Kling 4.0Kling 4.0
Kuaishous audiovisuelles Modell der nächsten Generation — Kling 4.0 dreht 3–30-sekündige Takes mit bis zu 4K, Stereo-Dialogen in neun Sprachen, bis zu 10 Keyframes und bis zu 15 Assets für Omni Reference. Bald auf Molyin; alle Live-Modelle lassen sich schon heute im Generator nutzen.
- Fehlgeschlagene Generierungen werden automatisch erstattet
- Credit-Pakete laufen nie ab
- Der Preis jedes Modells ist öffentlich
- Jederzeit mit einem Klick kündbar
- 3–30 s
- Clip-Länge
- Bis zu 4K
- Drei Auflösungsstufen
- 9
- Dialogsprachen
- 15
- Omni-Reference-Assets
Drei Startbeispiele, drei vollständige Prompts
Jeder der drei offiziellen Launch-Clips unten kommt mit dem vollständigen Prompt, der ihn erzeugt hat. Tippe auf Remix, um einen Prompt in den Generator zu laden und ihn heute mit einem Live-Modell auszuführen — oder halte ihn für den Start von Kling 4.0 bereit.
- Kling 4.0
- Text to video
- 28s
- 1440P
1. SZENENKONTEXT: GENAU 1 DRACHE — KEINE DUPLIKATE. Eine 30-sekündige Dark-Fantasy-Actionsequenz aus sechs Einstellungen. Ein kolossaler Drache brüllt, erhebt sich von einer Bergspitze, beschleunigt auf eine brennende Küstenstadt zu, taucht zwischen ihren Türmen hindurch und führt einen verheerenden Feuerangriff aus der Luft durch. Epischer Maßstab, sehr schnelles Tempo, Bewegungen in Echtzeit. 2. AKTIVE REFERENZEN: Diese Referenzen steuern die brennende Küstenstadt, gotische Architektur, den Hafen, den Berghorizont, bestehende Feuer, Rauchsäulen, Sturmwolken und Blitze. Ebenso steuern sie die Identität des Drachen: schwarzgraue Schuppen, rotbraune Flügelmembranen, Hörner, Rückenstacheln, vier Beine, zwei Flügel, einen langen Schwanz und die anfängliche felsige Bergspitze. 3. ORTSKARTE: Die Bergspitze überblickt die Küstenstadt. Der Hafen liegt links im Bild, die zentrale Burg geradeaus und das am dichtesten brennende Viertel rechts der Mitte. Die Bewegungsrichtung verläuft immer vom Berg zum Stadtzentrum. Die Kameras bleiben hinter, unter oder links neben dem Drachen, ohne die Bewegungsachse umzukehren. 4. ERSTES FRAME UND RÄUMLICHE ANORDNUNG: Der Drache hockt bereits auf der Bergspitze, die Flügel ausgebreitet, die Hinterbeine gedrückt, den Kopf auf die Stadt gerichtet. Sein Kiefer öffnet sich für ein einziges Brüllen. Unten flackern Feuer; zusammenhängende Rauchsäulen biegen sich im Wind, und die gesamte Sturmschicht über der Szene bewegt sich sichtbar. 5. FORMATMODUS: Sechs Einstellungen mit harten Schnitten: EINSTELLUNG 1 — 0,0–4,0 s: Brüllen und Abheben. EINSTELLUNG 2 — 4,0–9,0 s: Hochgeschwindigkeitsverfolgung Richtung Hafen. EINSTELLUNG 3 — 9,0–13,5 s: Tiefflug über das Wasser zur Stadt. EINSTELLUNG 4 — 13,5–19,0 s: erster Feuerangriff zwischen den Türmen. EINSTELLUNG 5 — 19,0–25,0 s: Bankmanöver mit Verfolgung und fegendem Feuerangriff. EINSTELLUNG 6 — 25,0–30,0 s: Der Drache steigt über die brennende Stadt auf. Die Schnitte werden durch Flügelwischer, Rauchwischer und nahe Vorbeiflüge an der Architektur motiviert. Keine Auf- und Abblendungen oder Überblendungen. 6. OPTIK: EINSTELLUNG 1: 24 mm, 74° horizontales Sichtfeld, niedrige Umgebungstotale aus der Froschperspektive. EINSTELLUNG 2: 18 mm, 90° Sichtfeld, Verfolgungsperspektive von hinten. EINSTELLUNG 3: 24 mm, 74° Sichtfeld, Verfolgungsflug knapp über dem Wasserspiegel. EINSTELLUNG 4: 28 mm, 65° Sichtfeld, Tracking auf Dachhöhe. EINSTELLUNG 5: 24 mm, 74° Sichtfeld, nahe Verfolgung von seitlich hinten. EINSTELLUNG 6: 18 mm, 90° Sichtfeld, monumentale Lufttotale. Mäßig tiefe Schärfentiefe. Starke natürliche Bewegungsunschärfe an Flügelspitzen, Wasser, Rauch, Glut und nahen Gebäuden. 