Kling 4.0 берёт до 15 референсов на одну генерацию

23 октября вышла видеомодель Kling 4.0 от Kling AI. Её режим Omni Reference принимает в одну задачу до 15 референсов, и это могут быть изображения, видео, персонажи или голоса. Один ролик длится до 30 секунд и держит до 10 ключевых кадров. Через эти кадры модель проводит сцену, будь то сложное окружение или подвижный персонаж.

Анонс и два первых теста модели опубликованы в Threads. Kling AI говорит, что Kling 4.0 создавали ради более управляемой и последовательной генерации видео. Модель делает Kuaishou, владелец приложения коротких видео Kwai.

Для первого теста автор поста взял промпт «Киберпанк-робот-хакер работает перед множеством мониторов». Камера в ролике переходит от общего плана к крупным планам механических рук робота и к экранам, на которых бежит код. По словам автора, облик робота от ракурса к ракурсу не меняется, и как раз это связывает эпизод в одно целое.

Во втором тесте того же робота отправили на ночную улицу. Промпт звучал так: «Тот же робот идёт по дождливой неоновой улице ночью, останавливается, смотрит в камеру и говорит: "Доступ разрешён"». Броня осталась чёрной и металлической, глаза по-прежнему светятся красным. Синхронная речь в роликах Kling появилась ещё в версии 2.6, которая вышла в декабре 2025 года. Здесь реплика уже звучит в сцене, куда героя перенесли из другой генерации.

Автор пишет, что Omni Reference интересно проверять именно на этом: персонажа можно увести из одной сцены в другую и не собирать его внешность заново. Он советует брать чёткий кадр из первой генерации как референс, а потом по порядку описывать новое окружение и действия героя.