Zdá se, že Kling Video 3.0 definuje nový standard v generativní AI díky nativnímu zvuku a bezkonkurenční konzistenci záběrů.
Sjednocený model mění pravidla hry
Společnost Kuaishou opět posouvá hranice možného uvedením modelu Kling Video 3.0, který přichází jako přímý nástupce verze 2.6.
Největší inovací je přechod na Unified Multimodal Workflow. Na rozdíl od předchozích verzí, kde byly video a audio často generovány odděleně, nový model trénuje všechny modality společně. To umožňuje tvůrcům nejen generovat video z textu (Text-to-Video) nebo obrázku (Image-to-Video), ale také v jednom kroku provádět komplexní úpravy, jako je přidávání či odstraňování objektů, bez ztráty kvality.
Z pohledu filmové produkce je klíčovou novinkou funkce Multi-Shot Generation. Model dokáže v rámci jednoho generování vytvořit sekvenci více záběrů, přičemž automaticky řídí střih, pozice kamery a plynulost přechodů.
Tím se Kling Video 3.0 stává nejen generátorem klipů, ale virtuálním režisérem, který chápe logiku scény. Pro fintech marketing a tvůrce obsahu to znamená radikální snížení nákladů na postprodukci, protože model zvládne generovat až 15sekundové bloky s komplexní logikou děje.
Omni: Konec éry němých videí
Současně s hlavním modelem přichází i specializovaná verze Kling Video 3.0 Omni, která je upgradem modelu Kling O1.
Zaměřuje se na „svatý grál“ AI videa – uvěřitelný lidský projev. Díky technologii Omni Native Audio model integruje dialogy přímo do procesu generování. Nejde jen o obyčejný dabing. Systém zajišťuje přirozený lip-sync (synchronizaci rtů) a dokáže ovládat tón hlasu či dialekt na úrovni jednotlivých postav.
Pro influencery a značky je zásadní funkce Enhanced Element Consistency. Ta „uzamyká“ vizuální identitu hlavní postavy nebo klíčového produktu, takže zůstávají neměnné i při zoomování, švenkování kamery nebo změně osvětlení. „Model sleduje tok scény a automaticky řídí velikosti záběrů,“ uvádějí technické specifikace, což v praxi znamená konec „plovoucích“ obličejů a deformovaných objektů při pohybu.
Schopnost Native-Level Text Rendering navíc řeší dlouhodobý problém s čitelností textů, což otevírá dveře pro generování reklamních spotů s perfektními nápisy na produktech či v titulcích.
