Kling: das Videomodell von Kuaishou — was 3.0 und 4.0 können

Was ist Kling

Kling sind Videomodelle des chinesischen Unternehmens Kuaishou, Betreiber einer gleichnamigen Kurzvideo-Plattform. Stand Februar 2026 hatte Kling nach Angaben des Unternehmens mehr als 60 Millionen Autorinnen und Autoren, es waren mehr als 600 Millionen Clips erzeugt worden, und mehr als 30.000 Unternehmen hatten mit dem Modell gearbeitet.

Kling 3.0 erschien am 5. Februar 2026. Kuaishou nannte die wichtigsten Verbesserungen: stabilere Figuren, Fotorealismus, Clips bis 15 Sekunden und nativen Ton in verschiedenen Sprachen, Dialekten und Akzenten. Das Modell ist als Alles-in-einem gebaut: Es versteht Text, Bilder, Audio und Video und kann einen Clip im selben Ablauf erzeugen und bearbeiten. Daneben arbeitet Kling 3.0 Omni für Referenzen und Korrekturen. Später kam das schnellere Kling 3.0 Turbo.

Kling 4.0 wurde am 28. September 2026 angekündigt — dazu weiter unten.

Was Kling kann

Mehrere Einstellungen in einem Clip. Kling 3.0 baut ein Storyboard: Für jede Einstellung legst du Dauer, Größe, Winkel, Aktion und Kamerabewegung fest. Die Gesamtlänge liegt bei bis zu 15 Sekunden.

Sprache und Ton. Sätze in Anführungszeichen werden mit synchronen Lippen gesprochen, zusammen mit Musik und Hintergrund.

Physik und Dynamik. Das Modell hält Trägheit und Körpergewicht: Sprünge, Läufe, Landungen.

Erstes und letztes Bild. Zwei Bilder — und Kling baut die Bewegung dazwischen.

Figuren als Elemente. In Kling 3.0 Omni lädst du bis zu 7 Bilder hoch, baust eine Figur aus 4 Blickwinkeln oder ziehst sie aus einem Video von 3–8 Sekunden — Aussehen und Stimme zusammen. Eine Audioaufnahme ab 3 Sekunden bindet die Stimme an die Figur.

Motion Control. Modus für Bewegungsübertragung: Tanz, Geste oder Gang aus einem Referenzvideo gehen auf die Figur im Foto über.

Kling 4.0: was bekannt ist

Am 28. September 2026 hat Kling 4.0 angekündigt. Auf der offiziellen Website wird das Modell als völlig neu beschrieben: stabile, dynamische Bewegung und raumgreifender Ton für Produktion auf professionellem Niveau. Die Entwicklerplattform nennt vier Funktionen, die in die API kommen: dynamische Bewegung, Omni-Referenzen, native Generierung von 30 Sekunden und mehrere Keyframes.

Bisher ist nur das leichtere Kling 4.0 Flash verfügbar, im Early Access. Die volle Version und die API sind als „bald“ markiert. Medien nennen mit Verweis auf das Unternehmen genauere Zahlen — 4K, HDR, Anzahl der Referenzen —, in den offiziellen Materialien von Kling haben wir sie nicht gefunden. Wir aktualisieren die Seite, wenn 4.0 vollständig erscheint.

Wofür Kling geeignet ist

• Kurze Geschichten und Werbung bis 15 Sekunden mit mehreren Einstellungen, ohne Schnitt.
• Clips mit Sprache in verschiedenen Sprachen und Akzenten.
• Tänze und Bewegungen nach Referenz über Motion Control.
• Action und Sport — das Modell hält die Trägheit gut.
• Serien mit einer Figur, zusammengesetzt aus Fotos oder Video.