7. KAMERA: Alle Kameras zeigen deutliche physische Unruhe einer Handkamera. EINSTELLUNG 1 neigt sich schnell nach oben, als der Drache abhebt; der Flügeldruck rüttelt die Kamera heftig durch. EINSTELLUNG 2 folgt 12 Meter hinter dem Schwanz, mit starkem Winddruck und schnellen vertikalen Vibrationen. EINSTELLUNG 3 rast knapp über dem Wasser hinter dem Drachen her; Wellen und brennende Boote peitschen an den Bildrändern vorbei. EINSTELLUNG 4 führt auf Dachhöhe durch die Häuserschlucht. EINSTELLUNG 5 folgt dem Drachen durch ein hartes Bankmanöver und verliert beinahe den Bildausschnitt, als die Türme gefährlich nah vorbeiziehen. EINSTELLUNG 6 verfolgt den Aufstieg und geht dann in eine weite Ansicht der verwüsteten Stadt über. Keine gleichmäßig schwebenden oder mechanisch perfekten Bewegungen. 8. HANDLUNGSTIMING: 0,0–0,8 s: Der Drache stößt ein einziges donnerndes Brüllen aus, den Hals lang gestreckt und die Augen auf die Stadt gerichtet. 0,8–2,0 s: Die Hinterbeine treiben in die Bergspitze; Krallen brechen den Fels auf. 2,0–4,0 s: Der Drache hebt ab und vollführt zwei kräftige Flügelschläge. Staub und Gestein explodieren nach hinten. 4,0–6,5 s: Harter Schnitt hinter den Drachen, der bereits mit hoher Geschwindigkeit beschleunigt. 6,5–9,0 s: Er zieht die Beine unter den Körper und stürzt sich Richtung Hafen. Rauch strömt über seine Flügel. 9,0–11,5 s: Der Drache gleitet schnell dicht über rauem Wasser. Die Flügelspitzen berühren beinahe die Wellen. 11,5–13,5 s: Er passiert brennende Schiffe und steigt über die Hafenmauer. Ein Turm wischt über das Objektiv. 13,5–15,0 s: Harter Schnitt innerhalb der Stadt. Der Drache bricht zwischen gotischen Türmen durch den Rauch. 15,0–19,0 s: Er stößt einen durchgehenden orange-weißen Feuerstrahl aus, der über die linke Dachreihe fegt, während er die volle Geschwindigkeit hält. 19,0–21,5 s: Der Drache kippt in ein hartes Rechtsbankmanöver um den zentralen Turm; der Schwanz schwingt mit verzögerter Trägheit nach. 21,5–25,0 s: Sein zusammenhängender Feuerstrahl fegt über die Avenue und trifft den rechten Turm. Brennendes Mauerwerk und Glut fallen hinter ihm herab. 25,0–27,0 s: Der Drache hört auf, Feuer zu speien, schlägt kräftig mit den Flügeln und steigt über die Dächer. 27,0–30,0 s: Er steigt ins Sturmlicht auf und gleitet über die brennende Stadt. Die Kamera zieht weit auf und zeigt sich ausbreitende Flammen, Rauchsäulen und den Hafen darunter. 9. PHYSIK: Der Drache hat trotz seines Tempos eine immense, glaubwürdige Masse. Die Flügelschläge kommen aus den Schultern; die Membranen spannen sich unter der aerodynamischen Last. Rumpf, Beine und Schwanz reagieren mit verzögerter Trägheit. Flügelwirbel reißen Lücken in den Rauch, wühlen das Wasser auf und peitschen nahe Feuer an. Feuer tritt nur aus dem offenen Maul aus, als druckgetriebener Strahl mit weißglühendem Kern, orangefarbenen turbulenten Rändern und sichtbarer Hitzeverzerrung. Gebäude entzünden sich fortschreitend an sichtbaren Einschlagpunkten. Trümmer folgen der Schwerkraft und dem Windschatten des Drachen. 10. BELEUCHTUNG: Kaltes Tageslicht des Sturms fällt von oben links ein. Bestehende Feuer liefern orangefarbenes Unterlicht unter dem Drachen. Der Feuerstrahl wird zu einem bewegten, motivierten Hauptlicht, das wandernde Glanzlichter über Schuppen, Türme und Rauch wirft. Beim letzten Aufstieg brechen Sonnenstrahlen durch die Wolken. Details im Flammenkern bewahren und die Silhouette des Drachen klar lesbar halten. 11. AUDIO: Kein Dialog. Synchronisiertes Drachenbrüllen, Krallenkratzen, Felsbruch, Donnern lederner Flügel, heftiger Wind, Wellenaufschläge, brennende Schiffe, einstürzendes Mauerwerk, Zischen der Glut und druckgetriebene Feuerstöße. Epische Originalmusik: schnelle Kriegstrommeln, ein tiefes Blechbläser-Ostinato und drängende Streicher setzen sofort ein. Ein wortloser, tiefer Chor setzt beim Abheben ein. Die Perkussion beschleunigt während der Verfolgung. Das volle Orchester setzt bei jedem Feuerangriff ein und wächst während des Aufstiegs zu einem dunklen, triumphalen Finale. Brüllen, Flügel und Feuer bleiben lauter als die Musik. 