Kling 4.0 Image-to-Video API

Kling 4.0 Image-to-Video — це модель від Kling AI, яка поєднує генерацію відео, багатомодальні референси та редагування в єдиній системі. Вона створює нативне відео тривалістю від 3 до 30 секунд, анімуючи референсне зображення за допомогою руху, роботи камери та розповіді. Модель приймає до 10 ключових кадрів для контролю ключових візуальних моментів, а також до 10 зображень і 5 відео як референси в одному проєкті. Підтримуються референси у вигляді зображень суб'єктів, тривимірних видів, сіток зображень, інфографіки, ключових кадрів та каркасів. Модель забезпечує стабільний великомасштабний рух і складну роботу камери, як-от швидкий рух, знімання з відстеженням та широкі орбітальні рухи, зберігаючи структуру суб'єкта та просторові зв'язки. Вона рендерить реалістичних персонажів з покращеними деталями обличчя, матеріалами та освітленням, а також передає вирази й поставу з більшою нюансованістю. На виході — двоканальне стереоаудіо з покращеною точністю синхронізації губ, а також покращена генерація багатомовного тексту, логотипів та емодзі. Ця модель найкраще підходить для брендової реклами та комерційних роликів, коротких історій і кінематографічних сцен, продуктових кампаній, дописів у соціальних мережах, візуальних історій, комерційної роботи та незалежного кіновиробництва. Вона також добре працює для створення концепт-відео та попереднього перегляду сцен з розкадровок і візуальних референсів, а також для відтворення трендових відеостилів. Завдяки єдиному полю введення, яке поєднує текст, зображення, відео та аудіо, користувачі можуть виконувати багатомодальне редагування суб'єктів, фонів і візуальних стилів, використовувати наявне відео як референс для темпу, композиції кадрів і руху камери, а також організовувати проєкти за допомогою подання Canvas і Agent з редагуванням на основі таймлайну.

Рахунок залежить від обраного постачальника, його цін і вашого використання. Довші вхідні дані або інші умови можуть мати інші ціни.

Модель приймає зображення, текст, відео та аудіо як вхідні дані, а на виході видає відео з двоканальним стереоаудіо. Вона підтримує до 10 зображень і 5 відео як референси в одному проєкті, а також до 10 ключових кадрів для контролю ключових візуальних моментів.

Модель генерує нативне відео тривалістю від 3 до 30 секунд.

Вона підходить для брендової реклами, коротких історій, кінематографічних сцен, продуктових кампаній, дописів у соціальних мережах, візуальних історій, комерційної роботи та незалежного кіновиробництва. Також добре працює для концепт-відео та попереднього перегляду сцен з розкадровок і візуальних референсів.

Підтримуються зображення суб'єктів, тривимірні види, сітки зображень, інфографіка, ключові кадри та каркаси. Крім того, наявне відео можна використовувати як референс для темпу, композиції кадрів і руху камери.

У наданих матеріалах немає порівняльних таблиць або кількісних показників для інших моделей Kling. Kling 4.0 позиціонується як уніфікована творча модель, що поєднує генерацію відео, багатомодальні референси та редагування в одній системі.

Так, модель доступна через API, а також через хмарні каталоги, як-от Atlas Cloud.