Kling 3.0 stellt die neueste Generation des von Kling AI eingeführten KI-Modells zur Videoerstellung dar. Dieses Modell umfasst vier Varianten: Video 3.0, Video 3.0 Omni, Image 3.0 und Image 3.0 Omni. Die wichtigste Neuerung ist der Übergang von der einfachen Generierung einzelner Aufnahmen zu einem szenenstrukturierten Workflow, der es Kreativen ermöglicht, Videos wesentlich präziser zu planen, zu generieren und zu bearbeiten.
Das Modell unterstützt eine Videolänge von 3 bis 15 Sekunden, Ausgabeauflösungen von 720p und 1080p (bei den Bildmodellen bis zu 4K) sowie die Generierung mit oder ohne Ton. Diese Parameter definieren bereits während der Generierung aktiv das Tempo, den Rhythmus und die Erzählstruktur.
Szenenbasierte Generierung mit mehreren Aufnahmen
Eine der wichtigsten Änderungen in Kling 3.0 ist die Einführung einer durch Szenen definierten Generierung mehrerer Aufnahmen. Ein Video kann aus 2 bis 6 Szenen bestehen, wobei die Kreativen explizit beschreiben, was in jeder Szene geschieht, und jedem Segment eine bestimmte Dauer zuweisen. Dieser Ansatz gibt den Kreativen direkte Kontrolle darüber, wie sich das Video entwickelt, einschließlich der Reihenfolge der Aufnahmen, der Übergänge und der narrativen Schlüsselpunkte. Szenengrenzen bieten einen klaren strukturellen Rahmen, durch den sich die Ausgaben von Kling 3.0 leichter gestalten, iterieren und in reale Produktionsworkflows integrieren lassen.
Das Modell Video 3.0 Omni ergänzt eine Storyboard-Funktion für mehrere Aufnahmen, mit der sich Dauer, Einstellungsgröße, Perspektive, Handlung und Kamerabewegungen für jede einzelne Aufnahme festlegen lassen. Es unterstützt außerdem dynamische Kamerawinkel wie Schuss-Gegenschuss oder Cross-Cutting mit fließenden Übergängen.
Kontrolle über Anfangs- und Endbild
Kling 3.0 führt die Kontrolle über Anfangs- und Endbild ein, eine Funktion, die in der vorherigen Version Kling 2.6 nicht verfügbar war und die kreative Flexibilität erheblich erweitert. Kreative können sowohl das Anfangs- als auch das Endbild der Generierung definieren oder das Modell nur durch das Endbild einschränken, um die Entwicklung der Bewegung zu steuern.
Dadurch lassen sich Szenen auf ein präzises visuelles Ergebnis ausrichten, generierte Aufnahmen an vorhandenes Material anpassen oder die Kontinuität zwischen Aufnahmen aufrechterhalten, ohne ganze Sequenzen neu generieren zu müssen. Bei iterativen Workflows reduzieren Einschränkungen auf Einzelbildebene die Zufälligkeit und geben den Kreativen eine besser vorhersehbare Kontrolle über das Bewegungsverhalten.
Elemente und Objektverwaltung
Eine weitere zentrale Funktion von Kling 3.0 ist die Möglichkeit, einer Szene Elemente wie zusätzliche Figuren, Produkte oder Objekte hinzuzufügen und ihre Präsenz sowie ihr Verhalten im gesamten Video konsistent zu halten. In Kombination mit der verbesserten Figurenreferenz und Objektkonsistenz können Kreative so mit mehreren Subjekten arbeiten und dabei Identität, Proportionen und räumliche Beziehungen über Szenen und Zeit hinweg bewahren. Dies ist besonders wichtig für Markeninhalte, Produktstorytelling und figurenzentrierte Geschichten, bei denen Kontinuität entscheidend ist.
