Kling 4.0 Image-to-Video API

Kling 4.0 Image-to-Video — это видеомодель от Kling AI, которая объединяет генерацию видео, работу с многомодальными референсами и редактирование в единой системе. Она создаёт нативное видео длительностью от 3 до 30 секунд и оживляет референсное изображение, добавляя движение, работу камеры и повествование. Модель принимает до 10 ключевых кадров для управления ключевыми визуальными моментами, а в одном проекте можно использовать до 10 изображений и 5 видео в качестве референсов. Поддерживаются изображения субъектов, трёхвидовые референсы, сетки изображений, инфографика, ключевые кадры и каркасы. Выходные ролики содержат двухканальный стереозвук с повышенной точностью синхронизации губ. Модель демонстрирует стабильное крупномасштабное движение и сложную работу камеры — быстрое перемещение, следящие и круговые панорамные съёмки — при сохранении структуры субъекта и пространственных связей. Она передаёт реалистичных персонажей с улучшенными деталями лиц, материалов и освещения, а также более тонкие выражения и позы. Отдельное внимание уделено многомодальному редактированию субъектов, фона и визуальных стилей с помощью текста и визуальных референсов, а также улучшению генерации многоязычного текста, логотипов и эмодзи. Модель подходит для брендовой рекламы и коммерческих роликов, коротких историй и кинематографичных сцен, продуктовых кампаний, постов в социальных сетях и визуальных историй. Она будет полезна для коммерческой работы и сольного кинопроизводства, создания концепт-видео и превью сцен по раскадровкам, а также для воссоздания трендовых видеостилей. Рабочее пространство включает сеточное и списочное представления для сравнения генераций, редактирование на основе таймлайна и интерфейс Canvas и Agent для организации творческих проектов. Доступ предоставляется через API и облачные каталоги, такие как Atlas Cloud.

Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности.

Модель принимает изображения, текст, видео и аудио. В одном проекте можно использовать до 10 изображений и 5 видео в качестве референсов.

Модель создаёт нативное видео длительностью от 3 до 30 секунд.

Да, модель выводит двухканальный стереозвук с улучшенной точностью синхронизации губ.

Модель принимает до 10 ключевых кадров, позволяя контролировать ключевые визуальные моменты повествования.

Kling 4.0 объединяет генерацию видео, многомодальные референсы и редактирование в единой системе, а также поддерживает более длительную нативную генерацию — до 30 секунд. В материалах не приводятся подробные сравнения с другими моделями серии.