12. FIGURENREGIE: Der Drache handelt mit konzentrierter Raubtierabsicht. Seine Augen bleiben auf die Flugbahn und die aufeinanderfolgenden Gebäudeziele gerichtet. Beim Beschleunigen senkt er den Kopf, und die Schultern treiben aggressiv an. In der Stadt lenkt der Hals gezielt den Feuerstrahl, während der Schwanz jedes Bankmanöver kontrolliert. In der letzten Einstellung öffnet sich seine Brust, und die Haltung wechselt von angreifender Aggression zu Überlegenheit in der Luft. 13. STIL: Grandioses apokalyptisches Dark-Fantasy-Kino, aggressive Verfolgungsfotografie, monumentale Größe und Schlachtfeld-Energie. Anthrazit und Sturmblau machen 60 % der Palette aus, rauchbrauner Stein 30 % und Feuerorange 10 %. Verwitterte 35-mm-Filmtextur mit der Weichheit alter Fotografien, organischem Korn und ohne digitale Schärfung. 14. QUALITÄT: Konsistente Identität und Anatomie des Drachen über jeden Schnitt hinweg: ein Kopf, zwei Flügel, vier Beine und ein Schwanz. Stabile Architektur der Stadt, zusammenhängende Flügelzyklen, am Maul haftendes Feuer, volumetrischer Rauch und physikalisch zusammenhängende Zerstörung. Natürliche Bewegungsunschärfe bei hohem Tempo ohne Geisterbilder, Anatomieveränderungen oder losgelöste Flammen. 15. POSITIVE VORGABEN: Über die gesamte Sequenz bleibt genau ein Drache sichtbar. Er hebt vor 2 Sekunden ab, erreicht den Hafen bis 9 Sekunden, dringt bei 13,5 Sekunden in die Stadt ein und absolviert zwei schnelle Angriffsflüge mit Feuer, bevor er aufsteigt und davonfliegt. Jede Einstellung behält die Richtung vom Berg zur Stadt bei. Starke Kameraerschütterungen vermitteln extreme Geschwindigkeit, während der Drache lesbar bleibt. Die Stadtfeuer erzeugen fortlaufend Rauch, Wolken ziehen sichtbar über den Himmel, und neue Zerstörung entsteht nur dort, wo der zusammenhängende Feuerstrahl einschlägt.
- Kling 4.0
- Text to video
- 15s
- 1080P
SZENENKONTEXT: GENAU 3 EINZIGARTIGE MENSCHLICHE FIGUREN IM GESAMTEN VIDEO: Drei Personen befinden sich in einer hellen, sauberen, fiktiven Touristeninformation einer Stadt. Die Farbtöne bleiben durchgehend konsistent. Die Touristin steht links, der Dolmetscher in der Mitte und der Mitarbeiter der Touristeninformation rechts. Auf dem Informationstresen liegen ein Stadtplan und ein Routendiagramm. Hintergrundtext und Kartenbeschriftungen müssen unscharf und unlesbar sein. Es dürfen keine echten Marken, Organisationsnamen, Logos oder Wasserzeichen erscheinen. HANDLUNGSTIMING: 0–3 Sekunden: Halbtotale aller drei Personen. Die spanische Touristin sieht den Dolmetscher in der Mitte an, hebt die Karte in ihrer Hand und spricht in natürlichem, klarem, etwas langsamem Spanisch: „¿Dónde está la estación de metro más cercana?“ Nachdem sie gesprochen hat, folgt eine Pause von etwa 0,5 Sekunden. Der Dolmetscher wendet sich an den Mitarbeiter der Touristeninformation und übersetzt ins Chinesische: „她想知道最近的地铁站在哪里。“ 3–7 Sekunden: Schnitt auf den Dolmetscher und den Mitarbeiter der Touristeninformation. Der Mitarbeiter sieht auf die Karte (keine Nahaufnahme der Karte verwenden) und antwortet in natürlichem, klarem Chinesisch: „沿这条路直走，步行大约五分钟就能到。“ Nachdem der Mitarbeiter gesprochen hat, folgt eine Pause von etwa 0,5 Sekunden. Der Dolmetscher bestätigt sein Verständnis und wendet sich der Touristin zu. 7–11 Sekunden: Der Dolmetscher übersetzt die Antwort des Mitarbeiters in natürliches, klares, etwas langsames Spanisch: „La estación de metro está a unos cinco minutos a pie. Siga recto por esta calle.