Du kan nu bytte personer ud i videoer med Kling 4.0

Kling 4.0 kan lave 30-sekunders video og bruge ti nøglebilleder til at låse scener og personer. Det gør længere klip mulige uden at sammensætte flere generationer, men modellen overhaler ikke konkurrenterne på logik og dialog. En lettere version kaldet Flash og en funktion til at genskabe video med udskiftede personer eller produkter kommer; prisen for teknisk adgang er ikke offentliggjort.

AI-videomodellen Kling 4.0 kan nu lave op til 30 sekunders video i én generation. En generation er én kørsel, hvor modellen laver et klip ud fra det, man giver den. Den kan også tage imod op til ti nøglebilleder, også kaldet keyframes. Nøglebilleder er faste holdepunkter undervejs. De låser sceneskift, personernes tilstand og historiens gang. På den måde kan man lave længere sammenhængende klip uden at sætte flere generationer sammen. Referencerne er også skruet op. Kling 4.0 kan bruge op til 15 referenceaktiver pr. generation. Referenceaktiver er ting, modellen kan kigge efter undervejs. Det beskrives som 10 billeder, 5 videoer på sammenlagt højst 30 sekunder og 7 elementer. Storyboards, skitser (wireframes), billedgitre og videoer med dybdekort kan bruges som input. Storyboards er tegneserielignende planer for et forløb. Wireframes er enkle skitseopstillinger. Billedgitre er et gitter af billeder. Dybdekort er kort, der viser afstande i billedet.

En ny funktion hedder Creative Recreation. Den lader man bruge en eksisterende video som skabelon. Så kan man bytte produkter eller personer ud. Ifølge Kling AI kan man justere ansigtsudtryk, kropsbevægelser, kameravinkel eller baggrund, uden at resten af klippet ændrer sig. Lyden er også ny. Den er i to-kanals stereo, altså lyd i to kanaler, så den kan opleves som højre og venstre. Læbesynkroniseringen er bedre på over ti sprog. Det betyder, at læber og lyd passer bedre sammen. Blandt sprogene er tysk, engelsk, japansk, koreansk og spansk. Dialekter og accenter er også med. Tekst inde i videoen kan nu laves på flere sprog. Den kan stå stabilt, når kameraet bevæger sig. Både 10-bit High Dynamic Range (HDR), altså højt dynamikområde, i 4K og 1080p og en funktion, der forlænger klip til to minutter, står som ”kommer snart”. 4K og 1080p er billedopløsninger. 10-bit handler om farvedybde.

Ved siden af hovedmodellen sender Kling en lettere Flash-variant. Kling 4.0 Flash skal generere hurtigere og billigere. Men den stopper ved 720p og 20 sekunder. 720p er en lavere billedopløsning. Grænsefladen er redesignet. Det er den skærmflade, man bruger til at styre tjenesten. Kling 4.0 kan nu styres via Model Context Protocol (MCP) og Command Line Interface (CLI), altså en kommandolinje. Det betyder, at agenter kan sætte automatiske workflows op. Agenter er små automatiske hjælpere. Workflows er arbejdsgange. Prisen for Application Programming Interface (API)-adgang er ikke offentliggjort. API er en programmeringsgrænseflade, som andre programmer kan bruge til at tale med tjenesten.

Sammenlignet med konkurrenterne Wan 3.0 og Seedance 2.5 holder Kling 4.0 stand. Men den stikker ikke af. Det gælder især logisk kliprækkefølge, fysik og naturligt klingende dialog. Ifølge The Decoder kan det være et tidligt tegn på, at fremgangen i AI-videomodeller er ved at flade ud. AI er kunstig intelligens.