Kling: что умеет нейросеть для видео

Kling AI — программа Kuaishou для картинки и видео. На своём сайте компания называет её творческой студией: на входе описание или кадр, на выходе ролик, которого до запроса не было. Это генерация, а рядом с ней живёт обычный монтаж уже снятого. Разницу этих двух работ мы разбирали в материале про нейросети для видео. Здесь остаётся одна линейка.

Журнал обновлений Kling ведёт даты сам. 31 января 2026 года там две крупные записи подряд: полное открытие видеомодели 3.0 и полное открытие картиночной серии IMAGE 3.0. У картинок в той строке названы усиленное повествование, прямой вывод в 4K и режим серии кадров. Видео в тот же день получило формулировку «все в одном»: текст, картинка, референс и правка собраны в одну модель.

Дальше журнал идёт плотнее, чем кажется по одному номеру версии. 4 марта 2026 года вышло управление движением у VIDEO 3.0. 23 апреля 2026 года компания объявила родной 4K. 17 июня 2026 года появился Kling 3.0 Turbo и обновилась правка видео в Omni. 15 октября 2026 года журнал ставит Kling 4.0. Имеет смысл держать в голове не один бренд, а конкретную строку: 2.6, O1, 3.0, 3.0 Omni, Turbo, 4.0. У них разная длина и разный вход.

Для человека, который набирает «клинг нейросеть» или «kling ai нейросеть», практический смысл простой. Это инструмент короткого ролика. Рекламная вставка, заставка, движение продукта, черновик сцены. Полнометражный фильм одним запросом отсюда не выходит. Даже 30 секунд у 4.0 остаются одной генерацией, а не серией.

Заметка разработчика о полном открытии видео 3.0 прямо пишет, на чём стоит новая модель. Основа: Kling VIDEO O1 и Kling VIDEO 2.6. Задачи, которые раньше жили отдельно, учатся вместе. Текст в видео, картинка в видео, ролик по референсу, добавление и удаление содержимого, правка уже готового клипа. Длина в этой заметке: до 15 секунд, причём секунды выбираются, от 3 до 15. Звук рождается вместе с кадром.

Таблица в той же заметке сравнивает VIDEO 3.0 с VIDEO 2.6 по пунктам. Общее у обоих: текст в видео, картинка в видео, первый и последний кадр, родной звук. Только у 3.0 появляются умная раскадровка, связка «первый кадр плюс референс человека или предмета», указание сразу на трёх и больше персонажей, языки и своя длина. Языки в таблице: китайский, английский, японский, корейский, испанский. Отдельной строкой стоят диалекты и акценты.

Режим нескольких кадров компания описывает в гиде от 14 марта 2026 года. Режим режиссёра собирает до шести разных планов в одном ролике. У каждого плана можно задать, что происходит, сколько он длится внутри общих 15 секунд и с какого угла смотрит камера. Это всё ещё один запуск. Склейку шести планов руками вы не делаете, и чужие ошибки склейки тоже получаете пакетом: если третий план поехал, перезапускается связка.

Пост от 3 июля 2026 года делит серию надвое. VIDEO 3.0 ведёт сцену по тексту. VIDEO 3.0 Omni рассчитан на референсы: картинки, субъект, кусок видео, и к субъекту можно привязать голос. Длина у обоих в этом сравнении одна: от 3 до 15 секунд. Родной звук у обоих включает реплику, фон, эффект и движение губ.

Карта возможностей API, открытая 1 ноября 2026 года, ставит рядом имена моделей. Kling 3.0 идёт как kling-v3: вход текст, картинка или видео, длина 3–15 секунд, разрешение 720p, 1080p и 4K, динамический диапазон SDR, пропорции 16:9, 1:1 и 9:16. Kling 3.0 Omni, имя kling-v3-omni, в той же карте повторяет длину и разрешение. Kling 3.0 Turbo короче по потолку картинки: 720p и 1080p, без колонки 4K, длина те же 3–15 секунд. Turbo в журнале датирован 17 июня 2026 года.

В таблице моделей API у kling-v3 колонка голосового управления стоит с отметкой «нет», хотя блог говорит о родном звуке. Расхождение полезно само по себе. Звук в ролике и отдельный рычаг «выбрать голос» в API — разные строки. Если вам нужен конкретный тембр, смотрите, в каком режиме он включён, а не только слово «аудио» на обложке модели.