“ Während er spricht, zeigt der Dolmetscher auf die Route auf der Karte, und die Touristin betrachtet sie aufmerksam. 11–15 Sekunden: Zurück zu einer Halbtotale aller drei Personen. Nachdem sie die Wegbeschreibung verstanden hat, lächelt die spanische Touristin, nickt und sagt auf Spanisch: „Muchas gracias.“ Alle drei behalten bis zum Szenenende eine natürliche Serviceinteraktion bei. AUDIO: - Die spanische Touristin spricht ausschließlich Spanisch. - Der chinesische Mitarbeiter der Touristeninformation spricht ausschließlich Chinesisch. - Der chinesische Dolmetscher spricht zuerst Chinesisch, dann Spanisch. - Jede Person hat eine unverwechselbare Stimme. - Wenn eine Person spricht, schweigen die anderen. Keine Unterbrechungen oder überlappenden Dialoge. - Alle Dialoge müssen klar verständlich sein, und die Lippenbewegungen sind mit der jeweiligen Sprache synchronisiert. - Die spanische Aussprache muss natürlich sein und dem Standardspanischen entsprechen, ohne englischen Akzent. - Die Sprechweise ist etwas langsam, mit natürlichen Pausen zwischen den Sätzen. - Behalte leise Umgebungsgeräusche einer Touristeninformation bei. Füge keine Hintergrundmusik hinzu. Die Umgebungsgeräusche dürfen den Dialog nicht übertönen. KAMERA: Beginne mit einer Halbtotale aller drei Personen, um ihre räumliche Beziehung zueinander zu etablieren. Wenn die Touristin spricht, Schnitt auf eine Zweieransicht von Touristin und Dolmetscher. Wenn der Dolmetscher die Frage weitergibt, Schnitt auf Dolmetscher und Mitarbeiter. Während der Antwort des Mitarbeiters eine Nahaufnahme der Kartenroute einbeziehen. Wenn der Dolmetscher ins Spanische übersetzt, zurück zu einer Zweieransicht von Dolmetscher und Touristin. Ende mit einer Halbtotale aller drei Personen. Positionen, Blickachsen und Kleidung der Figuren bleiben durchgehend konsistent. Figuren nicht abrupt ersetzen oder ihre räumlichen Beziehungen verändern. STIL: Realistischer, natürlicher, professioneller Dokumentarstil einer Reiseberatung. Helle, saubere Beleuchtung, natürliche Gesichtsausdrücke und zurückhaltende Bewegungen. Die Szene soll wie eine authentische Begegnung an einem Flughafen oder in einer städtischen Touristeninformation wirken.
- Kling 4.0
- Reference to video
- 15s
- 720P
1. SZENENKONTEXT: GENAU 1 MENSCHLICHE FIGUR — KEINE DUPLIKATE. Eine Frau präsentiert begeistert die kurze schwarze Kling-Steppjacke, die sie in einem minimalistischen Mode-Showroom trägt. Die Frau hält warmen, selbstbewussten Blickkontakt zur Kamera, während sie den Kragen, das Brustlogo, die Steppverarbeitung, die kurze Silhouette und die Taschen demonstriert. Eine einzige durchgehende vertikale 15-Sekunden-Modeaufnahme. 2. AKTIVE REFERENZEN: @Bild1 steuert die exakte Identität der Frau, glattes braunes Haar, blaue Augen, kleine Ohrringe, die kurze schwarze Kling-Steppjacke, den hohen Kragen, silbernen Reißverschluss, weißes Brustlogo, Steppfelder, elastische Ärmelbündchen, Seitentaschen, lockere blaue Jeans, schwarzen Gürtel, Kleiderständer im Showroom, Fenster und die vertikale Komposition. Jedes Detail exakt bewahren. 3. ORTSKARTE: Die Frau bleibt mittig zwischen zwei Kleiderständern. Der linke Ständer bleibt hinten links im Bild, der zweite Ständer hinten rechts, und das große Fenster bleibt rechts im Bild. Die Kamera bleibt direkt vor ihr und bewegt sich nur leicht zu ihrer linken Seite. 4. ERSTES FRAME UND RÄUMLICHE ANORDNUNG: Die Komposition der Referenz übernehmen. Die Frau steht entspannt in Dreiviertelansicht, beide Arme ruhen natürlich am Körper. Die vollständige Jacke, die Taille, der Gürtel und der obere Teil der Jeans bleiben sichtbar. Ihr Kopf dreht sich zur Kamera, und ihre Augen fixieren natürlich das Objektiv. 