Kling 4.0: סאונד סטריאו, lip sync רב-לשוני ומודל Flash קל יותר – אבל בלי פער ממשי מהמתחרים

חברת Kling AI השיקה את גרסה 4.0 של מחולל הווידאו שלה. החידושים העיקריים הם רזולוציה גבוהה יותר, שליטה מדויקת יותר בתוצאה, סאונד סטריאו ו-lip sync (סנכרון תנועות שפתיים לדיבור) ביותר מעשר שפות. לצד המודל הראשי מגיעה גרסת Flash מהירה וזולה יותר. לפי החברה, העדכון אמור לסגור את הפער בין וידאו שנוצר ב-AI לבין וידאו מקצועי. בפועל, בהשוואה שפרסם אתר The Decoder מול שני מתחרים סיניים, Kling 4.0 לא מתרחק מהם.

יותר אורך, יותר שליטה

המגבלה הבולטת של מחוללי וידאו הייתה עד היום אורך הקטע ומידת השליטה בו, ובשני התחומים האלה הגרסה החדשה מתקדמת. אפשר לייצר עד 30 שניות וידאו בהרצה אחת, והמערכת מקבלת עד עשר תמונות keyframe (תמונות מפתח שקובעות איך הסצנה נראית בנקודות מסוימות). כך המשתמש יכול לקבע מעברי סצנה, את מצב הדמויות ואת נקודות הציון בעלילה. גם החלון להבנת הפרומפט הורחב, ל-8,000 טוקנים.

מערכת "Omni Reference" המשודרגת מקבלת עד 15 נכסי ייחוס ביצירה אחת, לפי החברה: עד 10 תמונות, עד 5 סרטונים באורך כולל של עד 30 שניות, ו-7 אלמנטים. אפשר להשתמש כחומר ייחוס בסטוריבורדים, בשרטוטי wireframe, ברשתות תמונות, בסרטוני "white-model" ובסרטוני מפות עומק.

יכולת נוספת, "Creative Recreation", מאפשרת לקחת סרטון קיים כתבנית ולהחליף בו מוצרים או דמויות. החברה מציינת שאפשר לשנות רכיבים בודדים, כמו הבעות פנים, תנועות גוף, זוויות מצלמה או רקע, בלי לפגוע בשאר הקליפ. ככל הנראה זו יכולת שמכוונת בעיקר לשוק הפרסום והשיווק, שבו מתאימים את אותו קריאייטיב לגרסאות רבות.

סאונד, שפות ומודל Flash

Kling 4.0 מוסיף סאונד סטריאו דו-ערוצי ו-lip sync משופר ביותר מעשר שפות, ביניהן גרמנית, אנגלית, יפנית, קוריאנית וספרדית, וגם בניבים ובמבטאים שונים. עברית אינה מוזכרת בין השפות שפורטו. יצירת טקסט בתוך הווידאו עובדת עכשיו בכמה שפות ונשארת יציבה גם בזמן תנועות מצלמה.

חלק מהיכולות עדיין לא זמינות. פלט HDR ב-10 ביט ברזולוציות 4K ו-1080p, ופונקציה להארכת קליפים עד שתי דקות, מסומנים אצל Kling AI כ"בקרוב".

גרסת Kling 4.0 Flash נועדה ליצירה מהירה יותר בעלות נמוכה יותר, אבל היא מוגבלת לרזולוציית 720p ולעד 20 שניות וידאו. ממשק היצירה עוצב מחדש, ואפשר כעת לגשת למודל דרך MCP (פרוטוקול לחיבור כלים לסוכני AI) ודרך CLI (שורת הפקודה). כך אפשר לבנות תהליכי עבודה אוטומטיים עם סוכני AI. תמחור ה-API של Kling 4.0 טרם פורסם, והתמיכה בו מסומנת גם היא כ"בקרוב".

האם הקצב מאט?

The Decoder פרסם סרטון שמשווה את Kling 4.0 ל-Wan 3.0 ול-Seedance 2.5, שני מודלים של מתחרות סיניות. לפי הערכת האתר, Kling 4.0 עומד בתחרות אבל לא עוקף אותם, במיוחד ברצף לוגי של שוטים, בפיזיקה ובדיאלוג שנשמע טבעי. לדברי האתר, זה עשוי להיות סימן מוקדם לכך שקצב ההתקדמות המהיר של מודלי הווידאו מתחיל להתייצב, אף שהגרסאות הבאות של Wan ו-Seedance יאפשרו להבין זאת טוב יותר.

המשמעות ככל הנראה כפולה. מבחינה מסחרית, Kling 4.0 הוא שדרוג ממשי: קטעים ארוכים יותר, שליטה רבה יותר וגישה אוטומטית דרך סוכנים הם בדיוק מה שאולפנים וסוכנויות צריכים כדי לשלב וידאו AI בעבודה יומיומית. מבחינה טכנולוגית, אם המודלים המובילים מתכנסים לרמה דומה, התחרות עשויה לעבור מאיכות התמונה עצמה לכלים, לממשקים ולמחיר. בתמחור ה-API, לפחות, Kling עדיין לא חשפה את הקלפים.