Videomodell · Kuaishou ·
Die neueste Version ist Kling Video v4Kling Video v3 ist ein Video-Modell von Kuaishou. In Endless kostet es ab 39 Credits pro Video und ist verfügbar in jedem Plan.
Nutze es, um aus einem Prompt oder einem Bild ein Video zu machen, neben allen anderen Modellen in deinem Workspace.
Ab 39 Credits pro Video
Kling 3.0 reagiert am besten auf Prompts, die wie Regieanweisungen für eine Szene geschrieben sind. Kuaishous Handbuch und fals Prompting-Guide beschreiben beide ein Modell, das Filmsprache versteht: Einstellungsgrößen, Kamerabewegung, Coverage und Tempo. Eine Liste visueller Merkmale bringt weniger als eine Beschreibung dessen, was passiert, in welcher Reihenfolge und wie sich die Kamera dabei verhält.
Eine Struktur, die für die meisten Clips funktioniert:
[Ort und Licht]. [Hauptsubjekt, einmal und klar beschrieben].
[Handlung, in der Reihenfolge, in der sie passiert]. [Kamera: Bildausschnitt und Bewegung].
[Ton: Atmosphäre, Effekte, Musik, Dialog].
Definiere die Hauptsubjekte gleich am Anfang und beschreibe sie danach mit denselben Worten. Wenn sie im ersten Satz „die Frau mit dem roten Schal“ ist, nenn sie weiter so. Ändert sich das Label mittendrin, fällt es dem Modell schwerer, die Figur konsistent zu halten.
Beschreibe Bewegung ausdrücklich, sowohl die des Subjekts als auch die der Kamera. Begriffe wie folgen, begleiten, umkreisen, heranfahren, zurückziehen, nach oben neigen, schwenken und ruhig stehen bleiben funktionieren alle. Bei langen Einstellungen legst du das Verhältnis zwischen Kamera und Subjekt fest: „Die Kamera folgt ihr in halbnaher Einstellung und hält an, wenn sie anhält.“ Kuaishous eigene Beispiele für lange Einstellungen sind genau so geschrieben.
Clips dauern 3 bis 15 Sekunden. Längere Dauern funktionieren, wenn der Prompt eine Entwicklung beschreibt: was zuerst passiert, was sich in der Mitte ändert und wo die Einstellung endet. Ein 15-Sekunden-Prompt mit nur einer Handlung wirkt meist zäh; gib ihm zwei oder drei Beats.
Kling 3.0 kann innerhalb einer Generierung zwischen Einstellungen schneiden. Beschrifte jede Einstellung und gib ihr einen Bildausschnitt, ein Subjekt und eine Bewegung: „Einstellung 1, Totale von... Einstellung 2, Nahaufnahme von...“. fals Guide erwähnt Storyboards mit bis zu sechs Einstellungen. Kuaishou weist darauf hin, dass sich das Modell anpassen kann, wenn eine Szene als einzelne Einstellung besser funktioniert. Halte die Beschreibung des Subjekts in allen Einstellungen identisch, damit in jeder dieselbe Figur auftaucht.
Natives Audio ist standardmäßig aktiviert und lässt sich ausschalten. Ist es an, schreib die Klanglandschaft in den Prompt: Atmosphäre, physische Geräusche, Musik. Für Dialoge empfehlen die Guides:
[Leitender Ermittler] und [Verdächtiger]. Vermeide Pronomen.Kuaishou nennt Sprache auf Chinesisch, Englisch, Japanisch, Koreanisch und Spanisch, wobei Figuren in derselben Szene die Sprache wechseln können, und sagt, dass andere Sprachen ins Englische übersetzt werden. Akzente und Dialekte kannst du anfordern, indem du sie benennst, zum Beispiel „mit indischem Akzent“ oder „auf Kantonesisch“. Die Modellkarte bei fal ergänzt, dass englische Sprache am besten kleingeschrieben wird, Großbuchstaben nur für Abkürzungen und Eigennamen.
Bei einem Startbild ist das Bild der Ausgangspunkt. Beschreibe, wie sich die Szene daraus entwickelt: was sich bewegt, wie sich die Kamera bewegt und was sich in der Umgebung ändert. Das Bild musst du nicht noch einmal beschreiben. Kuaishou sagt, dass das Modell Text aus dem Ausgangsbild beibehält, etwa Schilder, Beschriftungen und Logos, was bei Produktshots hilft. Du kannst auch ein letztes Frame festlegen, damit der Clip dort endet, wo du es geplant hast; beschreibe den Weg zwischen den beiden Bildern.
