kling-4.0/omni-video API

Kling 4.0 Omni to referencyjny wariant modelu Kling 4.0 od Kuaishou. Zamiast opierać się wyłącznie na tekście, pojedynczym obrazie lub klatkach kluczowych, przyjmuje do 15 multimodalnych materiałów referencyjnych w jednym zadaniu: do 10 obrazów (każdy do 30 MB), do 5 klipów wideo o łącznej długości do 30 sekund, do 3 profili głosowych oraz do 7 zapisanych elementów, z czego 3 mogą pochodzić z wideo. Model utrzymuje spójność postaci, produktów i scen, co pozwala budować narracje wieloujęciowe. Model generuje wideo o długości od 3 do 30 sekund (domyślnie 10 sekund, z krokiem 1 sekundy) w rozdzielczości 720p, 1080p lub 4K i proporcjach 21:9, 16:9, 1:1, 9:16 lub auto. Obsługuje 10-bit HDR oraz dwukanałowe stereo. Domyślnie włączony tryb wieloujęciowy automatycznie dzieli narrację na ujęcia, a do 10 klatek kluczowych pozwala precyzyjnie kontrolować kluczowe momenty. Dostępne są również edycje lokalne i funkcja kreatywnego remakowania, która wykorzystuje rytm, strukturę ujęć i styl istniejącego wideo. Kling 4.0 Omni sprawdza się w produkcji reklamowej opartej na strukturze istniejącego wideo produktowego, w treściach społecznościowych wzorowanych na popularnych formatach, w narracjach wymagających spójności bohatera dzięki referencjom postaci, w pokazach produktów łączących zdjęcia z wideo ze sceną oraz w edycji istniejącego materiału i integracji nowych ubrań lub przedmiotów bez zmiany ruchu postaci. Użytkownicy wskazują na silną kontrolę i spójność, a jednocześnie zauważają, że Seedance może wciąż przodować w realizmie i precyzji promptów.

Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny.

Model przyjmuje tekst, obrazy, wideo i audio. W jednym zadaniu można użyć do 15 multimodalnych referencji, w tym do 10 obrazów, 5 klipów wideo, 3 profili głosowych i 7 zapisanych elementów.

Wideo może mieć od 3 do 30 sekund, domyślnie 10 sekund, z regulacją co 1 sekundę. Klipy referencyjne mogą mieć łącznie do 30 sekund.

Sprawdza się w produkcji reklamowej i treściach społecznościowych opartych na istniejących materiałach, w narracjach wymagających spójności postaci oraz w edycji wideo i integracji nowych elementów.

Kling 4.0 generuje wideo z promptów tekstowych, pojedynczego obrazu lub klatek kluczowych, natomiast Omni tworzy na podstawie materiałów referencyjnych i pozwala łączyć różne typy multimediów.

Model oferuje rozdzielczości 720p, 1080p i 4K oraz proporcje 21:9, 16:9, 1:1, 9:16 i auto. Tryb auto dostosowuje proporcje do materiału referencyjnego.

W porównaniu z Kling 3.0 wydłużono czas trwania do 30 sekund, zwiększono liczbę klatek kluczowych do 10 i referencji do 15, ulepszono dźwięk do stereo oraz dodano funkcję kreatywnego remakowania.