Kling 3.0 Turbo: audio sempre attivo, nessuna opzione silenziosa

Il nostro campione di immagine-in-video porta una scena in prima persona: un fotogramma di apertura con due persone, animato in una corsa attraverso un mercato notturno affollato, con il volto e l'abbigliamento del partner dal fotogramma sorgente mantenuti durante il movimento di camera e con il rumore del mercato che arriva al momento giusto. Una seconda esecuzione di immagine-in-video ha preso una coppia su uno scooter all'ora dorata e ha mantenuto la moto, le giacche e la costa dal fotogramma di apertura aggiungendo rumore del motore, vento e risate sincronizzati con il giro.

Su testo-in-video, una scena di danza in cucina con due persone ha consegnato musica, risate e una pentola che bolle dal prompt nello stesso file dell'immagine — audio, movimento e ambientazione generati insieme invece che sovrapposti dopo. Un prompt ad azione continua singola — uno sprint sul tetto, un salto e un atterraggio — è tornato come un unico movimento ininterrotto, con passi e respiro sincronizzati con l'azione invece di essere tagliati in battute separate.

Poiché l'audio viene generato su ogni clip, dedica parte del prompt a cosa si deve sentire, non solo a cosa si deve vedere — passi, una battuta di dialogo, rumore ambientale — dato che il modello non ha un campo audio separato con cui indirizzarlo.

1. Un movimento in prima persona attraverso una folla (immagine-in-video). Il prompt dietro il nostro esempio del mercato notturno si apre così:

First person point of view: she tightens her grip on the viewer's hand and pulls, breaking into a run through the crowded neon night market, glancing back over her shoulder and laughing. The camera is towed after her past glowing stalls...

Prova questo stile su Kling 3.0 Turbo →

2. Nominare il suono, non solo l'inquadratura (testo-in-video). La nostra scena in cucina ha nominato le ballerine, l'ambientazione e il suono ambientale in un solo passaggio invece di lasciare la colonna sonora al caso:

Late night in a small tiled kitchen lit by a warm pendant lamp. Two women in their early thirties, a couple, dance salsa between the counter and the fridge while a pot steams on the stove...

Prova questo stile su Kling 3.0 Turbo →

Debole: un prompt solo visivo senza alcun indizio per dialogo, ambiente o passi — avrai comunque una colonna sonora, solo non indirizzata dalle tue parole. Forte: nominare un suono specifico insieme all'azione, come fa il prompt 2 nominando la pentola che sbuffa vapore e l'ambientazione della cucina.

Kling esamina ogni richiesta da sé, su tre livelli — il testo del prompt, qualsiasi immagine caricata e la clip finita — e gli esiti 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, incluse esecuzioni rifiutate solo dopo che una clip completa si era resa, 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; su immagine-in-video in particolare, il confine si trova un po' più in basso che su testo — un fotogramma in lingerie di pizzo trasparente è passato, ma un fotogramma in una veste da notte trasparente è stato rifiutato dopo essersi già reso. L2 è stato rifiutato a ogni tentativo. 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. La prova gore L5 si è resa su immagine-in-video; non l'abbiamo ancora eseguita su testo-in-video. 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, azione e lavoro horror adiacente al gore, Kling 3.0 Turbo va bene così com'è.

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

• Stessa generazione con silenzio opzionale e un set di funzioni più ampio? Kling 3.0 aggiunge tagli multi-inquadratura, un fotogramma finale e un livello 4K, e lascia disattivare l'audio.
• Cast da riferimento e modifica video in più? Kling O3 è il livello Omni: fino a sette immagini di riferimento, un task di modifica per filmati esistenti, e lo stesso audio opzionale e tetto 4K di Kling 3.0.
• Una sorella più economica, silenziosa per impostazione predefinita, con trasferimento di movimento? Kling 2.6 fissa l'output a 1080p, rende l'audio opzionale invece che obbligatorio, e aggiunge un task Motion Control che questa famiglia non ha.
• Una ripresa singola più lunga senza colonna sonora forzata? Seedance 2.5 arriva fino a 30 secondi da un prompt testuale.