4K у серии 3.0 в карте API есть у kling-v3 и у Omni. Журнал ставит объявление родного 4K на 23 апреля 2026 года, позже январского открытия. Значит, январская 3.0 и апрельский 4K — разные ступени одного года. Перед финальным роликом проверьте, какой режим выбран: черновик в 720p и финал в 4K компания в карте разводит по колонкам.

Kling O1 в карте API подписан как единая видеомодель с широким входом: текст, картинка, видео. Длина 3–10 секунд. Разрешение 720p и 1080p. Колонки 4K у O1 в этой карте нет. Пропорции: 16:9, 1:1, 9:16. Динамический диапазон: SDR.

Таблица моделей API сужает текст в видео у kling-video-o1 ещё сильнее. В режимах std и pro там отмечены только 5 и 10 секунд. Картинка на входе с первым и последним кадром есть. Управление субъектом по нескольким картинкам есть. Видеореференс есть. Голос в той же таблице выключен.

Заметка про 3.0 прямо пишет, во что O1 вырос. VIDEO O1 стал VIDEO 3.0 Omni. У старого O1 в сравнительной таблице не было родного звука и умной раскадровки, длина обрывалась на 10 секундах, видеосубъект и голос субъекта не поддерживались. У 3.0 Omni эти строки закрыты: звук, раскадровка, до 15 секунд, видеосубъект, голос.

Отсюда рабочее правило на 1 ноября 2026 года. O1 берёте, когда нужен короткий клип по картинке или по паре кадров и вы готовы жить без голоса в том режиме, который показывает таблица API. Серию 3.0 берёте, когда нужны реплика, несколько планов или свои секунды между 3 и 15. Путать их по одному слову Kling легко: в поиске обе строки выглядят как «клинг ии».

В чате рядом лежат обе: Kling 3.0 с длиной от 3 до 15 секунд и кадрами 16:9, 1:1, 9:16, и Kling O1 с длиной от 3 до 10 секунд и кадрами 16:9 и 9:16. Квадрат 1:1 у O1 в чате не обещан, хотя карта API его у модели указывает. Ориентируйтесь на то, что реально стоит в списке длин перед запуском.

Пресс-релиз от 16 октября 2026 года, дата в шапке пекинская, называет три опоры Kling 4.0. Устойчивее держится быстрое движение и сложная камера. Один проход даёт до 30 секунд, и компания пишет, что этого хватает на длинный план без склейки. На вход можно подать до 15 референсов и до 10 ключевых кадров, чтобы зафиксировать состояние персонажа, переход сцены и ход истории.

Тот же релиз говорит, что 10-bit HDR на 4K и на 1080p и широкий кадр 21:9 «скоро будут поддерживаться». Продление уже готового ролика до 2 минут там тоже описано как возможность загрузить существующее видео и растянуть его. Отдельно стоит цифра аудитории, её даёт сама компания: больше 100 миллионов пользователей в мире и больше 50 тысяч корпоративных клиентов. Это заявление Kuaishou, не независимый подсчёт.

Пост на сайте Kling от 30 сентября 2026 года вышел раньше полного открытия. Там Kling 4.0 входит в ранний доступ, широкий выход обещан в октябре. Kling 4.0 Flash с 28 сентября открыт годовой подписке Ultra. В списке изменений поста уже стоят движение, прямые 30 секунд, 10-bit HDR, набор референсов и несколько ключевых кадров. По референсам пост точнее релиза: до 15 материалов разом, внутри лимита до 10 картинок, до 5 роликов суммарно на 30 секунд и до 7 субъектов, у субъекта может быть задан голос.

Сравнение 4.0 и серии 3.0 на сайте Kling, тоже 30 сентября 2026 года, собирает таблицу. Длина 3.0: 3–15 секунд. Длина 4.0: 3–30 секунд. Разрешение у обеих: 720p, 1080p, 4K. Звук 3.0 в таблице: один канал. Звук 4.0: два канала, стерео. Языки 3.0: китайский, английский, японский, корейский, испанский. У 4.0 к ним добавлены португальский, немецкий, французский, хинди и другие. Несколько ключевых кадров у 3.0 в этой таблице помечены как неподдерживаемые, у 4.0 лимит 10. Динамический диапазон 3.0: 8-bit SDR. У 4.0 в той же клетке стоит 10-bit HDR на 1080p и 4K.

