Review do Kling 2.6: som opcional, 1080p fixo, Motion Control

Nosso exemplo de Motion Control pegou uma coreografia de hip-hop originalmente dançada por um performer e a mapeou sobre um homem de terno três peças azul-marinho num loft de concreto iluminado. Os movimentos bateram com o clipe de guia passo a passo; o terno, os mocassins e o rosto dele se mantiveram da própria foto, e o fundo do loft veio da foto dele, não da filmagem de guia.

Em imagem para vídeo, um quadro inicial de uma mulher na caçamba de uma picape na hora dourada entregou uma fala — "Five more minutes, then we go." — com vento do deserto, grilos e um caminhão passando sincronizados com a fala, poeira flutuando na luz de fundo enquanto a câmera se aproximava; o único problema foi uma trilha sonora mais baixa que a imagem naquela tomada.

Em texto para vídeo, uma cena de lanchonete dos anos 1950 com quatro pessoas às 2h da manhã entregou risadas, uma jukebox e talheres tilintando sincronizados com a ação, embora quem contava a história na cabine tenha gesticulado menos do que o prompt pedia. Um plano vertical silencioso e travado, separado, de uma dançarina fazendo uma coreografia de hip-hop, voltou limpo o bastante para depois reaproveitarmos o mesmo clipe como vídeo de guia do Motion Control em duas outras famílias.

Nas tarefas de imagem e texto, nomeie o som que você quer junto com a ação — o Kling 2.6 vai gerar ambiente e diálogo quando você descrever, não só quando você sugerir. No Motion Control, o clipe de guia fornece cada tempo do movimento; a foto do personagem fornece quem está se movendo e onde, então mantenha o prompt em nomear o que é diferente, se houver algo.

1. Uma fala com o ambiente ao redor (imagem para vídeo). O prompt por trás do nosso exemplo da caçamba:

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...

Experimente esse estilo no Kling 2.6 →

2. Uma cena com várias pessoas e fontes de som nomeadas (texto para vídeo). O prompt por trás do nosso exemplo da lanchonete:

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...

Experimente esse estilo no Kling 2.6 →

Fraco: um clipe de guia com menos de cerca de 700px de largura, ou um envio de imagem salvo como WebP — os dois são rejeitados antes da geração começar. Forte: o prompt 1, que nomeia a fala, os sons específicos ao redor dela e o movimento de câmera numa única passada.

A Kling revisa cada pedido por conta própria, em três camadas — o texto do prompt, qualquer imagem enviada e o clipe pronto — e os resultados abaixo batem com o que vimos no resto da linha Kling, então essa é a moderação da própria Kling, não algo específico do nosso lado. Pedidos recusados nunca foram cobrados nos nossos testes, e nunca vimos um clipe voltar suavizado em silêncio — uma cena ou renderizou como escrita ou o pedido falhou de vez.

Nossa escala vai do L1 Sugestivo (lingerie, uma alça escorregando) passando pelo L2 Temas maduros e o L3 Forte até o L4 Intenso (uma cena íntima entre dois adultos) e o L5 Extremo, dividido num teste de contenção e impacto e num teste de gore cinematográfico. Nesta família: o L1 renderizou. O L2 foi recusado em toda tentativa que rodamos. O L3 e o L4 foram recusados em segundos, antes de um clipe sequer renderizar. Nosso teste de L5 de contenção e impacto foi recusado onde testamos, e nosso teste de L5 de gore foi recusado tanto em imagem para vídeo quanto em texto para vídeo. A única ressalva: em texto para vídeo, mandamos a mesma entrada duas vezes e ela foi recusada uma vez e renderizou uma vez — a moderação aqui tem alguma aleatoriedade, então uma única recusa não é necessariamente definitiva. O rótulo da página é Com filtro: não acrescentamos nenhum filtro de conteúdo próprio além do que esse rótulo já reflete.

Para qualquer coisa além do nível lingerie, nossas famílias Spicy foram feitas para isso — o Wan 2.2 Spicy e o Seedance 2.5 Spicy passam em degraus que esta família recusa. Para trabalhos de moda, beleza, diálogo e dança, o Kling 2.6 serve bem do jeito que está.

Só adultos, em cada prompt, imagem e clipe de guia. Uma pessoa real e identificável precisa ter consentido, e você precisa dos direitos de cada arquivo que enviar.

• A mesma geração sem áudio nativo, a uma taxa-base menor? O Kling 2.5 Turbo também sempre vem com trilha sonora, mas a um preço menor que a taxa com som do 2.6.
• Áudio opcional com cortes em vários planos e um nível 4K? O Kling 3.0 acrescenta controle de plano e folga de resolução que o 2.6 não tem.
• Elenco por referência a partir de até sete imagens, mais edição de vídeo? O Kling O3 é o nível Omni da mesma linha, com uma superfície de entrada maior que o 2.6.
• Um modelo diferente construído em torno de áudio sincronizado e diálogo? O MiniMax H3 é uma alternativa fora da Kling que vale conferir para cenas com fala e diálogo.