Kling 3.0: was Video 3.0, Omni und Turbo können — Storyboard, Stimme und 4K

Was ist Kling 3.0

Kling 3.0 ist die dritte Generation der Videomodelle des chinesischen Unternehmens Kuaishou, Betreiber der gleichnamigen Kurzvideo-Plattform. Kling hat sie am letzten Tag des Januars 2026 angekündigt, die offizielle Pressemitteilung von Kuaishou folgte am 5. Februar. Den Überblick über die ganze Familie, einschließlich Kling 4.0 aus dem Oktober, finden Sie auf der Seite Kling.

Zur Generation 3.0 gehören vier Modelle:

• Video 3.0 — das Hauptmodell für Video, Nachfolger von Kling 2.6;
• Video 3.0 Omni — das Modell für Referenzen und Bearbeitung, Nachfolger von Kling O1;
• Image 3.0 und Image 3.0 Omni — Bilder in 2K und 4K sowie Bildserien.

Später kamen weitere Teile dazu: am 4. März Motion Control 3.0 für Bewegungsübertragung, am 23. April der 4K-Modus für Video, am 17. Juni das schnelle Kling 3.0 Turbo und eine verbesserte Bearbeitung in Omni.

Nach Angaben von Kuaishou hatten bis Februar 2026 mehr als 60 Millionen Autoren Kling genutzt, es waren mehr als 600 Millionen Videos erzeugt worden, und mehr als 30.000 Unternehmen arbeiteten mit dem Modell.

Was Kling 3.0 kann

Bis zu 15 Sekunden mit Ton. Bei Kling O1 ließ sich die Länge zwischen 3 und 10 Sekunden wählen, bei 3.0 frei bis 15. Der Ton entsteht zusammen mit dem Bild: Sprache, Musik und Effekte.

Storyboard Einstellung für Einstellung. In einem Clip lassen sich mehrere Einstellungen festlegen, und für jede Dauer, Einstellungsgröße, Winkel, Aktion und Kamerabewegung. Das Modell versteht den klassischen Schuss-Gegenschuss im Dialog und die Parallelmontage mit Off-Stimme.

Sprache in mehreren Sprachen. Englisch, Chinesisch, Japanisch, Koreanisch und Spanisch, plus englische Akzente und chinesische Dialekte. In einer Szene können Figuren verschiedene Sprachen sprechen, und der Prompt legt Reihenfolge und Vortrag der Sätze fest.

Text im Bild bleibt stabil. Schilder, Beschriftungen und Aufdrucke auf Kleidung bleiben über den ganzen Clip scharf. Kuaishou nennt das ausdrücklich einen Vorteil für Werbung: Das Logo auf dem Shirt der Figur verläuft nicht.

Figurenelemente mit Stimme (Omni). Ein Element ist eine gespeicherte Figur, ein Gegenstand oder ein Ort, den das Modell in jeder Szene gleich hält. In 3.0 Omni lässt sich ein Element aus 4 Blickwinkeln bauen oder aus einem Video von 3–8 Sekunden ziehen, Aussehen und Stimme zusammen. Die Stimme lässt sich auch getrennt binden, mit einer Sprachaufnahme von 5 bis 30 Sekunden.

Bearbeitung eines fertigen Clips (Omni). Hintergrund, Figur oder Gegenstand ersetzen, ein Objekt umfärben, den Stil nach einem Bild wechseln. Seit Juni 2026 bearbeitet Omni Clips von 3–15 Sekunden und arbeitet mit 4K am Ein- und Ausgang.

4K-Modus. Seit dem 23. April 2026 erzeugen Video 3.0 und Video 3.0 Omni 4K mit einem Schalter. Kling hebt Hauttextur, weiche Farbübergänge und die Schärfe kleiner Schrift hervor.

Kling 3.0, Omni und Turbo: die Unterschiede

	Video 3.0	Video 3.0 Omni	Video 3.0 Turbo
Wofür	Generierung aus Text und Einzelbildern	Referenzen, Elemente, Bearbeitung	schnelle, günstigere Generierung
Vorgänger	Kling 2.6	Kling O1	—
Länge	bis 15 s	bis 15 s	bis 15 s
Storyboard pro Einstellung	ja	ja	ja
Elemente mit Stimme	—	ja	—
Clip-Bearbeitung	—	ja, 3–15 s, bis 4K	—
4K	ja, seit April 2026	ja, seit April 2026	—
Erschienen	Februar 2026	Februar 2026	17. Juni 2026

Preise für Omni in der Kling-App: 1080p mit Ton kostet 12 Credits pro Sekunde, 720p kostet 9; ohne Ton 8 und 6. Liegt ein Video am Eingang, wird der Ton vorerst nicht erzeugt, und die Sekunde kostet 16 und 12 Credits. 4K kostet 30 Credits pro Sekunde.