Auch Text im Bild funktioniert über den Prompt. Setz die genauen Worte in Anführungszeichen, zum Beispiel ein Etikett mit „NOIR 9“.
Häng ein Referenzvideo für die Bewegung zusammen mit dem Bild einer Figur an, und die Bewegung aus dem Video wird auf die Figur im Bild übertragen. Der Prompt ist hier optional und dient vor allem dazu, Ort oder Stil zu beschreiben. Die fal-Modellkarte verlangt ein Figurenbild mit klaren Körperproportionen und ohne Verdeckungen, das mehr als 5 % des Bildes einnimmt, und ein Referenzvideo mit einer realistischen Figur, bei der der ganze Körper oder der Oberkörper mit Kopf sichtbar ist.
Die Ausrichtung der Figur bestimmt, welcher Ausrichtung das Ergebnis folgt. „Bild“ behält die Ausrichtung deines Fotos bei und folgt Kamerabewegungen besser, bei Referenzvideos bis 10 Sekunden. „Video“ folgt dem Referenzclip, eignet sich für komplexe Bewegungen und akzeptiert Clips bis 30 Sekunden.
Öffne in deinem Workspace Video und wähle Kling Video v3 in der Modellauswahl.
Schreibe einen Prompt mit Motiv, Kamera und Bewegung oder starte mit einem Bild, das du hochlädst oder generierst.
Generiere und verfeinere dann im Chat oder auf einem Canvas. Jeder Clip wird in den Dateien deines Workspace gespeichert.
Nach Anwendungsfall gruppiert. Jeder öffnet sich in Endless mit Kling Video v3, bereit zum Bearbeiten und Generieren.
Ein Parfümflakon aus mattiertem Glas steht in der Abenddämmerung auf einer Platte aus nassem schwarzem Marmor. Die Kamera umkreist ihn langsam in einer Nahaufnahme, während warmes Seitenlicht über die goldene Schrift „NOIR 9“ gleitet. Ein einzelner Wassertropfen läuft am Glas herab. Leises Klavier im Hintergrund.
Makroaufnahme einer mechanischen Armbanduhr mit Lederarmband auf gefaltetem Leinen. Die Kamera fährt auf den Sekundenzeiger zu, während er vorrückt, und schwenkt dann nach oben, bis das gebürstete Stahlgehäuse im Morgenlicht schimmert. Leises Ticken, keine Musik.
Der weiße Sneaker eines Läufers landet nachts in Zeitlupe in einer flachen Pfütze auf einer Stadtstraße. Das Wasser spritzt kronenförmig auf, und Neonreflexe kräuseln sich auf der Oberfläche. Die Kamera folgt dem Schuh dicht über dem Boden, während er sich wieder hebt. Platschen und ferner Verkehr.
Eine Keramiktasse auf einer sonnigen Café-Theke. Die Hand eines Baristas gießt aufgeschäumte Milch ein und zeichnet ein Blattmuster auf die Oberfläche. Die Kamera bleibt in einer Aufsicht fest und steigt dann langsam auf, während der Dampf nach oben zieht. Zischen der Espressomaschine und leises Stimmengewirr.
Einstellung 1, Totale eines roten Kajaks, das bei Sonnenaufgang über einen stillen Bergsee gleitet. Einstellung 2, Nahaufnahme des Paddels, das das Wasser durchschneidet. Einstellung 3, die Person im Kajak hebt das Paddel und lächelt in die Kamera. Vogelgesang und sanfte Wassergeräusche.
Eine kleine Buchhandlung an einem regnerischen Nachmittag. Ein älterer Buchhändler putzt hinter der Theke seine Brille. [Buchhändler, warme, raue Stimme]: „Du bist wegen des Gedichtbands zurückgekommen, stimmt’s?“ Sofort dreht sich eine junge Frau am Regal lachend um. [Junge Frau, heller, überraschter Ton]: „Woher wissen Sie das?“ Regen klopft ans Fenster.
