Kling 3.0

Positionierung im Überblick

kling-3.0-omni/reference-to-video ist der auf referenzbildgestützte Videogenerierung ausgerichtete Pfad der Kling 3.0 Omni-Serie. Er erlaubt es, 1 bis 7 Referenzbilder (oder in Kombination bis zu 7 wiederverwendbare Subjektelemente) als visuelle Anker zu verwenden und zusammen mit einem Text-Prompt ein 3 bis 15 Sekunden langes Video zu erzeugen. Unterstützt werden die Auflösungen 720p, 1080p und 4k sowie die Seitenverhältnisse 16:9, 9:16 und 1:1; natives Audio und intelligente Multi-Shot-Funktion lassen sich aktivieren. Geeignet für Entwickler, die Charakter- oder Objektkonsistenz über mehrere Shots hinweg wahren und Marketing- sowie Social-Media-Videos in Serie produzieren möchten.

Kernhighlights

• Duale Verankerung über mehrere Referenzbilder und Subjektelemente – Es können 1 bis 7 Referenzbilder übergeben oder bis zu 7 Subjektelemente mit je 2 bis 4 Bildern definiert und im Prompt per @name referenziert werden.
• Optionaler zusätzlicher Referenzvideo-Overlay – Ein Referenzvideo von 3 bis 15,5 Sekunden kann ergänzt werden, um Bewegung und Bildkomposition vorzugeben; in diesem Fall ist die Gesamtobergrenze aus Referenzbildern und Subjekten auf 4 begrenzt.
• Auflösung und Seitenverhältnis von Hochformat bis 4K – Ausgabe wahlweise in 720p, 1080p oder 4k; die Seitenverhältnisse umfassen 16:9, 9:16 und 1:1 und eignen sich für Querformat- sowie vertikale Kurzvideo-Ausspielung.
• Natives Audio und Multi-Shot kombinierbar – Standardmäßig deaktiviertes natives Audio und intelligente Multi-Shot-Funktion können gleichzeitig aktiviert werden, um in einem Durchlauf einen Multi-Shot-Clip mit Ton zu erzeugen; bei Verwendung eines Referenzvideos stehen beide nicht zur Verfügung.

Funktionsbeschreibung

Konsistente Generierung mehrerer Subjekte: Über elements werden Subjektname, Beschreibung und 2 bis 4 Bilder desselben Subjekts definiert und im Prompt per @name aufgerufen, sodass dieselbe Figur oder dasselbe Objekt in mehreren Shots einheitlich aussieht.

Referenzvideo als Vorgabe: Ein Referenzvideo im Format MP4/MOV (maximal 200 MB, 3 bis 15,5 Sekunden) gibt Bewegung und Rhythmus vor und eignet sich für stilistische oder neu gedrehte Generierungen auf Basis vorhandenen Materials.

Steuerung von Auflösung und Seitenverhältnis: Je nach Ausspielkanal wird die Ausgabe in 720p, 1080p oder 4k gewählt und ein Seitenverhältnis von 16:9, 9:16 oder 1:1 festgelegt, was nachträgliches Zuschneiden und Transkodieren reduziert.

Natives Audio und intelligente Multi-Shot-Funktion: Mit aktiviertem audio wird synchron Ton erzeugt; mit aktiviertem prefer_multi_shots zerlegt das Modell den Prompt automatisch in mehrere Shots. Beides ist verfügbar, solange kein Referenzvideo verwendet wird.

Anpassbare Dauer und Prompt-Länge: Die Ausgabedauer lässt sich je nach Erzählbedarf auf 3 bis 15 Sekunden festlegen; der Prompt umfasst bis zu 3072 Zeichen, genug für Subjekt, Aktion und Kameraführung.

Anwendungsfälle

• Markenmarketing-Teams: Referenzbilder + Produkt-USP-Prompt – Mehransichtige Produktreferenzbilder fixieren das Aussehen; erzeugt werden Kurzvideos mit definierten Seitenverhältnis- und Auflösungsspezifikationen, die direkt für In-Feed- und Website-Ausspielung genutzt werden können.
• Social-Media-Redaktion: Charakterelemente + Hochformat-Skript – Nach Definition fester Charakterelemente werden 9:16-Kurz videos in Serie generiert, die die Figur konsistent halten und sich für die tägliche Content-Produktion eignen.
• Film- und Animationsvorproduktion: Referenzvideo + Storyboard-Prompt – Ein Referenzvideo gibt den Bewegungsrhythmus vor; ausgegeben werden Multi-Shot-Previsualisierungsclips, anhand derer Regisseure Kameradesign und Schnittpunkte bestätigen.
• E-Commerce-Content-Teams: Produktbildserien zu Video – Produktreferenzbilder werden hochgeladen und ein Seitenverhältnis von 1:1 oder 16:9 festgelegt; erzeugt werden Präsentationsvideos für Detailseiten und Produkthauptbildplätze.

Einschränkungen und Auswahlhinweise

Referenzbilder und Subjektelemente dürfen zusammen 7 nicht überschreiten; bei ergänztem Referenzvideo wird die Grenze auf 4 gesenkt, und natives Audio sowie intelligente Multi-Shot-Funktion stehen dann nicht zur Verfügung. Die Dauer pro Durchlauf ist auf 15 Sekunden begrenzt; lange Erzählungen müssen in Segmenten erzeugt und anschließend zusammengefügt werden. Referenzbilder müssen JPG/PNG sein, pro Bild höchstens 50 MB und an der kürzesten Kante mindestens 300 px; Referenzvideos sind auf MP4/MOV und 3 bis 15,5 Sekunden beschränkt. Wenn nur ein einzelnes Bild als Treiber oder eine reine Textgenerierung benötigt wird, kann der image-to-video- bzw. text-to-video-Pfad derselben Serie gewählt werden; bei speziellen Anforderungen an die Bewegungskontrolle ist motion-control zu prüfen.