Η Kling AI λέει ότι η νέα της έκδοση κλείνει την απόσταση ανάμεσα στο βίντεο που φτιάχνει η τεχνητή νοημοσύνη και στο επαγγελματικό. Η σύγκριση που δημοσίευσε το The Decoder δείχνει κάτι πιο μετριοπαθές: το Kling 4.0 στέκεται άνετα δίπλα στους Κινέζους ανταγωνιστές του, αλλά δεν τους ξεπερνά.
Το ενδιαφέρον της ενημέρωσης βρίσκεται κυρίως στον έλεγχο. Ο χρήστης μπορεί πλέον να παράγει έως 30 δευτερόλεπτα βίντεο σε μία μόνο εκτέλεση και να δώσει έως δέκα εικόνες-κλειδιά (keyframes). Αυτές λειτουργούν σαν σημεία αναφοράς: ορίζουν πού αλλάζει η σκηνή, σε ποια κατάσταση βρίσκεται ένας χαρακτήρας και πώς προχωρά η ιστορία. Η περιγραφή που δέχεται το μοντέλο μεγάλωσε στα 8.000 tokens, δηλαδή σε κείμενο αρκετών σελίδων.
Έως 15 υλικά αναφοράς σε μία παραγωγή
Το σύστημα «Omni Reference» δέχεται, σύμφωνα με την εταιρεία, έως 15 στοιχεία ταυτόχρονα: μέχρι 10 εικόνες, 5 βίντεο συνολικής διάρκειας έως 30 δευτερολέπτων και 7 «elements». Ως αναφορά μπορούν να χρησιμεύσουν storyboards, σχέδια σκελετού, πλέγματα εικόνων, βίντεο με απλά λευκά μοντέλα χωρίς υφή και βίντεο με χάρτες βάθους. Με λίγα λόγια, ένας σκηνοθέτης ή διαφημιστής μπορεί να δώσει πρόχειρο υλικό και να ζητήσει από το μοντέλο να το «ντύσει».
Η λειτουργία «Creative Recreation» πάει ένα βήμα πιο πέρα. Παίρνει ένα υπάρχον βίντεο ως πρότυπο και αντικαθιστά το προϊόν ή τον χαρακτήρα. Η Kling AI υποστηρίζει ότι εκφράσεις, κινήσεις του σώματος, γωνίες λήψης ή φόντο αλλάζουν χωριστά, χωρίς να επηρεάζεται το υπόλοιπο κλιπ. Η χρήση για διαφημίσεις είναι προφανής: το ίδιο σποτ, με διαφορετικό προϊόν κάθε φορά.
Ήχος σε δύο κανάλια και χείλη που συγχρονίζονται σε πολλές γλώσσες
Το Kling 4.0 βγάζει πλέον στερεοφωνικό ήχο. Η εταιρεία αναφέρει βελτιωμένο συγχρονισμό των χειλιών σε πάνω από δέκα γλώσσες, ανάμεσά τους γερμανικά, αγγλικά, ιαπωνικά, κορεατικά και ισπανικά, μαζί με διαλέκτους και προφορές. Και το κείμενο μέσα στο κάδρο, όπως μια πινακίδα ή ένας τίτλος, γράφεται σε πολλές γλώσσες και μένει σταθερό όταν κινείται η κάμερα.
Δύο δυνατότητες δεν είναι ακόμη διαθέσιμες. Η έξοδος 4K και 1080p με HDR 10 bit και η επέκταση κλιπ έως τα δύο λεπτά εμφανίζονται ως «σύντομα» από την εταιρεία.
Μια Flash για όσους βιάζονται
Δίπλα στο κύριο μοντέλο κυκλοφορεί το Kling 4.0 Flash, φτιαγμένο για ταχύτερη και φθηνότερη παραγωγή. Το τίμημα είναι οι περιορισμοί: έως 720p ανάλυση και 20 δευτερόλεπτα. Το περιβάλλον δημιουργίας σχεδιάστηκε από την αρχή, ενώ το μοντέλο συνδέεται πλέον μέσω MCP και γραμμής εντολών (CLI). Το MCP είναι ένα πρότυπο που επιτρέπει σε AI agents, προγράμματα που εκτελούν εργασίες μόνα τους, να χρησιμοποιούν εξωτερικά εργαλεία. Έτσι ένας agent μπορεί να παράγει βίντεο μέσα σε μια αυτοματοποιημένη ροή εργασίας. Τιμές για το API δεν έχουν ανακοινωθεί, και η υποστήριξή του φέρει κι αυτή την ένδειξη «σύντομα».
Στη σύγκριση με το Wan 3.0 και το Seedance 2.5, το Kling 4.0 δεν αποκτά προβάδισμα, ειδικά στη λογική σειρά των πλάνων, στη φυσική των κινήσεων και στους διαλόγους που ακούγονται φυσικοί. Ο κλάδος του βίντεο με τεχνητή νοημοσύνη έτρεχε με ιλιγγιώδη ρυθμό τα τελευταία χρόνια, και το The Decoder βλέπει στο αποτέλεσμα μια πιθανή πρώτη ένδειξη ότι η πρόοδος αρχίζει να επιβραδύνεται. Οι επόμενες εκδόσεις του Wan και του Seedance θα δείξουν αν αυτό ισχύει.
