Kling AI, ein Produkt von Kuaishou, hat angekündigt, dass die neue Videogenerierungs-Modellgeneration Kling 4.0 im Oktober offiziell startet. Die leichtere Version Kling 4.0 Flash ist bereits seit dem 28. September in einem begrenzten Testzugang verfügbar, reserviert für Inhaber der Black-Gold-Jahreskarte. Das genaue Startdatum, der Umfang der Freigabe und der Preis der Vollversion wurden von Kling noch nicht bekannt gegeben.
Die offiziellen Schlagworte für diese Generation lauten "authentisch, kontrollierbar, professionell", aufgeteilt in vier Bereiche: audiovisuelle Darstellung, umfassende Referenzfunktion, Erzählfähigkeit und Inhaltstypen.
Die Spezifikationen im Überblick
| Merkmal | Kling 4.0 |
|---|---|
| Ausgabeformat | 4K, 1080p, beide mit 10-Bit-HDR-Unterstützung |
| Native Generierungsdauer pro Durchlauf | Bis zu 30 Sekunden |
| Verlängerung | Bis zu 2 Minuten |
| Referenzeingabe pro Durchlauf | Bis zu 10 Bilder, 5 Videoclips, 7 Motive |
| Mehrfach-Keyframes | Bis zu 10 |
| Prompt-Länge | 8.000 Token |
Die beiden Zeilen mit dem direktesten Einfluss auf die Nutzung sind Dauer und Referenzeingabe.
30 Sekunden bedeuten, dass eine lange Einstellung mit Anfang, Höhepunkt und Ende in einem Durchgang entstehen kann, ohne mehrere Segmente zusammenschneiden zu müssen. Kling gibt zudem an, dass große Bewegungen und komplexe Kamerafahrten stabiler laufen; schnelle Bewegungsszenen werden diesmal explizit als eigener Anwendungsfall genannt. Die Verlängerungsfunktion kann denselben Inhalt auf bis zu 2 Minuten ausdehnen, geeignet für Kurzdramen und Werbespots mit durchgehender Erzählung.
Bei der Referenzeingabe lassen sich Bilder, Videoclips und Motive in derselben Generierungsaufgabe kombinieren. Wer schon mit KI-Video gearbeitet hat, kennt das Problem: Eine Figur, die in der dritten Einstellung plötzlich ein anderes Gesicht hat, ist der häufigste Grund für Nacharbeit. Kling erklärt, die Konsistenz sei diesmal "stabiler", liefert aber keine vergleichbaren Testdaten - die tatsächliche Leistung muss sich erst in der Praxis Dritter zeigen.
Auch Ton und Schnitt sind Teil dieser Generation
Neben dem Bild bringt Kling 4.0 Zweikanal-Stereoton mit und verbessert die Präzision der Lippensynchronisation zum Dialog. Beim Videoschnitt werden die Funktionen "präzise Bearbeitung" und "kreative Nachbildung" genannt: Erstere bearbeitet bereits generierte Clips gezielt punktuell, Letztere übernimmt Rhythmus und Kameraführung eines vorhandenen Videos als Vorlage für eine Neuproduktion.
Die 10-Bit-HDR-Funktion zielt auf die professionelle Postproduktion. Normales 8-Bit-Material neigt beim Anheben der Farbkurven in Grading-Software leicht zu Bändereffekten (Banding); 10-Bit lässt deutlich mehr Spielraum. Für Gelegenheitsnutzer von Kurzvideos bringt das wenig, für Teams, die KI-Material in professionelle Schnitt-Timelines einbauen, ist es dagegen relevant.
Was Nutzer in China zuerst ausprobieren können
Im chinesischen Markt für Videogenerierung ist Kling zuletzt auf der Kapitalseite sehr aktiv gewesen. Im Juli schloss das Unternehmen eine Finanzierungsrunde über 2,8 Milliarden US-Dollar bei einer Bewertung von rund 18 Milliarden US-Dollar ab; Anfang September zeichnete der China AI Industry Investment Fund für 1,4 Milliarden Yuan rund 1,14 Prozent der Anteile, verbunden mit einem Rückkaufrecht. Version 4.0 ist die erste größere Veröffentlichung nach diesen beiden Kapitalrunden.
Für chinesische Creator ist Kling eines der wenigen erstklassigen Videomodelle, die sich ohne Umwege direkt nutzen lassen - anders als Runway oder Veo im Ausland. Aktuell erhalten nur Inhaber der Black-Gold-Jahreskarte Zugang zu 4.0, und zwar zur Flash-Version; die Unterschiede zwischen Flash und der Vollversion bei Dauer und Auflösung listet das offizielle Material bislang nicht klar auf.
Bei vergleichbaren Produkten geht Design von MiniMax, im August vorgestellt, einen anderen Weg: einzelne Einstellungen von 15 Sekunden, die anschließend per Tool zu einem vollständigen Film zusammengefügt werden. Kling hat sich stattdessen dafür entschieden, die einzelne Generierung selbst auf 30 Sekunden auszudehnen. Welcher Ansatz sich besser für lange Inhalte eignet, hängt davon ab, ob Figuren und Szenen über eine lange Einstellung hinweg konsistent bleiben - genau der Punkt, zu dem es noch keine Zahlen gibt.
Quellen: offizielle Ankündigung von Kuaishou Kling AI, Jiemian News, CocoLoop, IT Home, 21st Century Business Herald; die offizielle Ankündigung von Kling diente zum Abgleich von Ausgabespezifikationen, Eingabegrenzen und Zugangskreis.