In einem fahrenden U-Bahn-Wagen, nachts. Zwei Kollegen stehen und halten sich an der Stange fest. Der große Mann im grauen Mantel beugt sich näher. [Großer Mann, leise, müde Stimme]: „Hast du den Bericht abgeschickt?“ Die Frau mit dem roten Schal erstarrt, die Augen weit aufgerissen. [Frau mit rotem Schal, panisches Flüstern]: „Ich dachte, das machst du.“ Rattern des Zuges und in der Ferne eine Stationsansage.
Ein Foodtruck auf einem sommerlichen Straßenfest. Ein Kunde mit Strohhut bestellt. [Kunde, fröhlicher Ton, auf Spanisch]: „Dos tacos de pescado, por favor.“ Der Koch wendet eine Tortilla auf der Grillplatte und grinst. [Koch, schnelle, freundliche Stimme, auf Spanisch]: „¡Salen en dos minutos!“ Zischende Grillplatte und Stimmengewirr.
Ein stiller Krankenhausflur im Morgengrauen. Ein Arzt in grüner Kleidung setzt sich auf einer Bank neben einen nervösen Vater. Der Arzt legt ihm die Hand auf die Schulter. [Arzt, ruhige, sanfte Stimme]: „Sie ist wach. Sie können jetzt zu ihr.“ Der Vater atmet aus und verbirgt das Gesicht in den Händen. [Vater, brüchige Stimme]: „Danke.“
Ein Dach bei Sonnenuntergang über einer dichten Stadt. Zwei alte Freunde lehnen am Geländer. [Freund in Jeansjacke, nostalgischer Ton, britischer Akzent]: „Wir haben immer gesagt, dass uns mal diese ganze Skyline gehört.“ Sofort lacht der andere Freund leise. [Freund im schwarzen Hoodie, trockene, witzige Stimme, amerikanischer Akzent]: „Wir können uns kaum das Dach leisten.“ Wind und ferne Sirenen.
Eine Sushi-Theke in Tokio, spät in der Nacht. Der Koch stellt einem Touristen einen Teller hin und verbeugt sich leicht. [Koch, höfliche, leise Stimme, auf Japanisch]: „どうぞ、召し上がってください。“ Der Tourist nimmt das Stück mit den Fingern. [Tourist, begeisterter Ton, auf Englisch]: „this is incredible, thank you.“ Leiser Jazz und klirrendes Porzellan.
Einstellung 1, Totale eines Leuchtturms auf einer Klippe während eines Sturms, unten brechen Wellen. Einstellung 2, halbnahe Aufnahme des Leuchtturmwärters, der mit einer Laterne die Wendeltreppe hinaufsteigt. Einstellung 3, Nahaufnahme seiner Hand, die die Lampe einschaltet. Einstellung 4, der Lichtstrahl streicht über das dunkle Meer. Donner und heulender Wind.
Einstellung 1, Kamerafahrt aus der Froschperspektive hinter einem Radfahrer, der einen Waldpfad hinunterrast. Einstellung 2, Nahaufnahme des Vorderrads, das Schlamm aufwirbelt. Einstellung 3, Ego-Perspektive über den Lenker, während der Pfad abfällt. Einstellung 4, seitliche Aufnahme, wie der Radfahrer einen Sprung landet und schlitternd zum Stehen kommt.
Einstellung 1, Nahaufnahme der Hände einer Köchin, die Frühlingszwiebeln auf einem Holzbrett hackt. Einstellung 2, halbnahe Aufnahme, wie sie sie in einen rauchenden Wok gibt. Einstellung 3, Aufsicht auf Nudeln, die in die Luft geworfen werden. Einstellung 4, die fertige Schale steht im warmen Licht auf der Ausgabe. Küchenlärm und Brutzeln.
Einstellung 1, Profilaufnahme einer Frau, die am Küchentisch einen Brief liest, Morgenlicht. Einstellung 2, Nahaufnahme des Briefs, der in ihrer Hand zittert. Einstellung 3, Gegenschuss auf ihr Gesicht, während sich Tränen bilden. Einstellung 4, Totale, wie sie aufsteht und zum Fenster geht.
Einstellung 1, eine Boxerin wickelt sich in einer schummrigen Umkleide die Hände. Einstellung 2, Nahaufnahme ihrer Augen im Spiegel. Einstellung 3, Kamerafahrt hinter ihr, während sie durch einen Tunnel auf die hellen Lichter der Arena zugeht. Einstellung 4, Totale des Publikums, das aufsteht, als sie eintritt. Gedämpftes, anschwellendes Publikumsgebrüll.
