Kling 3.0

Краткое описание позиционирования

kling-3.0-omni/reference-to-video — это направление в серии Kling 3.0 Omni, ориентированное на генерацию видео по референсным изображениям. Оно позволяет использовать от 1 до 7 референсных изображений (или до 7 повторно используемых субъектных элементов) в качестве визуальных опор и вместе с текстовым запросом создавать видео длительностью от 3 до 15 секунд. Поддерживаются разрешения 720p, 1080p, 4k и соотношения сторон 16:9, 9:16, 1:1, можно включить нативный звук и интеллектуальную многокадровую съёмку. Подходит разработчикам, которым нужно сохранять единообразие персонажей или объектов между кадрами и массово выпускать маркетинговые видео и видео для соцсетей.

Ключевые особенности

• Двойная привязка: несколько референсных изображений и субъектные элементы — можно передать от 1 до 7 референсных изображений или определить до 7 субъектных элементов, каждый из 2–4 изображений, и ссылаться на них в запросе через @name.
• Необязательное добавление референсного видео — поддерживается добавление 1 референсного видео длительностью от 3 до 15,5 секунды для задания движения и композиции; в этом случае общий лимит референсных изображений и субъектов сокращается до 4.
• Разрешения и форматы от вертикали до 4K — на выбор 720p, 1080p, 4k; форматы 16:9, 9:16, 1:1 подходят как для горизонтальной раздачи, так и для вертикальных коротких видео.
• Комбинируемые нативный звук и многокадровость — по умолчанию отключённые нативный звук и интеллектуальная многокадровая съёмка могут быть включены одновременно, создавая за один раз многокадровый фрагмент со звуком; при использовании референсного видео они недоступны.

Описание возможностей

Генерация с согласованностью нескольких субъектов: через elements задаются имя субъекта, описание и 2–4 изображения одного и того же субъекта, а в запросе он вызывается через @name, чтобы один и тот же персонаж или объект сохранял внешний вид в нескольких кадрах.

Ограничение референсным видео: передаётся 1 референсное видео MP4/MOV (до 200 МБ, 3–15,5 секунды) для задания движения и ритма; подходит для стилизации или пересъёмки на основе уже имеющихся материалов.

Управление разрешением и форматом: выбирайте вывод 720p, 1080p или 4k в зависимости от канала размещения и задавайте формат 16:9, 9:16, 1:1, сокращая необходимость обрезки и перекодирования на постобработке.

Нативный звук и интеллектуальная многокадровость: при включении audio звук генерируется синхронно, а при включении prefer_multi_shots модель автоматически разбивает сцену на несколько кадров по запросу; обе функции доступны, когда референсное видео не используется.

Настраиваемая длительность и длина запроса: длительность вывода от 3 до 15 секунд задаётся по потребностям повествования, а запрос может содержать до 3072 символов — достаточно, чтобы описать субъект, действия и построение кадров.

Сценарии применения

• Команды бренд-маркетинга: референсные изображения + запрос с преимуществами товара — фиксируйте внешний вид по многогранным референсным изображениям товара и создавайте ролики с заданными форматом и разрешением для прямой раздачи в лентах и на сайте.
• Ведение соцсетей: элементы персонажа + вертикальный сценарий — определив фиксированные элементы персонажа, массово генерируйте короткие видео 9:16 с единым образом для ежедневного выпуска контента.
• Предпроизводство кино и анимации: референсное видео + раскадровка — задавайте ритм движения референсным видео и получайте многокадровые превизуализации, по которым режиссёр утверждает дизайн кадров и точки монтажа.
• Команды контента для электронной коммерции: галерея изображений товара в видео — загружайте референсные изображения товара и задавайте формат 1:1 или 16:9, создавая демонстрационные видео для страниц товара и главных изображений.

Ограничения и советы по выбору

Суммарно референсных изображений и субъектных элементов должно быть не более 7; при добавлении референсного видео лимит сокращается до 4, и тогда нативный звук и интеллектуальная многокадровая съёмка недоступны. Максимальная длительность за один раз — 15 секунд, длинные повествования нужно генерировать частями и затем склеивать. Референсные изображения должны быть в формате JPG/PNG, размер одного файла — не более 50 МБ, меньшая сторона — не менее 300 px; референсное видео — только MP4/MOV длительностью 3–15,5 секунды. Если требуется генерация по одному изображению или только по тексту, можно выбрать направления image-to-video или text-to-video той же серии; при особых требованиях к управлению движением стоит рассмотреть motion-control.