Review do Kling 3.0 Turbo: som sempre ligado, sem opção silenciosa

Nossa amostra de imagem para vídeo traz uma cena em primeira pessoa: um quadro inicial com duas pessoas, animado numa corrida por um mercado noturno lotado, com o rosto e a roupa do parceiro mantidos do quadro de origem ao longo do movimento de câmera inteiro e o barulho do mercado chegando no tempo certo. Uma segunda rodada de imagem para vídeo pegou um casal numa scooter na hora dourada e manteve a moto, as jaquetas e o litoral do quadro inicial enquanto acrescentava barulho de motor, vento e risadas sincronizados com o passeio.

Em texto para vídeo, uma cena de dança na cozinha entre duas pessoas entregou música, risadas e uma panela borbulhando a partir do prompt, no mesmo arquivo da imagem — som, movimento e cenário gerados juntos em vez de sobrepostos depois. Um único prompt de ação contínua — uma corrida no telhado, um salto e uma aterrissagem — voltou como um único movimento ininterrupto, com passos e respiração acompanhando a ação, em vez de ser cortado em momentos separados.

Como o som é gerado em cada clipe, gaste parte do seu prompt no que deve ser ouvido, não só no que deve ser visto — passos, uma fala, ruído ambiente — já que o modelo não tem um campo de áudio separado para direcionar isso.

1. Um movimento em primeira pessoa por uma multidão (imagem para vídeo). O prompt por trás do nosso exemplo do mercado noturno começa assim:

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...

Experimente esse estilo no Kling 3.0 Turbo →

2. Nomear o som, não só o plano (texto para vídeo). Nossa cena de cozinha nomeou as dançarinas, o cenário e o som ambiente numa única passada, em vez de deixar a trilha sonora ao acaso:

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...

Experimente esse estilo no Kling 3.0 Turbo →

Fraco: um prompt só visual, sem nenhuma pista para diálogo, ambiente ou passos — você ainda vai ganhar uma trilha sonora, só que não guiada pelas suas palavras. Forte: nomear um som específico junto com a ação, do jeito que o prompt 2 nomeia a panela soltando vapor e o cenário da cozinha.

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, inclusive rodadas que só foram recusadas depois que um clipe inteiro tinha renderizado, 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; especificamente em imagem para vídeo, o limite fica um pouco mais baixo do que em texto — um quadro inicial em lingerie de renda transparente passou, mas um quadro inicial em camisola transparente foi recusado depois que já tinha renderizado. O L2 foi recusado em toda tentativa. 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. O teste de L5 de gore renderizou em imagem para vídeo; ainda não rodamos em texto para vídeo. 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 moda, beleza, ação e trabalhos de terror próximos de gore, o Kling 3.0 Turbo serve bem do jeito que está.

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

• A mesma geração com silêncio opcional e um conjunto de recursos maior? O Kling 3.0 acrescenta cortes em vários planos, um quadro final e um nível 4K, e deixa você desligar o áudio.
• Elenco por referência e edição de vídeo em cima disso? O Kling O3 é o nível Omni: até sete imagens de referência, uma tarefa de edição para filmagem existente e o mesmo áudio opcional e teto de 4K do Kling 3.0.
• Um irmão mais barato, silencioso por padrão, com transferência de movimento? O Kling 2.6 fixa a saída em 1080p, torna o áudio opcional em vez de obrigatório, e acrescenta uma tarefa de Motion Control que esta família não tem.
• Uma tomada única mais longa sem trilha sonora forçada? O Seedance 2.5 roda até 30 segundos a partir de um prompt de texto.