Kling 4.0 Image-to-Video API

Kling 4.0 to model firmy Kling AI, który łączy generowanie wideo, referencje multimodalne i edycję w jednym systemie. Animuje obraz referencyjny ruchem, pracą kamery i narracją, a dzięki do 10 obrazom kluczowym pozwala precyzyjnie kontrolować kluczowe momenty wizualne. W jednym projekcie przyjmuje do 10 obrazów i 5 filmów jako referencje, w tym zdjęcia obiektów, widoki trójwymiarowe, siatki obrazów, infografiki, klatki kluczowe i szkice. Model zachowuje strukturę obiektu i relacje przestrzenne, a jednocześnie dostarcza stabilny ruch wielkoskalowy oraz złożoną pracę kamery, taką jak szybkie przemieszczenia, jazdy kamery i szerokie ruchy orbitalne. Sprawdza się w reklamie markowej i spotach, krótkich formach narracyjnych i scenach kinowych, kampaniach produktowych, postach do mediów społecznościowych oraz w pracach komercyjnych i filmowaniu solowym. Pozwala też tworzyć wideo koncepcyjne i podglądy scen na podstawie storyboardów i referencji wizualnych oraz odtwarzać popularne style wideo. Model renderuje realistyczne postacie z ulepszonymi detalami twarzy, materiałami i oświetleniem, a mimikę i postawę oddaje z większą subtelnością. Generuje dwukanałowy dźwięk stereofoniczny z dokładniejszą synchronizacją ruchu warg i poprawia tworzenie wielojęzycznego tekstu, logotypów i emoji. Kling 4.0 obsługuje edycję multimodalną obiektów, tła i stylów wizualnych za pomocą tekstu i referencji wizualnych, a istniejące wideo może służyć jako referencja tempa, kompozycji ujęć i ruchu kamery. Udostępnia ujednolicone pole wprowadzania łączące tekst, obrazy, filmy i referencje audio, widoki siatki i listy do porównywania generacji, edycję na osi czasu oraz środowisko Canvas i Agent do organizowania projektów kreatywnych. Jest dostępny przez API i katalogi chmurowe, takie jak Atlas Cloud. Materiały nie podają szczegółowych wyników benchmarków ani tabel porównawczych.

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 jako dane wejściowe i generuje wideo z dwukanałowym dźwiękiem stereofonicznym.

Kling 4.0 generuje natywne wideo o długości od 3 do 30 sekund.

W jednym projekcie model przyjmuje do 10 obrazów i 5 filmów jako referencje, a także do 10 obrazów kluczowych do kontroli kluczowych momentów wizualnych.

Sprawdza się w reklamie markowej, krótkich formach narracyjnych, kampaniach produktowych, postach społecznościowych oraz w pracach komercyjnych i filmowaniu solowym. Pozwala też tworzyć wideo koncepcyjne i podglądy scen na podstawie storyboardów.

Materiały nie zawierają bezpośredniego porównania z wcześniejszymi modelami. Kling 4.0 jest pozycjonowany jako ujednolicony model kreatywny łączący generowanie wideo, referencje multimodalne i edycję w jednym systemie.

Tak, Kling 4.0 jest dostępny przez API oraz w katalogach chmurowych, takich jak Atlas Cloud.