Kling 4.0 Image-to-Video API

Kling 4.0 Image-to-Video est un modèle créatif unifié de Kling AI qui réunit génération vidéo, références multimodales et montage au sein d'un même système. Il accepte en entrée du texte, des images, des vidéos et de l'audio, et produit des vidéos natives de 3 à 30 secondes accompagnées d'un audio stéréo à deux canaux. Un visuel de référence peut être animé avec du mouvement, un travail de caméra et une narration, tandis que jusqu'à 10 images de keyframes contrôlent les moments visuels clés. Un projet peut également mobiliser jusqu'à 10 images et 5 vidéos comme références, notamment des images de sujet, des vues en trois dimensions, des grilles d'images, des infographies, des keyframes et des wireframes. La sortie se distingue par un mouvement à grande échelle et des mouvements de caméra complexes (déplacements rapides, travellings, orbites amples) tout en préservant la structure du sujet et les relations spatiales. Les personnages rendus sont réalistes, avec des détails faciaux, des matières et un éclairage améliorés, ainsi que des expressions et des postures plus nuancées. La synchronisation labiale et la génération de textes multilingues, de logos et d'emojis sont également améliorées. Le modèle se destine aux usages créatifs exigeants : publicité de marque et spots commerciaux, récits courts et scènes cinématographiques, campagnes produit, publications pour les réseaux sociaux, histoires visuelles, travail commercial et réalisation en solo. Il permet aussi de produire des vidéos de concept et des aperçus de scènes à partir de storyboards et de références visuelles, ou de recréer des styles de vidéos tendance. Son intérêt principal réside dans l'allongement de la génération native jusqu'à 30 secondes, qui ouvre la voie à des séquences narratives plus longues, et dans le contrôle précis de la progression d'une scène grâce à de multiples keyframes. Le montage multimodal s'appuie sur du texte et des références visuelles pour modifier sujets, arrière-plans et styles visuels. Une vidéo existante peut servir de référence pour le rythme, la composition des plans et les mouvements de caméra. L'expérience de création comprend une zone de saisie unifiée combinant texte, images, vidéos et audio, des vues en grille et en liste pour comparer les générations, un montage sur timeline, ainsi qu'un espace Canvas et Agent pour organiser les projets créatifs. Le modèle est accessible via API et par des catalogues cloud tels qu'Atlas Cloud. Aucun score de benchmark quantitatif ni tableau comparatif n'est fourni dans les documents disponibles.

Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.

Il accepte du texte, des images, des vidéos et de l'audio. Un projet peut inclure jusqu'à 10 images et 5 vidéos comme références, dont des images de sujet, des vues en trois dimensions, des grilles d'images, des infographies, des keyframes et des wireframes.

Le modèle produit des vidéos natives de 3 à 30 secondes, avec un audio stéréo à deux canaux.

Il convient notamment à la publicité, aux récits courts et scènes cinématographiques, aux campagnes produit, aux réseaux sociaux, aux histoires visuelles, au travail commercial, à la réalisation en solo, aux aperçus de scènes à partir de storyboards et à la recréation de styles viraux.

Jusqu'à 10 images de keyframes peuvent être fournies pour contrôler les moments visuels clés. Une vidéo existante peut aussi servir de référence pour le rythme, la composition des plans et les mouvements de caméra.

Le montage multimodal permet de modifier sujets, arrière-plans et styles visuels à l'aide de texte et de références visuelles. L'expérience inclut une zone de saisie unifiée, des vues en grille et en liste pour comparer les générations, un montage sur timeline, ainsi qu'un espace Canvas et Agent.