Kling 4.0 Flash Image to Video API

Kling 4.0 Flash Image to Video to model od Kuaishou oparty na architekturze Kling 4.0, zaprojektowany jako wejściowy, wysokoszybkościowy wariant w linii Kling 4.0. Animuje obraz początkowy, opcjonalnie sterowany promptem tekstowym opisującym ruch obiektu i ruch kamery, a każdy klip otrzymuje natywny dźwięk, w tym dwukanałowe audio stereo. Model obsługuje wejścia tekstowe, obrazowe i wideo oraz generuje klipy wideo o długości od 3 do 20 sekund. W trybie image-to-video dba o kompozycję otwarcia i wygląd produktu, co czyni go przydatnym w projektach, w których pierwsze ujęcie ma znaczenie. Model sprawdza się w szybkim szkicowaniu pomysłów, tworzeniu partii treści do mediów społecznościowych, testowaniu różnych hooków i koncepcji oraz w pętlach produktowych. Świetnie nadaje się do wstępnych wersji przed finalnym renderem na pełnym modelu Kling 4.0, a także do ujęć pojedynczego produktu bez nadmiernego zagęszczania sceny. Dzięki obsłudze edycji wideo z prompta oraz wejść referencyjnych — obrazów, wideo i obiektów — umożliwia elastyczne prototypowanie. Jako lżejsza odmiana w rodzinie Kling 4.0 Flash wymienia część zaawansowanych funkcji i wyższą rozdzielczość pełnego Kling 4.0 na rzecz szybkości i niższego kosztu na klip. Oferuje stałą natywną rozdzielczość 720p w 8-bit SDR, a także obsługę synchronizacji ust i dialogów w językach chińskim, angielskim, japońskim, koreańskim, hiszpańskim, portugalskim, niemieckim, francuskim i hindi, z różnymi akcentami i dialektami. Model nie obsługuje klatek końcowych ani wielu klatek kluczowych, które zarezerwowano dla pełnego Kling 4.0, podobnie jak wyjścia 1080p, 4K i 10-bit HDR.

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

Model przyjmuje tekst, obrazy oraz wideo, w tym obrazy referencyjne, wideo referencyjne i obiekty. W trybie image-to-video animuje obraz startowy, opcjonalnie z promptem tekstowym opisującym ruch obiektu i kamery.

Model generuje natywne klipy wideo o długości od 3 do 20 sekund w stałej rozdzielczości 720p w 8-bit SDR. Nie obsługuje wyjścia 1080p, 4K ani 10-bit HDR.

Tak, każdy klip otrzymuje natywny dźwięk, w tym dwukanałowe audio stereo. Model oferuje też dokładniejszą synchronizację ust i obsługę dialogów w dziewięciu językach, m.in. chińskim, angielskim, japońskim i hiszpańskim.

Sprawdza się w szybkim szkicowaniu pomysłów, tworzeniu partii treści do mediów społecznościowych, testowaniu hooków i koncepcji oraz w pętlach produktowych. Często wybiera się go do wstępnych wersji przed finalnym renderem na pełnym Kling 4.0.

Kling 4.0 Flash jest lżejszy i szybszy, kosztem części zaawansowanych funkcji i wyższej rozdzielczości pełnego Kling 4.0. Nie obsługuje klatek końcowych ani wielu klatek kluczowych, które zarezerwowano dla pełnego modelu.