Kling 2.5 Turbo im Test: 1080p-Clips mit eingebackenem Ton

Bei Bild-zu-Video kam ein Startbild einer Frau im schwarzen Kleid mitten in einer Drehung, mit einem Prompt, der einen Sturm aus zerberstendem Glas und eine langsame Kameraumkreisung verlangte, mit der Drehung, dem hängenden Glas und Regentropfen sowie der Umkreisung zurück — das Standbild lieferte nur ihre Pose und Garderobe, alles andere kam aus dem Text. Ein Breakdancer-Startbild mit einem Prompt für eine Windmühlendrehung in einen Einhand-Freeze, unter von Pink zu Cyan stroboskopierendem Neon, verfolgte die gesamte Bewegung mit einer tief kreisenden Kamera und übertrug den Farbwechsel, obwohl das Ausgangsfoto weder das Stroboskopieren noch die Bewegung zeigte.

Bei Text-zu-Video lieferte ein aus dem Nichts geschriebener Prompt für zwei Reiterinnen, die bei Sonnenaufgang durch die Brandung galoppieren, eine niedrige Verfolgungsaufnahme, die mit beiden Reiterinnen Schritt hielt, wobei Hufschläge und Gischt automatisch auf der Tonspur ankamen. Ein zweiter Prompt für zwei Männer, die auf Fahrrädern eine steile Kopfsteinpflasterstraße in Lissabon hinunterrasen, geschrieben, um sie als „a couple" zu beschreiben, wirkte auf dem Bildschirm trotzdem eher wie zwei rasende Freunde als wie ein Paar — die Verfolgungsaufnahme und Körpersprache im Render zählten mehr als die Bezeichnung im Prompt.

Kling 2.5 Turbo reagiert gut auf einen Prompt, der eine einzelne durchgehende Kamerabewegung benennt und die Tonspur dem folgen lässt, was auf dem Bildschirm passiert, statt Ton direkt zu beschreiben.

1. Eine Drehung mit einer Kameraumkreisung, aus einem Startbild.

She spins through the storm of shattering glass, the black dress flaring out in a wide circle, shards and raindrops hanging in slow motion around her, then she stops and lifts her chin toward the light. The camera orbits slowly around her.

Diesen Prompt auf Kling 2.5 Turbo ausführen →

2. Eine geschriebene Szene mit angedeutetem Ton, ohne separate Audio-Anweisung.

Sunrise on a wide empty beach. A man and a woman in their thirties gallop two horses side by side through the shallow surf, spray exploding under the hooves, her hair and his open linen shirt streaming in the wind; they glance at each other.

Diesen Prompt auf Kling 2.5 Turbo ausführen →

Schwach: „make a cool video with music." Ohne benannte Kamerabewegung oder physisches Ereignis hat das Modell nichts, woran es Bewegung oder Ton verankern kann. Stark: Prompt 1 — ein Kameraverhalten (die Umkreisung), ein physisches Ereignis (das Glas und die Regentropfen) und ein klarer Schlussbeat (das Anheben des Kinns).

Kling prüft jede Anfrage selbst, in drei Schichten: dem Prompt-Text, jedem hochgeladenen Bild und dem fertigen Clip. Stufe für Stufe: L1 Andeutung rendierte bei Text-zu-Video in beiden Läufen, doch die Grenze von Bild-zu-Video liegt niedriger — beide Startbilder, die wir probierten, ein durchsichtiges Negligé und schwarze durchsichtige Spitzenwäsche, wurden abgelehnt, nachdem der Clip bereits gerendert hatte. L2 Teilweise wurde bei jedem Versuch, auf beiden Aufgaben, abgelehnt: bei Bild-zu-Video schon beim Upload, bei Text-zu-Video erst nach vollständigem Rendern (nach etwa zwei bzw. fünf Minuten). L3 Stark haben wir nur bei Bild-zu-Video getestet; dort wurde das Startbild nach etwa zehn Sekunden abgelehnt. L4 Intensiv und die L5-Extrem-Probe für Fesselung und Schlagspiele haben wir bei dieser Familie nicht laufen lassen; die einzige L5-Extrem-Gewaltprobe, die wir bei Bild-zu-Video schickten, rendierte. Es gibt bei dieser Familie nirgends ein stilles Abschwächen: Ein Clip kommt entweder exakt wie geschrieben zurück, oder die Anfrage schlägt ganz fehl, ohne Berechnung in beiden Fällen. Das Seitenlabel ist Gefiltert: Das ist Klings eigene Prüfung, kein Filter, den wir hinzufügen.

Noch nicht getestet: L3 Stark bei Text-zu-Video; L4 Intensiv und die L5-Extrem-Probe für Fesselung und Schlagspiele auf beiden Aufgaben; die Gewaltprobe bei Text-zu-Video; Zwei-Frauen- oder Zwei-Männer-Szenen oberhalb von L1 Andeutung.

Für alles jenseits von Dessous-Niveau ist eine unserer Spicy-Familien — etwa Wan 2.2 Spicy oder MiniMax H3 — der bessere Weg. Nur Erwachsene, in jedem Prompt und jedem Startbild. Eine echte, erkennbare Person muss eingewilligt haben, und Sie brauchen die Rechte an jedem animierten Foto.

In einer Diskussion über Physik und Bewegungsqualität rund um den Marktstart des Modells im September 2025 schrieb ein Kommentator auf Hacker News, dass „Kling 2.5 is already pretty good at physics", in einem Thread über ein konkurrierendes Videomodell — eine Einschätzung, die zu den Glassturm- und Windmühlendreh-Clips in unseren eigenen Tests passt, wo die im Prompt beschriebene physische Bewegung mit wenig Drift durchkam.

• Dieselbe Linie, günstiger und mit Auflösungswahl? Kling 2.1 startet bei $0,035 pro Sekunde bei 720p, stumm, ohne erzwungene Tonspur. Unser Kling-2.1-Test.
• Ton nur, wenn Sie danach fragen? Kling 2.6 startet ab $0,069 pro Sekunde und lässt generate_audio standardmäßig aus. Unser Kling-2.6-Test.
• Multi-Shot-Sequenzen und ein längerer Einzelclip? Kling 3.0 läuft bis zu 15 Sekunden mit mehreren Schnitten in einem Render. Unser Kling-3.0-Test.
• Inhalte jenseits von Dessous-Niveau, bei Video? MiniMax H3 startet ab $0,037 pro Sekunde mit einer deutlich längeren Inhaltsleiter.