущие нововведения.

Вместе с основной моделью компания выпускает облегчённую Kling 4.0 Flash. Она рассчитана на более быструю и дешёвую генерацию, но ограничена разрешением 720p и роликами длиной до 20 секунд. Интерфейс создания видео переработали. Kling 4.0 также стала доступна через MCP и CLI — это позволяет создавать автоматизированные рабочие процессы с ИИ-агентами.

Цены на API Kling 4.0 пока не объявлены; его поддержку планируют добавить позже.