Kling 3.0 startet weltweit mit 4K-Video, nativem Audio und Multi-Shot-Generierung
Kuaishou hat Kling 3.0 weltweit ausgerollt, nachdem es am 4. Februar erstmals angekündigt wurde. Das Update bringt native 4K/HDR-Ausgabe, synchronisiertes Audio mit Lippensynchronisation, Multi-Shot-Erzählung und eine Bewegungssteuerung, mit der du Bewegung aus einem Video extrahierst und auf völlig andere Figuren überträgst.
Überblick über die neuen Fähigkeiten von Kling 3.0
4K mit nativem Audio
Kling 3.0 erzeugt Video in 4K-Auflösung (3840x2160) mit 30 FPS direkt aus dem Diffusionsprozess. Es gibt kein nachträgliches Hochskalieren. Die Audio-Generierung steckt im selben Forward Pass, inklusive lippensynchroner Dialoge in fünf Sprachen: Englisch, Chinesisch, Japanisch, Koreanisch und Spanisch. Frühere Versionen brauchten separate Schritte für Vertonung und Audio-Sync. Das entfällt jetzt.
Mehrteilige Erzählsequenzen
Das herausragende Feature ist die Multi-Shot-Generierung. Du erzeugst in einer Sitzung eine Folge von bis zu 6 zusammenhängenden Einstellungen, wobei das Modell Figurenkonsistenz, Licht und räumliche Kontinuität über die Schnitte hinweg hält. Jede Einstellung darf bis zu 15 Sekunden lang sein.
Das zielt direkt auf narrative Kurzformate. Statt einzelne Clips zu erzeugen und sie zusammenzusetzen (und dabei mit der unvermeidlichen Figurendrift zwischen Generierungen zu kämpfen), beschreibst du eine Sequenz und bekommst Einstellungen zurück, die aussehen, als gehörten sie in dieselbe Szene.
Bewegungssteuerung und -übertragung
Kling 3.0 kann Bewegung aus einem Referenzvideo extrahieren und auf neue Figuren anwenden. Du nimmst eine Tanzsequenz, eine Kampfchoreografie oder eine bestimmte Geste aus einem Video und überträgst sie auf eine generierte Figur. Das Modell bringt einen Motion Brush für Kontrolle auf Frame-Ebene mit sowie 6-Achsen-Kamerasteuerung für präzise Bildkomposition.
Außerdem gibt es eine @-Syntax beim Prompten, mit der du bestimmte Figuren oder Elemente namentlich referenzierst. Hast du eine Figur in einer Generierung etabliert, rufst du sie in späteren Prompts wieder auf.
Genauer Blick darauf, was Kling 3.0 für KI-Video verändert
Der 7-in-1-Editor
Kling 3.0 kommt mit dem, was Kuaishou einen "7-in-1-Multimodal-Editor" nennt. Er bündelt Text-zu-Video, Bild-zu-Video, Video-zu-Video, Bewegungsübertragung, Lippensynchronisation, Verlängern und Retake in einem Arbeitsbereich. Ziel ist es, die zerstückelte Toolchain loszuwerden, die KI-Videoproduktion sonst verlangt, wo du für Generierung, Vertonung, Farbangleich und Schnittmontage getrennte Werkzeuge bräuchtest.
Der Vergleich
Kling 3.0 konkurriert direkt mit OpenAIs Sora 2 Pro und Googles Veo 3.1. Auf dem Papier hat Kling den Auflösungsvorteil (natives 4K gegen Soras 1080p) und den Preisvorteil (0,07-0,14 USD pro Sekunde gegen Soras 0,10-0,50 USD). Dazu kommt ein großzügiges Gratiskontingent von 66 Credits pro Tag, während Sora gar keins hat.
Sora 2 liegt bei der Physiksimulation weiter vorn und wirkt bei Lichtbrechung, Fluiddynamik und Kollisionsphysik überzeugender. Auch bei der reinen Bildqualität schneidet es im direkten Vergleich besser ab. Der praktische Rat der meisten Tester lautet, beide zu nutzen und pro Einstellung das bessere Ergebnis zu nehmen.
Für Spieleentwickler sind Multi-Shot-Generierung und Bewegungsübertragung die spannendsten Funktionen von Kling 3.0. Eine zusammenhängende Folge filmischer Einstellungen mit passenden Figuren und gleichbleibendem Licht über Schnitte hinweg zu erzeugen, lässt sich direkt auf Trailer-Produktion und Cutscene-Prototypen anwenden.