Kling 2.6: audio opzionale, 1080p fisso, Motion Control

Il nostro esempio Motion Control ha preso una coreografia hip-hop originariamente ballata da un interprete e l'ha mappata su un uomo in abito blu navy a tre pezzi in piedi in un loft di cemento luminoso. I movimenti hanno corrisposto alla clip guida passo per passo; il suo abito, i mocassini e il volto sono rimasti dalla sua stessa foto, e lo sfondo del loft veniva dalla sua immagine invece che dal filmato guida.

Su immagine-in-video, un fotogramma di apertura con una donna sul cassone di un pickup all'ora dorata ha consegnato una battuta parlata — "Five more minutes, then we go." — con vento del deserto, grilli e un camion che passa sincronizzati con la pronuncia, polvere che si muove nel controluce mentre la camera si avvicinava; l'unico problema è stata una colonna sonora più bassa dell'immagine in quella presa.

Su testo-in-video, una scena da diner anni '50 con quattro persone alle 2 del mattino ha consegnato risate, un jukebox e posate che tintinnano sincronizzati con l'azione, anche se chi raccontava la storia nel separé ha gesticolato meno di quanto chiesto dal prompt. Un'inquadratura verticale separata, silenziosa e bloccata, di una ballerina che esegue una coreografia hip-hop è tornata abbastanza pulita da essere poi riusata come video guida di Motion Control per altre due famiglie.

Per i task immagine e testo, nomina il suono che vuoi insieme all'azione — Kling 2.6 genererà ambiente e dialogo quando lo descrivi, non solo quando lo lasci intendere. Per Motion Control, la clip guida fornisce ogni battuta del movimento; la foto di personaggio fornisce chi si muove e dove, quindi mantieni il prompt limitato a nominare cosa è diverso, se qualcosa lo è.

1. Una battuta parlata con il suo contesto (immagine-in-video). Il prompt dietro il nostro esempio al cassone:

She lowers the bottle, swings her boots against the tailgate, then turns her head into the low sun with a half smile and says, "Five more minutes, then we go." Dust drifts through the golden backlight while the camera slowly pushes in...

Prova questo stile su Kling 2.6 →

2. Una scena con più persone e fonti sonore nominate (testo-in-video). Il prompt dietro il nostro esempio da diner:

A 1950s-style American diner at 2 a.m., a neon sign buzzing in the window. Four friends in their thirties, two women and two men, squeeze into a red vinyl booth over milkshakes and fries. The man at the end tells a story with big hand gestures...

Prova questo stile su Kling 2.6 →

Debole: una clip guida più stretta di circa 700 px, o un'immagine caricata salvata come WebP — entrambe vengono respinte prima che inizi la generazione. Forte: il prompt 1, che nomina la battuta di dialogo, i suoni specifici intorno a essa e il movimento di camera in un solo passaggio.

Kling esamina ogni richiesta da sé, su tre livelli — il testo del prompt, qualsiasi immagine caricata e la clip finita — e i risultati qui sotto corrispondono a quanto visto sul resto della linea Kling, quindi è la moderazione propria di Kling e non qualcosa di specifico per noi. Le richieste rifiutate non sono mai state addebitate nei nostri test, e non abbiamo mai visto una clip tornare attenuata di nascosto — una scena o si è resa come scritta o la richiesta è fallita apertamente.

Le nostre esecuzioni della scala vanno da L1 Allusivo (lingerie, una spallina che scivola) attraverso L2 Parziale e L3 Forte fino a L4 Intenso (una scena intima tra due adulti) e L5 Estremo, diviso in una prova di restrizioni e impact e una prova di gore cinematografico. Su questa famiglia: L1 si è reso. L2 è stato rifiutato a ogni tentativo eseguito. L3 e L4 sono stati rifiutati allo stadio del prompt o del caricamento, prima che una clip si rendesse mai. La nostra prova L5 restrizioni e impact è stata rifiutata dove l'abbiamo testata, e la nostra prova gore L5 è stata rifiutata sia su immagine-in-video sia su testo-in-video. L'unica sfumatura: su testo-in-video, abbiamo inviato lo stesso input due volte ed è stato rifiutato una volta e reso una volta — la moderazione qui ha un po' di casualità, quindi un singolo rifiuto non è necessariamente definitivo. L'etichetta della pagina è Filtrato: non aggiungiamo alcun filtro di contenuto nostro oltre a quanto quell'etichetta già riflette.

Per qualsiasi cosa oltre il livello lingerie, le nostre famiglie Spicy sono costruite per questo — Wan 2.2 Spicy e Seedance 2.5 Spicy superano entrambi gradini che questa famiglia rifiuta. Per moda, beauty, dialogo e lavoro di danza, Kling 2.6 va bene così com'è.

Solo adulti, in ogni prompt, immagine e clip guida. Una persona reale e riconoscibile deve aver dato il consenso, e devi avere i diritti su ogni file che carichi.

• Stessa generazione senza audio nativo, a una tariffa base più bassa? Kling 2.5 Turbo spedisce anche sempre con una colonna sonora, ma a un prezzo più basso della tariffa con audio di 2.6.
• Audio opzionale con tagli multi-inquadratura e un livello 4K? Kling 3.0 aggiunge controllo delle inquadrature e margine di risoluzione che 2.6 non ha.
• Cast da riferimento fino a sette immagini, più modifica video? Kling O3 è il livello Omni della stessa linea, con una superficie di input più ampia di 2.6.
• Un modello diverso costruito intorno ad audio sincronizzato e dialogo? MiniMax H3 è un'alternativa non-Kling da considerare per scene parlate e di dialogo.