5. FORMATMODUS: Eine einzige ununterbrochene vertikale 15-Sekunden-Aufnahme in 9:16. Keine Schnitte, Auf- oder Abblendungen, Überblendungen, Geschwindigkeitsrampen, Garderobenwechsel, Ortswechsel oder wiederholten Posen. 6. OPTIK: 50-mm-Objektiv mit 40° horizontalem Sichtfeld (Kleinbildäquivalent). Der mittlere Bildausschnitt im Modestil hält ihre Augen, ihren Gesichtsausdruck, Kragen, Logo, Reißverschluss, Ärmel, Saum, Taschen und Taille lesbar. Eine mäßige Schärfentiefe trennt sie sanft von den Kleiderständern. 7. KAMERA: Eine Person steht etwa zweieinhalb Meter entfernt und führt die Kamera auf Brusthöhe in einem langsamen handgeführten Bogen von weniger als einem Meter im Uhrzeigersinn. Atembewegungen, kleine Schritte, leichtes Rollen und verzögertes Nachführen bleiben sichtbar. Die Kamera wird nie mechanisch stabilisiert und schneidet den Jackensaum nie ab. 8. HANDLUNGSTIMING: 0,0–2,0 s: Die Frau nimmt Blickkontakt zum Objektiv auf, holt leicht erwartungsvoll Atem und lächelt aufrichtig und einladend. 2,0–5,5 s: Während sie ihren Satz beginnt, berührt sie den formstabilen Kragen und folgt mit den Fingerspitzen dem Reißverschluss nach unten, den Blick weiterhin auf das Objektiv gerichtet. 5,5–8,5 s: Ihre Stimme wird lebhafter, während ihre Hand neben dem weißen KLING-Logo verharrt und ihre freie Hand sich zu einer kleinen ausdrucksvollen Geste öffnet. 8,5–11,5 s: Jetzt dreht sie sich in ein Dreiviertel-Seitenprofil, schiebt beide Hände in die Taschen und blickt mit einem selbstbewussten Lächeln zurück zum Objektiv. 11,5–15,0 s: Dann wendet sie sich wieder nach vorn, entspannt die Schultern und beendet die Präsentation mit leuchtenden Augen und einem warmen, zufriedenen Ausdruck. 9. PHYSIK: Die gepolsterte Jacke gibt unter ihren Fingerspitzen natürlich nach und erholt sich wieder. Die Steppfelder behalten ein konstantes Volumen. Die Ärmel beugen und falten sich an den Ellbogen, während der kurze Saum sich bei ihrer Drehung verschiebt und sich unter der Schwerkraft wieder setzt. Haar und Ohrringe reagieren mit einer kleinen verzögerten Bewegung. 10. BELEUCHTUNG: Weiches Tageslicht vom großen Fenster rechts im Bild ist die einzige motivierte Hauptlichtquelle. Es erzeugt zurückhaltende Glanzlichter auf ihren Augen, Haaren, dem schwarzen Stoff, dem silbernen Reißverschluss und ihren Wangenknochen, während Details in den Steppfeldern erhalten bleiben. Schienenstrahler an der Decke bleiben dezente Lichtquellen im Hintergrund. 11. AUDIO: Mehrschichtige Showroom-Atmosphäre: leiser Raumton, ferne Lüftung, sanftes Rascheln der Jacke, Kontakt des Reißverschlusses, Bewegung der Jeans und zurückhaltende Schritte. Mit einer aufrichtigen, emotionalen englischen Stimme sagt sie: „I honestly love this Kling jacket—the cropped fit feels so confident, and it goes with everything.“ Beginne mit warmer Wertschätzung, betone „love“ und „confident“ und schließe mit einem hörbaren Lächeln. Ihre Lippen, ihr Atem, ihr Ausdruck und ihre Gesten am Kleidungsstück sind exakt auf den Satz abgestimmt. Nur SFX, keine Musik, keine Filmmusik, kein Song, kein Soundtrack. 12. FIGURENREGIE: Die Frau spricht wie jemand, der aufrichtig begeistert davon ist, wie sich die Jacke anfühlt. Ihr Blick bleibt am Objektiv, mit lebendigen Glanzlichtern und unregelmäßigen, natürlichen Lidschlägen. Ihre Augenbrauen heben sich bei „love“ leicht, ihre Wangen heben sich bei „confident“, und ihr abschließendes Lächeln erreicht beide Augen. Während sie spricht, blickt sie nie auf das Kleidungsstück herab; ihre Hände finden jedes Detail natürlich durch Berührung. INNEN, UNGESAGT: „This feels completely like me.