Die Frau im Porträt dreht langsam den Kopf zur Kamera und lächelt, eine leichte Brise bewegt Strähnen ihres Haars. Die Kamera fährt sanft bis zu einer Nahaufnahme heran. Kleidung und Hintergrund bleiben unverändert.
Die Kamera fährt langsam die Straße auf dem Foto entlang, während die Ladenschilder nacheinander aufflackern. Passanten setzen sich in Bewegung, und eine Straßenbahn fährt von links nach rechts vorbei. Stadtatmosphäre am Abend.
Die Katze auf der Fensterbank streckt sich, gähnt und schaut aus dem Fenster, als draußen ein Vogel auf dem Sims landet. Die Kamera bleibt statisch. Leises Schnurren und ein einzelnes Zwitschern.
Die Produktbox im Bild öffnet sich von selbst: Der Deckel hebt sich, und die Kopfhörer darin steigen leicht auf weichem Licht empor. Die Kamera umkreist die Box eine Vierteldrehung. Der aufgedruckte Text auf der Box bleibt scharf und unverändert.
Ausgehend von dieser Berglandschaft ziehen Wolken schnell über die Gipfel, und Schatten wandern über das Tal, während das Licht vom Morgen zum Nachmittag wechselt. Die Kamera neigt sich langsam hinunter zum Fluss. Wind und ferne Vögel.
Die Figur tanzt den Tanz aus dem Referenzvideo auf einem hellen Studioboden, mit Outfit und Gesicht aus dem Bild. Flüssige, selbstsichere Bewegung.
Das illustrierte Maskottchen wiederholt das Winken und die Verbeugungen aus dem Referenzclip und steht dabei vor einem Ladeneingang. Farben und Proportionen bleiben erhalten.
Die Frau auf dem Foto übernimmt die Yoga-Abfolge aus dem Referenzvideo an einem Strand bei Sonnenaufgang, langsam und kontrolliert, mit Wellen im Hintergrund.
Der Ritter im Bild geht vorwärts und zieht sein Schwert im selben Timing wie der Darsteller im Referenzvideo, in einem nebligen Burghof.
Das Kind im Porträt ahmt die Sprünge und das Klatschen aus dem Referenzclip in einem sonnigen Hinterhof nach und lacht dabei.
Eine einzige durchgehende Einstellung ohne Schnitte. Die Kamera folgt in halbnaher Einstellung einem Kellner, der ein Tablett durch eine volle Restaurantküche trägt, hält an, wenn er an der Ausgabe anhält, und stößt dann mit ihm durch Schwingtüren in den kerzenbeleuchteten Gastraum. Der Küchenlärm geht in leisen Jazz über.
Eine einzige ununterbrochene Einstellung von 15 Sekunden in einem verlassenen Gewächshaus. Die Kamera gleitet langsam zwischen überwucherten Pflanzen hindurch, während Staub in Lichtstrahlen schwebt. Am Ende zeigt sie ein Mädchen, das auf einer verrosteten Bank sitzt und liest. Vögel draußen, knarrendes Glas.
Eine langsame Luftaufnahme über einem Fischerdorf im Morgengrauen. Boote laufen eins nach dem anderen aus dem Hafen aus und ziehen weiße Spuren durch das Wasser. Die Kamera steigt weiter, bis die ganze Bucht zu sehen ist. Möwen und Motorbrummen.
Eine regnerische Neon-Gasse bei Nacht, eine durchgehende Handkamera-Einstellung. Ein Mann im langen Mantel entfernt sich von der Kamera, bleibt unter einem flackernden Schild stehen, zündet sich eine Zigarette an und dreht sich um. Regen auf Metall und ein ferner Zug.
Eine statische Totale eines Weizenfelds, während ein Sommergewitter aufzieht. Dunkle Wolken rollen heran, der Weizen biegt sich in Wellen, und der erste Blitz zuckt am Horizont. Auffrischender Wind und tiefer Donner.
von Kuaishou
Ab 73 Credits pro Video
von Kuaishou
Ab 39 Credits pro Video
von ByteDance
Ab 51 Credits pro Video
Kling Video v3 ist in jedem Plan enthalten, auch in Free. Erstelle einen Workspace und erhalte 100 Credits zum Start, dazu jede Woche 50 Credits.