Kling 4.0: ролики до 30 секунд со звуком и всё, что умеет новая модель

15 октября Kling AI, сервис видео от китайской компании Kuaishou, открыла всем Kling 4.0. Ускоренная версия Kling 4.0 Flash работала у части пользователей ещё с 28 сентября, теперь вышла полная модель. Главное в ней: ролики до 30 секунд одним запуском, стереозвук с более точной синхронизацией губ и гораздо больше контроля над кадром. В BigGPT Kling 4.0 появилась 20 октября, её можно выбрать в разделе «Видео».

Ниже коротко: что нового, что пока только обещано, сколько стоит ролик и как писать промпт. Все ролики в статье взяты с сайта Kling: это официальные примеры модели. Остальные модели видео и цены за секунду собраны на странице нейросеть для видео.

Главное за минуту

• Длина. От 3 до 30 секунд за один запуск. У Kling 3.0 было до 15.
• Звук. Стереозвук, речь, шумы и музыка генерируются вместе с картинкой. Губы героев точнее попадают в реплики.
• Контроль. До 10 ключевых кадров и до 15 образцов в одном запросе: картинки, видео, голос и персонажи.
• Качество. 720p, 1080p и 4K, форматы 21:9, 16:9, 1:1 и 9:16. Режим HDR с 10-битным цветом обещан позже.
• Цена в BigGPT. 22 ₽ за секунду в 720p и 33 ₽ в 1080p, звук уже включён.

Что нового в Kling 4.0

Звук и живое движение

Первым пунктом обновления Kling называет звук: картинка и звук создаются вместе, звук стал стереофоническим, а реплики точнее совпадают с движением губ. Вторая часть обновления касается движения. Погони, драки, съёмка с облётом камеры и быстрые проезды остаются плавными и не разваливаются к концу ролика.

До 30 секунд одним роликом

Раньше длинную историю приходилось склеивать из коротких кусков, и герой от куска к куску менялся. Kling 4.0 делает до 30 секунд за один запуск, так что сцена с несколькими планами и развитием действия помещается в один ролик. Позже Kling обещает продление готового видео до 2 минут, но пока эта функция в статусе «скоро».

Ключевые кадры и образцы

Помимо первого и последнего кадра, теперь можно задать до 10 ключевых кадров: состояние героя, смену места, поворот сюжета. Модель сама построит движение между ними.

Образцов в одном запросе до 15: до 10 картинок, до 5 видео общей длиной до 30 секунд и до 7 персонажей или предметов, в том числе с заданным голосом. Видео-образец передаёт движение, работу камеры и темп, картинка задаёт внешность, место, стиль или композицию. Kling показывает и необычные варианты: раскадровку, схему игрового интерфейса или серую 3D-болванку, по которой модель ставит движение.

Правка готового видео

В ролике можно поменять выражение лица, движение героя, положение и движение камеры, стиль или фон, а остальное оставить как было. Так же можно убрать лишний предмет или заменить персонажа. Правка принимает до 5 роликов по 3–30 секунд, вместе не длиннее 30 секунд.

Языки и текст в кадре

Герои говорят на китайском, английском, японском, корейском, испанском, португальском, немецком, французском, хинди и других языках, причём с акцентами: американским, британским, индийским, пекинским и другими. Русского в официальном списке нет, поэтому русскую речь лучше сначала проверить на коротком ролике.

Модель пишет в кадре читаемый текст на тех же языках, а также эмодзи и логотипы. Надпись остаётся чёткой, даже когда камера движется или меняется сцена.

Kling 4.0 Flash

Для частых и недорогих генераций Kling выпустила облегчённую версию Flash: ролики от 3 до 20 секунд, только 720p и обычный цветовой диапазон, зато быстрее и дешевле. В BigGPT пока доступна полная Kling 4.0.

Что пока не вышло и где рейтинги

Часть заявленного Kling отметила как «скоро»: режим HDR с 10-битным цветом в 1080p и 4K и продление видео до 2 минут.

Таблицы с результатами тестов к запуску Kling не опубликовала. В рейтинге arena.ai, где ролики вслепую сравнивают люди, Kling 4.0 на 20 октября ещё нет: там только модели Kling до версии 2.6. Первое место в создании видео по описанию сейчас у Gemini Omni 1.1 Flash от Google, вторая строчка у её прошлой версии, третья и четвёртая у FLUX 3 Video и Grok Imagine Video 1.5. Как только Kling 4.0 наберёт голоса, мы обновим статью.