“ 13. STIL: Minimalistischer, zeitgenössischer Modecontent, eingefangen von einem unperfekten Menschen mit Kamera. Deutlich handgeführte Nähe, Weichheit alter Fotografien, organisches Filmkorn, zurückhaltender Kontrast, natürliche Stofftextur, sanfte Lichthöfe vom Fenster und keine digitale Schärfung. Farbbalance: 60 % Schwarz und Anthrazit, 25 % kühle weiße Showroom-Töne, 15 % verwaschenes blaues Denim und natürliche Haut. 14. QUALITÄT: Identität, Augenfarbe, Frisur, Ohrringe, Jackengeometrie, Steppfelder, Kragen, Reißverschluss, Ärmelbündchen, Taschen, Jeans und Gürtel der Frau bleiben konsistent. Die weiße KLING-Wortmarke bleibt korrekt geschrieben, stabil und an derselben Brustposition angebracht. Augen, Lippen, Hände, Finger, Ärmel und Stofffalten bleiben anatomisch stimmig. 15. POSITIVE VORGABEN: Genau eine Frau trägt während der gesamten Aufnahme genau eine schwarze Kling-Jacke. Beim Sprechen hält sie direkten Blickkontakt zum Objektiv und blickt während der Seitenpose zurück zum Objektiv. Zu hören ist genau eine emotionale englische Passage; dazu kommt eine durchgehende Präsentation des Kleidungsstücks. Die Jacke bleibt vollständig zugezogen, und ihr Logo bleibt in den frontalen Momenten sichtbar. Füge keine zweite Person, keinen Kleidungswechsel, keine Untertitel, keinen Preis, kein Werbe-Overlay, keine Spiegelung, keine Musik und keine Laufstegbewegung hinzu. Eine flache, emotionslose Darbietung, ein wandernder Blick, eine fehlerhafte Wortmarke, eine sich ändernde Jackenlänge, ein zusätzliches Körperglied oder Stoff, der durch ihren Körper dringt, bedeuten eine fehlgeschlagene Aufnahme.
Ein Video, zwei Fotos, ein völlig neuer Take
Kamerabewegungs-Referenz: Das eingegebene Video liefert nur seine Kamerafahrten und sein Schnitttempo, ein Foto liefert das neue Motiv, ein weiteres den Schauplatz. Kling 4.0 überträgt die Kameraführung auf eine völlig andere Szene.
Der Prompt
Verwende @Video1 als Referenz für Kamerabewegungen und Schnitttempo. Ersetze das Element durch das Auto aus @Bild1 und den Hintergrund durch @Bild2.
Was ist Kling 4.0?
Kling 4.0 ist Kuaishous audiovisuelles Videomodell der nächsten Generation — die Engine hinter Kling AI, angekündigt am 28. September 2026 und am 15. Oktober vollständig veröffentlicht. Eine einzelne Generierung ist jetzt 3 bis 30 Sekunden lang, in Ein-Sekunden-Schritten, wahlweise in 720p, 1080p oder 4K und in vier Seitenverhältnissen plus einem Auto-Modus, der deinem ersten Frame folgt. Der Ton entsteht nativ: Zweikanal-Stereo mit verbesserter Lippensynchronisation, dazu gesprochene Dialoge in neun Sprachen — Chinesisch, Englisch, Japanisch, Koreanisch, Spanisch, Portugiesisch, Deutsch, Französisch und Hindi — mit authentischen Dialekten und Akzenten von Kantonesisch und Sichuanesisch bis britischem und indischem Englisch.
Die Kontrolle reicht weit über ein Textfeld hinaus. Keyframes fixieren bis zu zehn Standbilder entlang der Zeitachse; Omni Reference setzt eine Szene aus bis zu 15 Assets zusammen — zehn Bilder, fünf Videos mit insgesamt 30 Sekunden, sieben Elemente und drei Stimmprofile; eine Kamerabewegungs-Referenz überträgt die Kameraführung eines Videos auf ein neues Motiv, wie das Beispiel oben zeigt; und ein Videobearbeitungsmodus überarbeitet bis zu fünf Clips mit insgesamt 30 Sekunden. Prompts können bis zu 8.000 Token lang sein, und eine Flash-Stufe verzichtet für mehr Tempo auf Keyframes und höhere Auflösungen: 720p-Clips bis 20 Sekunden.
Zum Start landet Kling 4.0 auf Molyin, im selben KI-Videogenerator wie jedes andere Modell, das wir hosten — ein Prompt-Feld, ein Credit-Guthaben. Bis dahin lässt sich jedes Beispiel auf dieser Seite per Remix auf die bereits live verfügbaren Modelle übertragen; die Zahlen stehen auf der Preisseite.
