Двадцать восьмого сентября вышла новая версия. Коротко: сцену больше не нужно резать на куски. Ниже - что это даёт на практике, где подвох и какие три шага сделать первыми.
Всё остальное в обновлении - следствие этих трёх. Чем длиннее кусок и чем больше опорных точек, тем меньше мест, где картинка «уезжает».
Когда модель умеет пять секунд, сорокасекундный ролик - это восемь генераций и семь склеек. На каждой склейке меняется свет, лицо героя плывёт, движение камеры сбивается. Половина работы уходила на то, чтобы спрятать стыки.
Тридцать секунд одним куском убирают не семь склеек. Они убирают семь поводов для переделки.
До десяти ключевых изображений на входе. Ты задаёшь не «начало и конец», а маршрут: что происходит на третьей секунде, что на десятой, чем заканчивается.
Двухканальное стерео и более точный липсинк. Речь, диалоги и движение губ считаются вместе с картинкой - отдельно озвучивать и подгонять не нужно.
Генерация надписей на девяти языках, включая русский, плюс эмодзи. Это то, на чём спотыкались почти все модели: буквы превращались в кашу.
До восьми тысяч токенов на вход. Это уже не фраза и не абзац, а полноценное описание сцены с раскадровкой, светом и поведением камеры.
Плюс форматы: 720p, 1080p и 4K, соотношения 21:9, 16:9, 1:1, 9:16 и авто.
Полной версии пока нет. В официальной записи сказано: Kling 4.0 запускается в октябре. С 28 сентября доступен только Kling 4.0 Flash и только ограниченной группе в раннем доступе.
10-bit HDR обещают, но его ещё нет. В release note он помечен как «скоро». Планировать работу под него рано.
Длина не бесплатна. Тридцать секунд одним куском - это дороже и дольше, чем пять. Длинный кусок имеет смысл там, где склейка реально мешает, а не везде подряд.
Вторая половина - как поставить задачу так, чтобы модель поняла её с первого раза. Мы разобрали весь свой процесс: от сценария до готового ролика, с запросами, которые реально работают.
Смотреть можно в любое время, расписания нет.
Смотреть разбор