Kling und ähnliche Modelle

	Kling 3.0	Veo 3.1	Seedance 2.5	Gemini Omni 1.1 Flash
Entwickler	Kuaishou	Google DeepMind	ByteDance Seed	Google DeepMind
Länge pro Generierung	bis 15 s	4, 6, 8 s	bis 30 s	3–10 s
Auflösung	720p, 1080p	bis 4K	nicht veröffentlicht	bis 4K (Upscale)
Mehrere Einstellungen	ja, Storyboard	über Timecodes im Prompt	ja	ja
Referenzen	bis zu 7 Fotos, Figur aus Video mit Stimme	bis zu 3 Bilder	30 Fotos, 10 Videos, 10 Audios	Bilder und bis zu 3 Videos
Bewegungsübertragung	Motion Control	nein	aus einem Referenzvideo	aus einem Referenzvideo
In AI2Face	ja	ja	ja	ja

Kling 3.0 ist eine starke Wahl für Clips von 10–15 Sekunden mit Storyboard und Sprache, und Motion Control ist dafür noch die bequemste Übertragung. Veo 3.1 liefert 4K und besseren Ton im kurzen Clip. Seedance 2.5 macht die längsten Clips. Gemini Omni ist bei Eingaben und Korrekturen am flexibelsten.

Wie du Prompts für Kling schreibst

• Nummeriere die Einstellungen: „Einstellung 1: Hände nah… Einstellung 2: Halbtotale…“. Für jede: Aktion und Kamera.
• Setze gesprochene Sätze in Anführungszeichen und notiere, wer spricht und in welchem Ton.
• Schreib den Ton in eine eigene Zeile: Musik, Effekte, Hintergrund.
• Benenne die Physik: „realistische Trägheit“, „Landung mit Abrollen“ — das Modell hält die Bewegung besser.
• Für einen Übergang zwischen zwei Bildern beschreibe, was dazwischen passiert: „steht auf, zieht den Mantel an, nimmt das Blatt“.

Kulinarische Geschichte in vier Einstellungen. Einstellung 1: Nahaufnahme der Hände
des Kochs, der frisches Basilikum und Tomaten auf einem Holzbrett schneidet. Einstellung 2:
Halbtotale, der Koch wirft Pasta in einer heißen Pfanne, Flammen lodern. Einstellung 3:
Zeitlupe nah — Parmesan wird über den Teller gerieben. Einstellung 4: Totale einer warmen
Trattoria-Küche, der Koch stellt den Teller an die Ausgabe und lächelt. Ton: Messer auf Holz,
Pfannenzischen, Küchengeräusche, leise italienische Gitarre. Fotorealismus, warmes Licht

So nutzt du Kling in AI2Face

Kling ist im Generator von AI2Face verfügbar: Clips mit Ton, Storyboard und Bewegungsübertragung. Die Kosten siehst du vor dem Start.

Für andere Aufgaben im selben Generator:

• Veo 3.1 — Clips von 4–8 Sekunden bis 4K mit Sprache und Effekten, Foto-Animation, erstes und letztes Bild.
• Gemini Omni Flash — bis 10 Sekunden, eine Szene aus mehreren Referenzen, erstes und letztes Bild.

Einen kurzen Clip in 4K baust du aus zwei Veo-3.1-Videos derselben Figur nach einer Referenz. Beide Modelle laufen im selben Generator, die Kosten stehen vorher fest.

Einschränkungen

• Fehler in kleinen Details. In unseren Tests lösen sich Gegenstände in den Händen manchmal ab (der Bogen des Violinisten), und bei Übergängen zwischen zwei Bildern kann die Kleidung ineinanderfließen.
• Die Auflösung von 3.0 geht bis 1080p. 4K ist für Kling 3.0 offiziell nicht angegeben.
• Kling 4.0 ist noch im Early Access und nur als Flash.
• Zugang. Offiziell Website, App von Kling und API. Das Abo direkt zu bezahlen ist in manchen Ländern schwierig.

Fazit

Kling 3.0 gehört zu den stärksten Videomodellen für kurze Geschichten: ein Storyboard aus mehreren Einstellungen, Sprache mit synchronen Lippen und belastbare Physik in einer Generierung bis 15 Sekunden. Motion Control macht es zur besten Wahl für Tänze und Bewegungen nach Referenz. Kling 4.0 verspricht doppelt so lange Clips — wir warten auf die volle Veröffentlichung. Kling ist in AI2Face verfügbar. Wenn du 4K oder besseren Ton im kurzen Clip brauchst, nimm Veo 3.1 oder Gemini Omni — sie liegen im selben Generator.