Здесь две формулировки компании расходятся по времени. Сентябрьская таблица уже ставит HDR в колонку 4.0. Октябрьский релиз пишет, что поддержка HDR скоро появится. Мы оставляем обе строки и не выбираем за компанию день, когда переключатель стал доступен всем. Если вам нужен именно расширенный диапазон яркости, смотрите пометку в интерфейсе в день работы, а не заголовок поста.

Про референсы сентябрьское сравнение добавляет деталь про 3.0. Без видео на входе картинки и субъекты делят общий потолок до семи. У 4.0 потолок выше и разложен по типам: картинки, ролики и субъекты считаются отдельно, пока сумма не упрётся в 15. Для сериальной склейки одного лица это важнее голой длины. Пятнадцать секунд с плывущим лицом проигрывают десяти секундам, где лицо держится.

Карта API на 1 ноября 2026 года уже знает kling-4.0. Вход: текст, картинка, видео. Длина: 3–30 секунд. Разрешение: 720p, 1080p, 4K. В строке динамического диапазона стоят и SDR, и 10-bit HDR. Пропорции: 21:9, 16:9, 1:1, 9:16 и адаптивная. То есть к ноябрю карта шире октябрьского «скоро» в релизе. Карта описывает API. Сайт для человека может открывать те же режимы с другой подписью. Сверяйте обе, если работаете и там, и там.

Источник: карта возможностей API Kling и сравнение 4.0 с серией 3.0 на сайте Kling, проверка 1 ноября 2026

Родной звук у серии 3.0 компания противопоставляет поздней озвучке. Пост от 3 июля 2026 года перечисляет, что входит в проход: реплика, эффект, фон, движение губ. Для короткой сцены без диктора это снимает отдельный этап. Для сцены, где каждое слово из сценария обязано прозвучать, проверка остаётся на вас. Модель может сказать близко к тексту и всё равно съехать в интонации.

Языки имеют значение, если ролик говорит. Пять языков серии 3.0 перечислены выше. Русского в этом списке нет, ни в январской таблице, ни в сентябрьском сравнении с 4.0. Запрос «kling ai на русском» и «kling ai нейросеть на русском» в поиске частый. Ответ по документам такой: речь внутри ролика на русском в списке поддерживаемых языков не названа. Если нужна русская реплика, закладывайте отдельную озвучку и проверяйте губы. Совпадение рта с чужим языком Kling обещает для тех языков, которые перечислил.

У 4.0 языков больше, и звук в сравнении от 30 сентября уже стерео. Пресс-релиз 16 октября делает упор на длину и референсы, а не на перечень языков. Список португальского, немецкого, французского и хинди берём из сравнения на сайте Kling. Русского и там нет.

Лицо и тело ломаются предсказуемо. На длинном движении рука получает лишний палец, ухо уезжает, очки меняют форму между планами. Шесть кадров режима режиссёра это усиливают: каждый план рисуется заново, и «тот же человек» держится референсом, а не договором. Пост про Omni как раз про это: субъект задают картинкой или коротким видео, и тогда следующая сценка имеет шанс повторить черты. Шанс. Смотреть всё равно глазами, на паузе, на руках и на линии челюсти.

Текст внутри кадра — отдельный риск. Вывеска, этикетка, номер на футболке часто превращаются в узор, похожий на буквы. Если в ролике должна читаться надпись, надёжнее вставить её монтажом поверх готового кадра. Для генераторов видео это слабое место.

Про то, как формулировать запрос к любой модели, есть отдельный гайд по запросам. Для картинки, с которой ролик стартует, рядом лежит гайд по работе с картинками. Готовый пошаговый сценарий сюда не копируем.

Короткий список сильнее длинной инструкции. Откройте клип трижды: без звука, только со звуком, затем вместе.

Без звука смотрите геометрию. Пол и стены не должны гнуться, когда камера едет. Предмет в руке остаётся одним и тем же предметом. Дверь, которая открылась, не закрывается сама в следующем кадре, если вы этого не просили. У серии 3.0 несколько планов как раз здесь и сыпятся: четвёртый план забывает, что во втором человек уже встал.

