Длина ролика и цельность сцены — разные задачи. Kling 4.0 даёт больше режиссёрского контроля, а логика всё ещё зависит от подготовки: нужно задать персонажей, пространство, направление движения и ключевые моменты.

Kling 4.0 переносит сборку сцены до генерации

Хронометраж — не единственное изменение. Kuaishou описывает обновление через реализм, контроль и качество для профессиональной работы. В модель можно загрузить до 15 референсных материалов и задать до 10 ключевых кадров — изображений, которые фиксируют важные моменты будущего видео.

Kuaishou называет три направления обновления: реализм, контроль и профессиональное качество.

Компания отдельно говорит об устойчивом движении в экшене и сложной работе камеры. Сцену можно заранее разложить по опорным точкам: кто в кадре, где находится, куда движется и как меняется план. Промежутки между точками заполнит модель.

Раньше для ролика на полминуты часто приходилось генерировать несколько коротких фрагментов, а потом сводить их в монтажке. Теперь можно подготовить референсы и раскадровку заранее и попросить модель собрать непрерывный фрагмент. Ручных стыков меньше, зато до генерации придётся точнее продумать сцену.

Что задать до генерации

  • Зафиксируйте персонажей и локации референсами, чтобы модель опиралась на одни и те же образы.
  • Разбейте действие на ключевые моменты и используйте кейфреймы для важных изменений сцены.
  • Опишите географию кадра: где находится каждый персонаж, куда он движется и что остаётся на фоне.
  • Если персонажи должны быть разного масштаба, задайте дистанцию и композицию, а не ограничивайтесь словами «огромный» или «маленький».

Так вы дадите модели меньше поводов додумывать пространство за вас. Для рекламы, клипа или короткой истории я бы начал с одного сложного перехода и проверил, сохраняются ли направление движения, масштаб и форма локации.

30 секунд не означают, что доступны все обещанные форматы

В официальном сообщении Kuaishou подтверждены генерация до 30 секунд, до 15 референсов и до 10 кейфреймов. В исходном обзоре 4K, формат 21:9, продление видео до двух минут и API отмечены как функции, которые появятся позже. Пока их нельзя считать доступными.

Для продакшна это конкретное ограничение: планируйте работу вокруг подтверждённого 30-секундного ролика, а не будущих функций. Если проекту нужны 4K или нестандартное кадрирование, заранее проверьте настройки в своём интерфейсе.

В том же дайджесте важны голос и локальная генерация

Параллельно xAI выпустила Grok Voice 3.0 — модель для голосового диалога. Она принимает речь и отвечает речью в реальном времени. В оценке Artificial Analysis, которую приводит xAI, модель набрала 86,9 в Speech-to-Speech Index и 97% в Full Duplex Bench. Последний тест проверяет паузы, смену очереди и реакцию на перебивания. Результаты относятся к конкретной проверочной среде и не обещают такого же качества в каждом звонке.

Для голосовых агентов важен и технический переход. По документации xAI, к API можно подключаться через WebSocket и передавать аудио и текст в обе стороны. Если в системе задан grok-voice-latest, он автоматически переключился на новую версию; старый grok-voice-2.0 отмечен как устаревший. Уже работающий голосовой сценарий стоит прогнать заново — особенно перебивания, паузы и восстановление после ошибки распознавания.

Black Forest Labs тоже представила FLUX 3 Image Klein — модель генерации и редактирования изображений с открытыми весами. В исходном материале указаны 5,6 млрд параметров, до 10 референсов, редактирование по выделенной области и генерация вплоть до 4K. Стартовая цена API — $0,009 за изображение 1K. Разработчик также описывает запуск облегчённой INT8-версии на GPU с 8 ГБ VRAM.

У FLUX Klein есть отдельные условия лицензии. В исходном материале указана FLUX Kommunity License и бесплатное коммерческое использование для компаний с годовой выручкой ниже $5 млн. Более крупным организациям нужна коммерческая лицензия или API. Перед запуском в рабочий процесс сверьте условия лицензии именно той версии, которую собираетесь использовать.

Перед генерацией соберите раскадровку

Kling 4.0 сокращает возню со склейкой, но режиссура остаётся на вас. До теста решите, какие референсы зафиксируют персонажей и места, какие кейфреймы удержат ход действия и где зрителю важно понять расстояние между объектами. Потом проверьте не только красивые кадры, но и переходы между ними.

Работы до генерации становится больше, зато ролик можно собирать из меньшего числа отдельных кусков. Начните с одного прохода и внимательно проверьте, как сцена ведёт себя между ключевыми кадрами.

Мои видео и тесты генеративных моделей собраны в работах

Источники

Kling AI Officially Launches Next-Generation Kling 4.0 — Kuaishou Technology

Introducing Grok Voice 3.0 — xAI

Speech to Speech — Grok API Documentation

FLUX 3 Image Klein — Black Forest Labs on Hugging Face

Источникnote.com