Kling AI пуска версия 4.0 със стереозвук, многоезикова синхронизация на устните и по-лека версия Flash

Генераторът на видеа с изкуствен интелект Kling AI пусна версия 4.0 с по-висока резолюция, по-прецизни контроли и бърза Flash версия, която според компанията трябва да намали разликата между генерираните от изкуствен интелект и професионалните видеа.

Потребителите вече могат да генерират до 30 секунди видео с едно изпълнение, а системата приема до десет изображения на ключови кадри като входни данни, за да фиксира преходите между сцените, състоянията на персонажите и ключовите моменти в историята. Разбирането на подкани е разширено до 8000 токена.

Надградената система „Omni Reference“ приема до 15 референтни ресурса при едно генериране, според Kling AI, включително до 10 изображения, 5 видеа с обща максимална продължителност от 30 секунди и 7 елемента. Като референции могат да се използват сторибордове, телени модели, мрежи от изображения, видеа с бели модели и видеа с карти на дълбочината.

Функцията „Creative Recreation“ позволява на потребителите да използват съществуващи видеа като шаблони и да заменят продукти или персонажи. Компанията твърди, че отделни елементи като изражения на лицето, движения на тялото, ъгли на камерата или фон могат да бъдат променяни, без това да засяга останалата част от клипа.

Видеото по-долу сравнява Kling 4.0 с Wan 3.0 и Seedance 2.5, и двата от китайски конкуренти. Kling 4.0 се представя достойно, но не излиза напред, особено що се отнася до логичната последователност на кадрите, физиката и естествено звучащия диалог. Това може да е ранен признак, че стремителният темп на напредък при моделите за генериране на видео с изкуствен интелект започва да се забавя, макар че следващите версии на Wan и Seedance ще ни дадат повече информация.

Стерео звукът и многоезичната реч допълват актуализацията

Kling 4.0 добавя двуканален стерео звук и подобрен синхрон на устните на повече от десет езика, включително немски, английски, японски, корейски и испански, както и различни диалекти и акценти, според компанията. Генерирането на текст във видеото вече работи и на множество езици и остава стабилно при движения на камерата. 10-битовият HDR изход при 4K и 1080p, както и функцията за удължаване на видео, която би увеличила продължителността на клиповете до две минути, са посочени от Kling AI като „предстоящи скоро“.

Наред с основния модел Kling AI пуска и по-лека Flash версия. Kling 4.0 Flash е проектиран за по-бързо генериране на по-ниска цена, но максималната му резолюция е 720p, а максималната продължителност на видеото е 20 секунди. Интерфейсът за създаване е преработен, а Kling 4.0 вече може да бъде достъпен чрез MCP и CLI, което прави възможно изграждането на автоматизирани работни процеси с агенти с изкуствен интелект. Цената на Kling 4.0 API все още не е обявена, като поддръжката е посочена като „предстояща скоро“.

Новини за изкуствения интелект без сензации – подбрани от хора

Абонирайте се за THE DECODER и получете четене без реклами, седмичен бюлетин за изкуствения интелект, нашия ексклузивен годишен шесткратен доклад „AI Radar“ за водещите разработки, пълен достъп до архива и достъп до секцията за коментари.