Physikalisch korrektes Kameraverhalten
Kling 3.0 legt großen Wert auf physikalisch gesteuerte Bewegung und verbessert die Art und Weise, wie Schwerkraft, Trägheit und Interaktionen mit der Umgebung sowohl die Bewegung von Objekten als auch das Verhalten der Kamera beeinflussen. Die Bewegung bleibt über die Zeit kohärent, selbst in Szenen mit Interaktionen, Zusammenstößen oder komplexen Bewegungsabläufen. Dadurch ist Kling 3.0 besonders effektiv bei Kamerabewegungen, einschließlich Schwenks, Kamerafahrten und Enthüllungen, sowie bei Szenen, in denen das physikalische Verhalten natürlich wirken muss. Das Modell zeichnet sich durch filmische Kamerabewegungen, Makroaufnahmen und Produktvisualisierungen aus.
Synchronisierter Ton
Kling 3.0 unterstützt die Videogenerierung mit oder ohne Ton, wobei der Ton als vollwertiger Bestandteil der Szene konzipiert ist. Wenn der Ton aktiviert ist, werden Bewegung und Audio gemeinsam generiert, wobei auf feine Details wie Mikrogeräusche, atmosphärische Klangtexturen und subtile akustische Hinweise geachtet wird, die physische Interaktionen, Timing und räumliche Präsenz verstärken.
Das Modell bietet Lippensynchronisation, vorerst auf Englisch und Unterstützung für bis zu 2 eigene Stimmen. Dieses Maß an Audiotreue ermöglicht es, Tempo, Rhythmus und Erzählfluss bereits in frühen Iterationen zu bewerten, und unterstützt ein breites Spektrum an Anwendungsfällen.
Bearbeitung und Generierung als kontinuierlicher Workflow
Ein prägendes Merkmal von Kling 3.0 ist die Konvergenz von Generierung und Bearbeitung. Szenen können nach der ersten Generierung erweitert, angepasst und verbessert werden, einschließlich Änderungen an Szenenlänge, Bildausschnitt, Bewegungsverhalten und Elementen, ohne dass der Prozess neu gestartet werden muss.
Auf der Plattform Higgsfield werden mit Kling generierte Aufnahmen zu bearbeitbarem Material, das durch Motion Design, Typografie, Übergänge und Timing-Anpassungen gestaltet werden kann. So kann sich die kreative Absicht weiterentwickeln, ohne die Kontinuität zu beeinträchtigen.
Wofür eignet sich Kling 3.0 am besten?
Kling 3.0 erzielt die beste Leistung in Szenarien, in denen Struktur, Realismus und Konsistenz entscheidend sind. Es zeichnet sich bei Kamerabewegungen aus, bei denen kontrollierte Schwenks, Kamerafahrten und Enthüllungen von einer stabilen Bewegungslogik und der szenenbasierten Generierung profitieren. Makroaufnahmen sind eine weitere Stärke, da detaillierte Bildausschnitte stabile Texturen, Beleuchtung und feine Bewegungsdetails erfordern, wodurch sich Kling 3.0 gut für Produktvisualisierungen und Materialstudien eignet. Sein physikalisch gesteuertes Verhalten unterstützt Szenen mit Bewegungen, Zusammenstößen und Interaktionen mit der Umgebung, bei denen eine glaubwürdige Bewegung im zeitlichen Verlauf wichtiger ist als isolierte visuelle Momente.
Audiogesteuerte Inhalte profitieren von der flexiblen Tonerzeugung, die es Kreativen ermöglicht, Rhythmus und Tempo bereits frühzeitig zu prototypisieren oder den Ton später hinzuzufügen. Bei Figurenreferenzen und langfristiger Konsistenz bewahrt Kling 3.0 die Identität über verschiedene Szenen und Laufzeiten hinweg und unterstützt so figurenbasierte Erzählungen, Markenmaskottchen und wiederkehrende visuelle Systeme.
Kling 3.0 ist mit exklusivem Vorabzugang für Ultra-Abonnenten verfügbar und wird schrittweise für die Öffentlichkeit eingeführt. Das Modell ist auf Plattformen wie Higgsfield in Bearbeitungsworkflows integriert und wird dort Teil eines Systems, in dem generative Videos reale kreative Prozesse unterstützen und Iterationen durch Designentscheidungen statt durch wiederholte Neugenerierung ermöglichen.
