Десять ключевых кадров и полминуты видео: что изменилось в генераторе Kling

Собрать связную нейросетевую сцену длиной хотя бы в десяток секунд до сих пор напоминало рулетку: персонаж терял узнаваемость на третьем шаге, траектория камеры ломалась, а склейка шотов требовала часов ручной чистки. Создатели генератора Kling открыли версию 4.0 для всех пользователей — и на этот раз они явно целились в режиссерские боли, а не просто пытались сгладить артефакты пикселей.

Главное изменение в таймлайне видно сразу: максимальный хронометраж одного дубля вырос вдвое. Если Kling 3.0 останавливался на отметке в 15 секунд, то четвертая версия тянет сцену до 30 секунд за один проход. Для рекламных раскадровок и моушн-дизайна это меняет базовую механику работы: теперь внутри одного шота можно развернуть полноценное действие с завязкой и кульминацией, не боясь внезапного обрыва генерации на середине движения.

Режиссура траекторий и плотный контекст

Вместе с хронометражем модель получила инструменты структурного контроля. В интерфейс добавили до 10 опорных ключевых кадров на одну генерацию. Теперь траекторию персонажа или движение камеры можно жестко зафиксировать в контрольных точках, распределив их по всей тридцатисекундной длине. Это превращает случайную генерацию в управляемый превиз: арт-директор задает композицию ключевых фаз, а система заполняет промежутки между ними.

Существенно расширился и объем референсов. Комбинированные сценарии теперь переваривают до 15 разнородных материалов одновременно: статичные изображения, видеофрагменты, голосовые дорожки и готовые профили персонажей. Отдельно появилась функция загрузки до пяти видео-референсов общей продолжительностью до 30 секунд. Через них модели задают пластику движения, динамику монтажа или определенный визуальный почерк. Картинку при этом разрешили сразу выводить в широкоэкранном соотношении 21:9, а готовые ролики — перерабатывать инструментами мультимодального редактирования прямо поверх исходного полотна.

В звуковом тракте произошел отказ от глухого моно в пользу полноценного стерео. Инженеры пересобрали речевой модуль: улучшили артикуляционную синхронизацию под реплики персонажей и добавили мультиязычную генерацию голоса. Для черновых драфтов это экономит часы работы в аудиоредакторе, избавляя от необходимости вручную подгонять тайминги губ под временные войсоверы.

Автоматизация без браузера

Техническая сторона релиза делает шаг навстречу студийным пайплайнам. Генератор оснастили поддержкой Model Context Protocol (MCP). Это значит, что инструмент подключается напрямую к внешним AI-агентам — например, к Claude — и позволяет управлять генерацией через диалоговые сценарии ассистентов.

Для тех, кто предпочитает автоматизацию интерфейсам браузера, разработчики выкатили CLI — интерфейс командной строки. Через обычный терминал теперь можно писать скрипты, ставить пачки задач в очередь, отслеживать статус рендера и автоматически забирать готовые файлы. Запросы из терминала расходуют стандартные кредиты аккаунта Kling. Пожалуй, именно работа через скрипты приближает инструмент к привычной студийной рендер-ферме, где человеку не нужно вручную нажимать кнопку отправки каждого промпта.

Правда, релиз оказался полным лишь отчасти: две тяжелые функции авторы оставили на потом. Полноценный публичный API для разработчиков пока закрыт, а экспорт в 10-bit HDR для разрешений 1080p и 4K обещают выкатить позже. Сама поддержка честного 4K в системе уже была, но расширенный динамический диапазон для глубокого грейдинга придется подождать.

Нас подкупило то, как последовательно сервис избавляется от статуса непредсказуемой графической игрушки. Десяток кейфреймов, стек из пятнадцати исходников и управление через терминал возвращают креатору ощущение плотного контроля над сценой. Генерация перестает быть лотереей с десятками холостых попыток и превращается в прогнозируемое производство видео.