Kling 4.0 в BigGPT

Что доступно уже сейчас:

• ролик по описанию длиной от 3 до 30 секунд;
• первый и последний кадр из своих картинок;
• до 10 фотографий в одном запросе, в описании на них ссылаются метками @Image1, @Image2 и так далее;
• качество 720p или 1080p, форматы 16:9, 9:16, 1:1 и 21:9;
• звук всегда в цене: если он не нужен, его можно выключить;
• описание до 5000 символов.

Пока недоступны 4K, видео в качестве образцов, правка готового ролика, промежуточные ключевые кадры и версия Flash. Их мы добавим позже.

Сколько стоит

В BigGPT на 20 октября Kling 4.0 стоит 22 ₽ за секунду в 720p и 33 ₽ за секунду в 1080p. Звук уже в цене, отдельно за него платить не нужно.

Ролик	720p	1080p
5 секунд	110 ₽	165 ₽
10 секунд	220 ₽	330 ₽
15 секунд	330 ₽	495 ₽
30 секунд	660 ₽	990 ₽

Для сравнения: Kling 3.0 Pro со звуком стоит 22,68 ₽ за секунду в 720p и делает не больше 15 секунд, Seedance 2.5 в 720p стоит 41,58 ₽ за секунду. Цена Kling 4.0 может немного меняться вслед за ценой поставщика, поэтому ориентируйтесь на сумму на кнопке «Создать»: она видна до запуска.

Как писать промпт для Kling 4.0

Kling 4.0 принимает длинные описания и, по словам разработчиков, сама дорабатывает короткие «глазами режиссёра». Но чем точнее вы опишете кадр, тем меньше придётся перезапускать. Описывайте ролик как сценарий:

1. Длина и монтаж: один непрерывный кадр или несколько планов.
2. Место и время: где, когда, какая погода и свет.
3. Действие по порядку: кто что делает и в какой момент.
4. Камера: наезд, отъезд, панорама, съёмка с рук, облёт.
5. Звук: реплики в кавычках с указанием, кто говорит, шумы и музыка.
6. Стиль: плёнка, документальная съёмка, пластилиновая анимация, неон.

Непрерывный кадр на 10 секунд. Вечерняя кофейня в Алматы, за окном идёт снег. Бариста ставит на стойку чашку капучино и улыбается гостю. Камера медленно едет от двери к стойке. Тёплый свет ламп, лёгкое зерно плёнки. Звук: шипение кофемашины, тихий джаз, шаги по деревянному полу.

Ещё несколько советов:

• С фотографиями называйте, кто есть кто. «@Image1 входит в кофейню, @Image2 стоит за стойкой»: так модель не перепутает героев.
• С первым и последним кадром описывайте, что происходит между ними. Сами кадры модель уже видит, ей нужен путь от одного к другому.
• Начинайте с короткого ролика. Проверьте идею на 5 секундах в 720p, а длинную версию в 1080p запускайте, когда результат понравится.

Когда выбрать другую модель

• Kling 3.0: ролики до 15 секунд дешевле. Standard без звука стоит 11,34 ₽ за секунду, а Kling 3.0 4K делает ролики в 4K, которых у Kling 4.0 в BigGPT пока нет. Как Kling 3.0 оживляет старое фото рядом с MiniMax H3, Seedance 2.5 и Veo 3.1 Lite, мы показали в статье «Как оживить фото нейросетью».
• Kling 3.0 Motion Control: когда нужно перенести движения из готового видео на персонажа с вашего фото.
• Seedance 2.5 и Seedance 2.0: сильные модели ByteDance для коротких роликов до 15 секунд со звуком. Seedance 2.0 занимает пятое место на arena.ai.
• Veo 3.1 от Google: ролики до 8 секунд в 1080p со звуком за 21,52 ₽ в секунду.

Kling 4.0 стоит брать, когда нужен длинный ролик с живым звуком и несколькими планами, а также для рекламы и сцен, где важно точно управлять кадром. Начните с короткой проверки идеи и потом увеличивайте длину и качество.