Kling AI, sản phẩm thuộc Kuaishou, thông báo thế hệ mô hình tạo video mới Kling 4.0 sẽ chính thức ra mắt vào tháng 10. Phiên bản nhẹ Kling 4.0 Flash đã mở trải nghiệm phạm vi nhỏ từ ngày 28/9, suất dùng thử dành cho hội viên thẻ năm Hắc Kim. Ngày ra mắt chính thức cụ thể, phạm vi mở và giá của bản đầy đủ, Kling vẫn chưa công bố.
Từ khóa chính thức cho thế hệ này là "chân thực, có thể kiểm soát, chuyên nghiệp", tách ra gồm bốn mảng: hiệu ứng hình ảnh - âm thanh, tham chiếu toàn diện, khả năng kể chuyện và loại nội dung.
Bảng thông số
| Hạng mục | Kling 4.0 |
|---|---|
| Định dạng đầu ra | 4K, 1080p, đều hỗ trợ HDR 10-bit |
| Thời lượng tạo gốc mỗi lần | Tối đa 30 giây |
| Nối cảnh mở rộng | Tối đa 2 phút |
| Đầu vào tham chiếu mỗi lần | Tối đa 10 ảnh, 5 đoạn video, 7 chủ thể |
| Đa khung hình khóa | Tối đa 10 khung |
| Độ dài prompt | 8.000 token |
Hai dòng ảnh hưởng trực tiếp nhất đến cách dùng trong bảng là thời lượng và đầu vào tham chiếu.
30 giây nghĩa là một cảnh quay dài có đủ mở đầu, cao trào, kết thúc có thể ra trong một lần, không cần cắt ghép nhiều đoạn. Kling cũng cho biết chuyển động biên độ lớn và các cú máy phức tạp sẽ ổn định hơn, cảnh chuyển động tốc độ cao là tình huống được nêu tên riêng lần này. Tính năng nối cảnh cho phép ghép cùng một nội dung lên tới 2 phút, phù hợp với phim ngắn, quảng cáo cần kể chuyện liên tục.
Về đầu vào tham chiếu, ba loại tư liệu ảnh, đoạn video, chủ thể có thể dùng lẫn nhau trong cùng một tác vụ tạo. Ai từng làm video AI đều biết nhân vật đổi mặt ở cảnh thứ ba là lý do làm lại phổ biến nhất; Kling lần này nói độ nhất quán "ổn định hơn", nhưng không đưa ra dữ liệu kiểm thử có thể so sánh, hiệu quả thực tế phải chờ bên thứ ba trải nghiệm mới biết.
Âm thanh và biên tập cũng có trong thế hệ này
Ngoài hình ảnh, Kling 4.0 bổ sung âm thanh nổi hai kênh và nâng độ khớp giữa khẩu hình nhân vật với lời thoại. Về biên tập video, hãng liệt kê hai tính năng "chỉnh sửa chính xác" và "sao chép sáng tạo": tính năng đầu chỉnh sửa cục bộ đoạn đã tạo xong, tính năng sau lấy nhịp điệu, cách di chuyển máy quay của một video có sẵn làm mẫu để làm lại.
HDR 10-bit là tính năng nhắm tới hậu kỳ chuyên nghiệp. Tư liệu 8-bit thông thường đưa vào phần mềm chỉnh màu, kéo đường cong dễ bị dải màu (banding); 10-bit để lại biên độ lớn hơn nhiều. Tính năng này không có nhiều ý nghĩa với người lướt video ngắn thông thường, nhưng hữu ích hơn với các nhóm đưa tư liệu AI vào dựng trên dòng thời gian chuyên nghiệp.
Người dùng Trung Quốc sẽ tiếp cận được gì trước
Trên thị trường tạo video Trung Quốc, Kling gần đây rất năng động về mặt vốn. Tháng 7, hãng hoàn tất vòng gọi vốn 2,8 tỷ USD, định giá khoảng 18 tỷ USD; đầu tháng 9, Quỹ Đầu tư Ngành Công nghiệp Trí tuệ Nhân tạo Trung Quốc rót 1,4 tỷ nhân dân tệ để mua khoảng 1,14% cổ phần, điều khoản có kèm quyền mua lại. Bản 4.0 là lần phát hành phiên bản lớn đầu tiên sau hai đợt rót vốn này.
Với nhà sáng tạo Trung Quốc, Kling là một trong số ít mô hình video hàng đầu có thể dùng trực tiếp không cần vòng qua, khác với Runway, Veo ở nước ngoài. Hiện tại chỉ hội viên thẻ năm Hắc Kim mới chạm được bản 4.0, và thứ họ nhận được là bản Flash; khác biệt giữa Flash và bản đầy đủ về thời lượng, độ phân giải chưa được tài liệu chính thức liệt kê rõ.
Trong nhóm sản phẩm cùng loại, Design của MiniMax ra mắt tháng 8 đi theo hướng khác: mỗi cảnh 15 giây, sau đó dùng công cụ ghép nhiều đoạn thành phim hoàn chỉnh. Kling chọn cách kéo dài chính bản thân một lần tạo lên 30 giây. Cách nào phù hợp hơn với nội dung dài còn tùy vào việc nhân vật và bối cảnh trong cảnh quay dài có giữ được nhất quán hay không - đây đúng là điểm mà hãng chưa đưa ra con số.
Nguồn tham khảo: Thông báo chính thức của Kling AI (Kuaishou), Jiemian News, CocoLoop, IT Home, 21st Century Business Herald; thông báo chính thức của Kling được dùng để đối chiếu thông số đầu ra, giới hạn đầu vào và đối tượng mở.