Kling 4.0 vs. Seedance 2.5
Seedance 2.5 ist heute live auf Molyin; Kling 4.0 folgt zum Start. Beide teilen sich dann ein Prompt-Feld und ein Credit-Guthaben — hier stehen ihre Datenblätter im direkten Vergleich, damit du weißt, welchen Prompt du wo einsetzt.
| Merkmal | Kling 4.0 | Seedance 2.5 |
|---|---|---|
| Dauer | 3–30 s in Ein-Sekunden-Schritten (Standard 10 s) | 4–30 s, stufenloser Regler |
| Auflösung | 720p · 1080p · 4K | 480p · 720p · 1080p (10-bit) |
| Seitenverhältnisse | 21:9 · 16:9 · 1:1 · 9:16 · Auto | 6 — 16:9 bis 21:9 |
| Audio | Natives Stereo + verbesserte Lippensynchronisation — Dialoge in 9 Sprachen mit Dialekten | Stimme + SFX + Musik in einem Durchgang; Lippensynchronisation in 11 Sprachen |
| Referenzen | Omni Reference — bis zu 15 Assets, plus 10 Keyframes | Bis zu 50 multimodale Assets — 30 Bilder, 10 Videos, 10 Audios |
| Videobearbeitung | Integriert — bis zu 5 Clips, insgesamt 30 s | Video-Edit- und Extend-Modelle — Verlängerungen um 4–30 s |
| Preis auf Molyin | Wird zum Start bekannt gegeben | 25 / 56 / 100 Credits/s (480p / 720p / 1080p) |
| Am stärksten bei | Lange Multi-Shot-Sequenzen mit Dialog, keyframe-gesteuerte Verläufe, Kamerabewegungs-Referenzen | Heute verfügbar — 480p-Entwürfe, 10-bit-1080p-Master, riesige Referenzstapel |
Die Kling-4.0-Spezifikationen stammen aus Kuaishous offizieller Ankündigung; die Seedance-2.5-Preise sind die aktuellen Ausführungspreise auf Molyin.
Kling 4.0 vs. Modelle live auf Molyin
| Modell | Positionierung | Veröffentlichungsdatum | Auf Molyin |
|---|---|---|---|
| Kling 4.0 | Kuaishous nächste Generation — 30-s-Takes, 10 Keyframes, Omni Reference | 15. Okt. 2026 (allgemeine Verfügbarkeit) | Bald verfügbar |
| LTX 2.5 | Lightricks’ Open-Weights-Modell — native Multi-Shot + 4K HDR | 11. Aug. 2026 (Open Weights) | Live — oben generieren |
| Seedance 2.5 | ByteDances Flaggschiff — 30-s-Takes, Sekunde für Sekunde inszeniert | 7. Aug. 2026 (API) | Live — oben generieren |
| FLUX 3 | Black Forest Labs — Storyboard-Keyframes + Take-Fortsetzung | 7. Aug. 2026 (Video-API) | Live — oben generieren |
| Wan 3.0 | Alibabas All-in-One-Modell, Takes bis 30 s | 6. Aug. 2026 | Live — oben generieren |
| MiniMax H3 | Omnimodales Flaggschiff, natives 2K + Stereo | 31. Juli 2026 · Open Weights angekündigt | Live — oben generieren |
| HappyHorse | Ausdrucksstarke Generierung + instruktionsbasiertes Video-Editing | Juni 2026 (1.1) | Live — oben generieren |
| Seedance-2.0-Familie | Standard-/Fast-/Mini-Arbeitspferde, bis 4K | Apr. 2026 (API) | Live — oben generieren |
| Kling 3.0 | Natives Audio in 5 Sprachen + Element-Referenzen, bis 4K | 4. Feb. 2026 | Live — oben generieren |
| Veo 3.1 | Googles filmisches Modell mit Audio | Okt. 2025 | Live — oben generieren |
Ein Abo, ein Credit-Guthaben — jedes oben verfügbare Modell ist enthalten.
