Kuaishous KI-Videomodell Kling 4.0 ist vollständig verfügbar und erzeugt Videos von bis zu 30 Sekunden Länge. Den größten Vorteil sucht der Hersteller aber nicht in der Länge, sondern in der Steuerung.
Kling 4.0 verdoppelt die Videolänge auf 30 Sekunden
Kuaishou hat Kling 4.0 vorgestellt, die vierte Generation seines KI-Videomodells. Die wichtigste Neuerung ist die Länge: Ein Clip läuft jetzt bis zu 30 Sekunden am Stück, doppelt so lang wie die 15 Sekunden aus Kling 3.0 vom Februar. Wer Videos aneinanderhängt, kommt nach Herstellerangaben auf rund zwei Minuten.
Die schlanke Variante Kling 4.0 Flash hatten Jahresabonnenten der höchsten Stufe schon ab dem 28. September testen können. Die Vollversion folgt im Oktober. Damit ist das Modell für alle verfügbar, nicht mehr nur für einen geschlossenen Kreis.
Beim Bildmaterial legt Kuaishou nach. Kling 4.0 liefert wahlweise 720p, 1080p oder 4K, jeweils mit 10-Bit-Farbtiefe und HDR. Der Ton kommt in Stereo und wird an die Lippenbewegungen angepasst, also mit Lippensynchronisation. Gegenüber der üblichen 8-Bit-Verarbeitung bedeutet die 10-Bit-Farbtiefe mehr Abstufungen pro Farbkanal, was vor allem bei der Nachbearbeitung hilft.
Die verlängerte Länge allein wäre wenig wert, wenn die Qualität mitten im Clip wegkippt. Genau dort liegt die eigentliche Baustelle von Kling 4.0, und darauf zielt auch die Steuerung.
Warum Kling 4.0 auf Steuerung statt auf Länge setzt
Je länger ein KI-Video läuft, desto stärker driften Gesichter, Produkte und Licht auseinander. Genau dieses Auseinanderdriften ist der Grund, warum frühere Modelle bei längeren Clips schnell unbrauchbar wurden. Kling 4.0 begegnet dem mit Schlüsselbildern. Bis zu zehn Bilder legen fest, wie einzelne Abschnitte aussehen sollen; die Bewegung dazwischen berechnet das Modell selbst. Die Fixpunkte begrenzen den Fehler auf die Strecke zwischen zwei Bildern.
Dazu kommen Referenzen aus mehreren Quellen. Pro Aufgabe lassen sich bis zu zehn Bilder, fünf Videos und sieben wiederkehrende Figuren angeben, insgesamt bis zu 15 Referenzen. In fertigen Clips tauschen Nutzer Figuren und Hintergründe aus oder ändern Wetter, Farbe und Kamerawinkel, ohne neu zu drehen.
Für Werbeagenturen ist das der praktische Kern. Wenn eine Figur über mehrere Einstellungen hinweg gleich aussehen soll, sind Schlüsselbilder und Referenzen das Werkzeug, um das zu erzwingen. Die 30 Sekunden sind dann kein Selbstzweck, sondern der Spielraum, den diese Steuerung überhaupt erst sinnvoll nutzbar macht.
Kuaishou ist mit der Verdoppelung nicht allein. ByteDance und Alibaba bieten ähnlich lange Clips seit dem Sommer an. Den Vorsprung sucht Kuaishou daher nicht bei der Länge, sondern bei der Kontrolle über das Ergebnis.
Was bringt die Länge ohne die Kontrolle? Wenig. Ein 30-Sekunden-Clip, in dem das Gesicht der Hauptfigur kippt, ist im Schnitt unbrauchbar. Genau deshalb ist die Steuerung der eigentliche Fortschritt.
Was Kling 4.0 über das Modell hinaus mitbringt
Kling ist inzwischen mehr als ein Modell. Die Kuaishou-Sparte hat im Juli 2,8 Milliarden Dollar eingesammelt, beteiligt waren unter anderem Alibaba und Baidu. Außerdem plant das Unternehmen einen Börsengang in Hongkong. Aus einem Produkt wird damit ein eigener Geschäftsbereich mit eigenen Investoren.
Für Nutzer ändert das zunächst wenig, für den Wettbewerb aber einiges. Mehr Kapital bedeutet mehr Rechenleistung und häufigere Modellwechsel. Wer Kling beruflich einsetzt, sollte mit regelmäßigen Updates rechnen und die eigenen Vorlagen nicht zu eng an eine Version binden.
In der Europäischen Union kommt eine Pflicht hinzu: Täuschend echte KI-Clips müssen nach Artikel 50 des AI Act offengelegt werden. Wer mit Kling 4.0 realistisch wirkende Videos erstellt, muss sie also als KI-Erzeugnis kennzeichnen. Das betrifft nicht das Modell selbst, sondern den Umgang mit dem Ergebnis.
Wie Kling 4.0 im Alltag hilft
Für einzelne Kurzclips ist der Sprung auf 30 Sekunden am spürbarsten. Eine Szene lässt sich in einem Durchgang erzählen, statt sie aus kurzen Stücken zusammenzusetzen. Wer Produktvideos oder kurze Werbeclips macht, spart damit den aufwendigen Teil, nämlich das Aneinanderfügen vieler kurzer Fragmente, die zuvor oft nicht sauber aneinanderpassten und deren Übergänge zusätzliche Nacharbeit erforderten.
Die Referenzsteuerung zahlt sich vor allem bei wiederkehrenden Motiven aus. Wenn dieselbe Person oder dasselbe Produkt in mehreren Einstellungen auftaucht, halten Schlüsselbilder und Referenzen das Aussehen stabiler, weil das Modell an den Fixpunkten immer wieder auf dieselbe Vorlage zurückgreifen kann. Genau hier scheiterten frühere Modelle, weil Gesichter und Gegenstände von Szene zu Szene kippten.
Bei der tatsächlichen Qualität ist Vorsicht angebracht. Die Angaben zu Bewegung, Erzählfluss und Realismus stammen vom Hersteller selbst, unabhängige Tests stehen weitgehend aus, und gerade bei langen Clips entscheidet sich, ob ein Modell über die gesamte Lauflänge stabil bleibt oder in der zweiten Hälfte sichtbar nachlässt. Ob die 30 Sekunden durchgehend stabil bleiben, zeigt sich erst in der Praxis, nicht in einer Ankündigung.
Wer Kling 4.0 ausprobieren will, findet das Modell über die Kling-Plattform, die schlanke Flash-Variante für Jahresabonnenten, die Vollversion im regulären Zugang. Für einen ersten Test lohnt sich ein kurzer Clip mit zwei oder drei Schlüsselbildern, um ein Gefühl für die Steuerung zu bekommen, denn wer die Fixpunkte einmal gesetzt hat, versteht schnell, wie stark sie den gesamten Ablauf eines Clips bestimmen und wie viel Nacharbeit sie im Nachhinein ersparen. Wer in der EU veröffentlicht, muss das Ergebnis zusätzlich als KI-Video kennzeichnen.