Со звуком, закрыв картинку или отведя глаза, слушайте текст. Совпали ли слова. Один ли тембр у одного говорящего. Нет ли музыки, которая перекрывает реплику. Если в запросе два человека, прямо напишите, кто произносит фразу, иначе голос может уйти не тому.

Вместе смотрите губы и шаги. Удар ноги и звук шага. Хлопок двери и сам хлопок. У 4.0 в сравнении от 30 сентября звук уже стерео. Обещание проверяется на вашем дубле, не на шоуриле.

Длина выбирается под задачу, не под максимум. Три секунды хватает, чтобы продукт повернулся на столе. Пять и десять секунд — отметки режимов O1 в таблице API. Пятнадцать секунд серии 3.0 уже тянут короткую реплику и смену плана. Тридцать секунд 4.0 имеют смысл, когда действие одно и непрерывное: проход через комнату, приготовление одного жеста, поездка камеры вокруг предмета. Сюжет с пятью местами за тридцать секунд лучше резать на отдельные запуски. Иначе модель склеит места сама и оставит шов.

Типичные промахи, которые видно без лаборатории:

• В запросе слишком много действий на короткой секунде. «Встаёт, выходит, садится в машину и уезжает» на пяти секундах почти всегда ломает ноги.
• Нет якоря внешнего вида. Без картинки-референса лицо в плане 4 уже другое, даже если имя персонажа вы повторили.
• Противоречивый кадр. «Крупно лицо» и «общий план улицы» в одной фразе дают середнячок, где не читается ни то, ни другое.
• Надпись на родном языке внутри генерации. Буквы поплывут. Оставьте место под титр.
• Звук попросили на языке вне списка. Рот будет шевелиться, слова окажутся не теми.

Пример запроса, который можно прогнать на серии 3.0 и сравнить с O1. Один предмет, одно действие, одна камера: керамическая кружка на тёмном столе, камера медленно объезжает её слева направо, за окном ночь, без текста в кадре, длина 5 секунд. Что смотреть: ручка кружки не меняет толщину, блик едет вместе с камерой, стол не вспучивается. Второй прогон добавьте одну реплику на английском из двух-трёх слов и сравните губы. Третий прогон задайте первый и последний кадр: кружка целая и кружка с отколотым краем. Промежуток модель дорисует сама, и скол обязан появиться один раз, без скачка назад.

Если нужен человек, начните с неподвижного портрета. Спокойное лицо на нейтральном фоне проще удержать, чем танец. Для самого портрета сначала имеет смысл получить устойчивую картинку отдельной моделью картинок. Обзор свежей картиночной линейки есть в материале про Nano Banana 2.1: это другой класс задачи, зато хороший источник первого кадра, который вы потом оживляете.

Подходит, если вам нужен кадр, которого не снять. Упаковка, которой ещё нет вживую. Фон для карточки товара. Короткий проход камеры вокруг макета. Черновик сцены до того, как звать людей на площадку. Серия 3.0 с несколькими планами здесь экономит раскадровку на бумаге: вы видите, держится ли смена крупности, ещё до съёмки.

Подходит рекламный ролик без живого диктора на русском, где звук — это шорох, город, предмет. Родной звук серии 3.0 как раз про фон и эффект. Реплику на русском закладывайте отдельно, см. список языков выше.

Слабое место: узнаваемый живой человек, юридически чужое лицо, точная речь, длинный диалог, текст в кадре, документальная сцена. Генератор собирает правдоподобие, а не запись факта. Для отзыва клиента, для инструкции по безопасности, для кадра «как было на объекте» берите съёмку. Нейросеть этот класс задач не закрывает, и притворяться, что закрывает, дорого на переделках.

Kling 4.0 на бумаге ближе к длинному плану и к контролю через ключевые кадры. Это имеет смысл монтажёру, который уже умеет думать шотами и хочет меньше склеек. Новичку, который первый раз описывает «красивое видео», лишние 15 секунд и 10 кадров скорее добавят развилок. Начните с одного плана на 5 секунд. Если он чистый, удлиняйте.

Про деньги сайта Kling в этом тексте нет цифр. Кредиты и подписки меняются, и чужой прайс от июля быстро врёт. Запрос «kling ai оплатить» и «kling ai free» уводит на сайт разработчика: смотрите условия там, в день оплаты. В чате GPThub Kling 3.0 и Kling O1 уже стоят в списке видеомоделей, без отдельной регистрации на kling.ai.