Kling 4.0 — vollständige Spezifikationen
| Parameter | Wert | Hinweise |
|---|---|---|
| Modell | Kling 4.0 — Kuaishous audiovisuelles Modell der nächsten Generation | Das Modell hinter Kling AI, angekündigt am 28. September 2026 und vollständig veröffentlicht am 15. Oktober. |
| Modellstufen | Kling 4.0 und Kling 4.0 Flash | Flash rendert 720p-Clips bis 20 Sekunden und verzichtet auf die Steuerung über erstes bzw. letztes Frame sowie mehrere Keyframes. |
| Generierungsmodi | Text / Bild / Omni Reference / Keyframes zu Video, plus Videobearbeitung | Ein Modell deckt Generierung von Grund auf, Animation von Standbildern, Referenzkomposition und Bearbeitung bestehender Clips ab. |
| Auflösungsstufen | 720P / 1080P / 4K | 720p für Entwürfe, 1080p für die Auslieferung, 4K für Master. |
| Clip-Länge | 3–30 s | Ein-Sekunden-Schritte, standardmäßig 10 Sekunden — das Drachenbeispiel oben ist eine einzelne 30-Sekunden-Generierung. |
| Seitenverhältnisse | 21:9 · 16:9 · 1:1 · 9:16 · Auto | Auto folgt dem Seitenverhältnis des ersten Frames, wenn Keyframe-Bilder bereitgestellt werden. |
| Keyframes | Bis zu 10 — nur Bild-Eingaben | Fixiere Standbilder entlang der Zeitachse, um den Bewegungsverlauf zu inszenieren; Keyframes lassen sich nicht mit Omni Reference in einer Generierung kombinieren. |
| Omni Reference | Bis zu 15 Referenz-Assets | 10 Bilder (je ≤30 MB), 5 Videos mit insgesamt ≤30 s, 7 Elemente inklusive 3 Video-Elementen und 3 Stimmprofile mit 5–30 s. |
| Audio | Natives Stereo + verbesserte Lippensynchronisation | Zweikanal-Ton entsteht zusammen mit dem Bild; Dialoge sind in der zugewiesenen Sprache lippensynchron. |
| Dialogsprachen | 9 — Chinesisch · Englisch · Japanisch · Koreanisch · Spanisch · Portugiesisch · Deutsch · Französisch · Hindi | Dazu Dialekte und Akzente: Kantonesisch, Sichuanesisch, Beijing-, Taiwan- und Nordost-Mandarin; amerikanisches, britisches und indisches Englisch. |
| Prompt-Länge | Bis zu 8.000 Token | Platz für Shotlisten, Timing-Beats und Negativvorgaben — alle drei Beispiele auf dieser Seite nutzen diesen Spielraum. |
| Videobearbeitung | Bis zu 5 Clips, insgesamt ≤30 s | Überarbeite vorhandenes Material mit einer Anweisung, statt von Grund auf neu zu generieren. |
| Angekündigt, noch nicht verfügbar | 10-bit HDR (1080p/4K) · Verlängerungen bis 2 Minuten | Beides steht auf Kuaishous offizieller Roadmap für Kling 4.0, war aber nicht Teil der Startversion. |
Die Spezifikationen folgen Kuaishous offizieller Kling-4.0-Ankündigung; zum Start bilden sie die Live-Konfiguration von Molyin ab.
So generierst du mit Kling 4.0
In drei Schritten von der Idee zum fertigen Take
Modell und Modus wählen
Text zu Video von Grund auf, ein Standbild animieren, aus Referenzen komponieren oder einen bestehenden Clip bearbeiten.
Den Prompt schreiben
Gib jeder Referenz eine klare Aufgabe: @Bild1 hält die Identität, @Video1 liefert die Kamerafahrt. Teile lange Takes in Timing-Beats auf und formuliere klar, was nicht passieren darf, wie in den Beispielen auf dieser Seite.
Generieren und exportieren
Wähle Auflösung, Länge und Seitenverhältnis, sieh dir die Vorschau direkt an und lade dann die Originaldatei herunter.
Die Formel des fünfteiligen Briefings
Kling 4.0 belohnt Regieanweisungen: Szene, Aktion, Referenzen, Kamera, Audio und Vorgaben, in dieser Reihenfolge. Der vollständige Guide zerlegt das Regie-Briefing mit fünfzehn Blöcken und ergänzt 16 ausgearbeitete Beispiele.
[Szene] + [Aktion] + optional [Referenzen] [Kamera] [Audio] [Vorgaben]
Szene
Wo und wann die Einstellung spielt — und welche visuelle Stimmung sie trägt.
Aktion
Was das Motiv tut, in welcher Reihenfolge, mit Körperteilen und Tempo.
Referenzen
Die Assets, die Identität, Produkt oder Schauplatz festlegen: @Image1, @Video1, @Audio1.
Kamera
Bildausschnitt, Objektiv, Kamerapfad und Tempo. Eine Kamerabewegung pro Einstellung.
Audio
Dialog, Atmosphäre, SFX und Musik. Standardmäßig Stereo.
Vorgaben
Was fest bleiben muss — und die seltene negative Anweisung, die sich zu schreiben lohnt.
Kling 4.0 FAQ
Was Creator über Kuaishous Videomodell der nächsten Generation wissen wollen, bevor es auf Molyin eintrifft.
Starte noch heute mit Molyin
Melde dich kostenlos an und verwandle deine erste Idee in Minuten in ein filmisches Video.