Kling 4.0 в России вышла: обзор новой нейросети для оживления фотокартинки

Kling AI открыла доступ к Kling 4.0 — новой мультимодальной модели для генерации и редактирования видео. Она создаёт ролики продолжительностью до 30 секунд за один проход, принимает до 15 референсов и позволяет управлять развитием сцены с помощью десяти ключевых кадров.

На бумаге это выглядит как переход от короткой генерации к более управляемой видеосцене. Пользователь может заранее показать модели персонажа, товар, окружение, стиль и нужное движение камеры, а затем задать основные моменты ролика. Разбираемся, что именно изменилось и какие ограничения стоит учитывать перед первой генерацией.

Что такое Kling 4.0

Kling 4.0 — нейросеть для генерации видео по тексту, изображениям и другим видеоматериалам. Модель разработана командой Kling AI и предназначена для создания новых роликов, продолжения сцен и редактирования существующего видео.

Предыдущие видеогенераторы часто требовали собирать длинную сцену из нескольких коротких фрагментов. При каждой новой генерации могли меняться лицо персонажа, одежда, освещение и положение предметов. В Kling 4.0 разработчики сделали акцент на более длинных роликах, стабильном движении, работе с несколькими референсами и управлении камерой.

Основные характеристики модели:

Почему 30 секунд — важное изменение

Увеличение длительности само по себе не гарантирует хорошего результата. Основная проблема длинной генерации — сохранить персонажа и окружение, пока меняются ракурсы, движения и освещение.

Kling 4.0 генерирует сцену продолжительностью до 30 секунд в рамках одной задачи. Это уменьшает количество отдельных фрагментов, которые приходится создавать и соединять вручную. В одном ролике можно показать несколько действий, провести персонажа через сцену или собрать короткую рекламную историю.

Такой формат подходит для демонстрации товара, небольшого сюжетного видео, музыкального фрагмента, короткой рекламы или вертикального ролика. Для более длинных проектов Kling AI также заявляет продление сцены вперёд и назад общей продолжительностью до двух минут. Доступность этой функции может внедряться поэтапно, поэтому её стоит проверять непосредственно в интерфейсе.

Десять ключевых кадров вместо одного изображения

В режиме Keyframes пользователь может расположить на временной шкале до десяти изображений. Каждый такой кадр фиксирует важный момент: положение персонажа, ракурс камеры, изменение окружения или переход между сценами.

Например, для ролика с автомобилем можно отдельно задать начало движения, боковой проезд, поворот камеры, общий план и финальный крупный кадр. Нейросеть самостоятельно создаст движение между этими точками.

Ключевые кадры не заменяют монтажную программу и не дают покадрового контроля. Модель интерпретирует переходы самостоятельно, поэтому сложную сцену лучше сначала проверить в сокращённом варианте.

До 15 референсов в одной генерации

В режиме Omni Reference можно загрузить изображения, видео, персонажей, объекты и голосовые материалы. Общий лимит составляет 15 референсов, но для каждого типа данных действуют отдельные ограничения: до десяти изображений, до пяти видео общей продолжительностью не более 30 секунд и до семи отдельных элементов сцены.

На практике это позволяет собрать задачу из нескольких частей. Например, загрузить фотографии человека с разных ракурсов, изображение товара, пример интерьера и короткий ролик с нужным движением камеры.

Kling 4.0 также может использовать готовое видео как ориентир для темпа, композиции и движения. Разработчики называют этот режим Creative Recreation: модель воспроизводит общую логику референса, но создаёт сцену с другими персонажами и предметами.

Важно: Omni Reference и Keyframes нельзя использовать одновременно в рамках одной генерации. Для точной последовательности кадров подойдёт режим Keyframes, а для сохранения персонажей, товаров и визуального стиля — Omni Reference.

Что изменилось в редактировании видео

Kling 4.0 предназначена не только для создания роликов с нуля. Существующее видео можно использовать как основу, а затем заменить персонажа, продукт, фон, ракурс камеры или визуальный стиль.

В одну задачу разрешается добавить до пяти видеофрагментов. Один выбирается основным, а общая продолжительность загруженных материалов не должна превышать 30 секунд.

Это полезно, когда исходная сцена уже подходит по движению и композиции, но требует другой обстановки или объекта. Однако генеративное редактирование всё ещё может затронуть соседние детали. Если лицо, логотип, упаковка или фон должны остаться без изменений, их лучше отдельно перечислить в ограничениях промпта.

Звук, текст и разрешение

Kling 4.0 генерирует двухканальное стерео и поддерживает синхронизацию речи с движением губ. В официальном руководстве отдельно перечислены китайский, английский, японский, корейский, испанский, португальский, немецкий, французский и хинди.

Русского языка в этом списке нет. Это не означает, что модель полностью отказывается работать с русской речью, но произношение, ударения и липсинк стоит сначала проверить на коротком фрагменте.

Модель поддерживает форматы 16:9, 9:16, 1:1 и 21:9. На странице релиза также заявлены 1080p и 4K с 10-битным HDR, однако эти режимы помечены как функции, которые появятся позднее. Поэтому наличие высокого разрешения необходимо проверять перед запуском генерации, а не воспринимать как доступное для каждого аккаунта по умолчанию.

Kling 4.0 или Kling 4.0 Flash

Вместе с основной моделью появилась версия Kling 4.0 Flash. Она рассчитана на быстрые черновики, проверку идеи и создание короткого контента.

Если нужно быстро сравнить несколько концепций, логичнее начинать с Flash. Основная Kling 4.0 пригодится для финальной версии, более длинной сцены или проекта, где важны ключевые кадры и работа с несколькими референсами.

Доступ к Kling 4 в России

Kling 4.0 уже доступна в SpeShu.AI. Модель можно запустить из России без VPN и оплачивать генерации в рублях по фактическому использованию. По промокоду HABRSPESHUAI к балансу добавляем 15%.

Вывод

Kling 4.0 интересна не только увеличенной длительностью роликов. Десять ключевых кадров и 15 референсов делают генерацию видео более управляемой: пользователь заранее задаёт персонажей, предметы, движение и структуру сцены.

При этом 4K, HDR, продление роликов и качество русской речи лучше проверять на практике. Часть заявленных возможностей внедряется поэтапно, а независимые сравнения новой модели только начинают появляться.