Kling 3.0

Présentation

kling-3.0/image-to-video est la voie image-vers-vidéo de la série Kling 3.0 : à partir d'une première image, ou de deux images statiques (première et dernière), le modèle génère une séquence animée cohérente, produite sous forme de vidéo. Il confie le point de départ visuel à l'image et le mouvement ainsi que le style à un prompt facultatif ; il prend en charge des durées de 3 à 15 secondes, des résolutions de 720p à 4K, et peut générer à la demande des effets sonores synchronisés et un ambiance sonore. Il convient aux développeurs disposant déjà d'une composition d'image ou d'images clés de storyboard définies et souhaitant les transformer en plans lisibles, pour des publicités courtes, des vidéos sociales et la prévisualisation cinématographique, entre autres.

Points clés

• Deux modes de contrôle : première image seule ou paire première/dernière image — vous pouvez fournir 1 image comme première image, ou 2 images ordonnées « première image, dernière image » pour contraindre le point de départ et le point d'arrivée, donnant au mouvement de caméra une destination précise.
• Durée et résolution ajustables par plan — une génération prend en charge de 3 à 15 secondes et trois paliers de résolution (720p, 1080p, 4K), adaptés à divers impératifs de livraison, de l'aperçu vertical au rendu haute définition.
• Génération facultative d'effets sonores synchronisés — en activant l'audio natif, une seule génération produit des effets sonores et un ambiance synchronisés avec l'image, ce qui élimine l'étape supplémentaire d'alignement audio-vidéo.

Description des capacités

Génération de mouvement pilotée par l'image : la première image (ou la paire première/dernière) sert d'ancrage visuel, tandis qu'un prompt facultatif contrôle la direction du mouvement et le style visuel, produisant un plan continu étendu à partir d'une image statique.

Spécifications de sortie maîtrisables : la durée est spécifiée dans l'intervalle de 3 à 15 secondes, la résolution se choisit dans une liste énumérée, permettant d'arbitrer entre qualité et coût selon l'importance du plan.

Contrôle de transition entre première et dernière image : lorsque la première et la dernière image sont fournies, le modèle organise le mouvement intermédiaire entre les deux images, ce qui convient aux plans de transition nécessitant une composition de début et de fin précise.

Sortie audio facultative : activez à la demande les effets sonores synchronisés pour obtenir un fichier vidéo avec ambiance sonore ; laissez désactivé si le son n'est pas nécessaire, pour un flux plus léger.

Cas d'usage

• Animation d'images clés existantes pour les équipes publicitaires et de marque — utiliser l'image finalisée de la maquette comme première image pour générer un plan court, produire des éléments directement diffusables et réduire les coûts d'itération liés à la génération depuis zéro puis à la sélection.
• Transformation d'images produit en vidéos de présentation pour l'e-commerce — prendre l'image principale ou une image de mise en scène du produit comme première image, produire quelques secondes de présentation animée pour les emplacements vidéo des pages de détail et des fils d'actualité.
• Prévisualisation de storyboard en amont pour le cinéma et l'animation — utiliser des images de storyboard comme contraintes de première et dernière image pour encadrer le début et la fin du plan, obtenir rapidement un extrait de prévisualisation du mouvement, afin que réalisateurs et artistes confirment le rythme avant la production finale.
• Production sociale verticale en série — à partir de contenus texte-image existants, générer en série des plans avec un style et une durée uniformes pour alimenter la mise à jour quotidienne sur plusieurs canaux.

Limites et conseils de choix

L'entrée doit comporter au moins une image comme première image ; il n'est pas possible de créer une vidéo à partir de zéro uniquement avec du texte. Pour une génération purement texte-vers-vidéo, il faut choisir la voie text-to-video de la même série. La durée maximale d'une génération est de 15 secondes ; une narration longue nécessite une génération par segments puis un assemblage ; la durée du résultat, la résolution et l'activation ou non de l'audio influent sur la facturation. L'audio natif met l'accent sur les effets sonores et l'ambiance ; les plans de dialogue avec répliques et synchronisation labiale ne doivent pas dépendre de cette voie.