Wofür sich Kling 3.0 eignet

• Kurze Geschichten mit Dialog von 10–15 Sekunden: Einstellung für Einstellung, mit Sätzen und Schnitt.
• Serienfiguren. Ein Element mit Stimme lässt dieselbe Figur in verschiedenen Clips gleich aussehen und gleich klingen.
• Werbung mit Logo und Schrift — Text auf Produkt und Kleidung hält über den ganzen Clip.
• Bearbeitung von gedrehtem Material: Hintergrund oder Gegenstand tauschen, die Bewegung bleibt.
• Ein 4K-Finish für die große Leinwand.
• Tanz und Bewegung nach Referenz — mit Kling Motion Control.

Kling 3.0 und die Alternativen

	Kling 3.0	Seedance 2.5	Veo 3.1	Vidu AI Q3
Entwickler	Kuaishou	ByteDance Seed	Google DeepMind	ShengShu
Länge pro Generierung	bis 15 s	4–30 s	4, 6, 8 s	1–16 s
Maximale Auflösung	4K	1080p	4K	1080p
Storyboard pro Einstellung	ja, jede Einstellung einstellbar	ja, Einstellungen oder Timecodes	über den Prompt	automatischer Einstellungswechsel
Figur mit Stimme	ja, Elemente	ja, Audio-Referenz	nein	Stimmreferenzen in Q4 Preview
Clip-Bearbeitung	ja, Omni	ja	nur Verlängerung	nur Verlängerung
In AI2Face	ja	ja	ja	ja

Kling 3.0 ist am bequemsten für ein schrittweises Storyboard und für wiederkehrende Figuren mit Stimme. Seedance 2.5 liefert den doppelt so langen Clip und mehr Referenzen. Veo 3.1 ist in der Physik kurzer Szenen genauer.

So schreiben Sie Prompts für Kling 3.0

1. Teilen Sie den Clip in Einstellungen mit Dauer: „Einstellung 1 (2 s): Totale…“. Die Summe darf 15 Sekunden nicht übersteigen.
2. Geben Sie jeder Einstellung Größe und Kamera: Totale, halbnah, Nahaufnahme, Aufsicht, Umfahrt.
3. Rufen Sie Figuren beim Namen des Elements: „@Anna setzt sich @Max gegenüber.“ Das Modell ordnet sie den gespeicherten Elementen zu.
4. Sätze stehen in Anführungszeichen, hinter dem Namen. Ist an das Element schon eine Stimme gebunden, müssen Sie die Stimme nicht beschreiben.
5. Beschreiben Sie den Ton ausdrücklich: Zuggeräusch, Musik, Stille am Ende.

Ein Prompt zum Storyboard oben:

Einstellung 1 (2 s): Totale, @Max und @Anna sitzen einander gegenüber in einem alten grünen Wagen, der Zug fährt.
Einstellung 2 (3 s): Nahaufnahme von @Annas Profil, sie schaut aus dem Fenster und fragt: „Wohin fahren wir?“
Einstellung 3 (3 s): Nahaufnahme von @Max, er lächelt: „Dorthin, wo das ganze Jahr Sommer ist.“
Einstellung 4 (3 s): halbnah, @Anna dreht sich zu ihm und nickt: „Ich mag den Sommer.“
Einstellung 5 (3 s): Totale, beide lachen, Felder ziehen am Fenster vorbei. Ton: Räderklopfen, warmer Jazz aus dem Off.

Gesprochenes Deutsch vertont das Modell offiziell nicht. Schreiben Sie die Dialogzeilen auf Englisch oder in einer anderen unterstützten Sprache: Englisch, Chinesisch, Japanisch, Koreanisch oder Spanisch.

Kling 3.0 in AI2Face nutzen

Kling 3.0 liegt im Generator von AI2Face neben Seedance 2.5, Veo 3.1 und Vidu AI Q3.

1. Registrieren Sie sich — neue Konten erhalten Startguthaben. Was Kling selbst kostenlos bietet, steht unter Kling AI kostenlos.
2. Öffnen Sie den Generator, wechseln Sie zu Video und wählen Sie Kling 3.0.
3. Laden Sie ein Einzelbild oder Referenzen hoch, schreiben Sie den Prompt Einstellung für Einstellung und legen Sie Länge und Auflösung fest.
4. Die Kosten in Credits sehen Sie vor dem Start. Sie zahlen per Karte oder Krypto, und Guthaben aus Paketen verfällt nicht.

Die Blickwinkel einer Figur für ein Element lassen sich im selben Generator anlegen, zum Beispiel mit Nano Banana Pro, wie das Blatt auf dieser Seite.

Grenzen

• Die Obergrenze sind 15 Sekunden. Länger geht nur durch Aneinanderhängen oder mit Seedance 2.5 und Kling 4.0.
• Video am Eingang schaltet den Ton ab. In Omni wird bei einer Videoreferenz vorerst kein Ton erzeugt.
• Weniger Referenzen mit Video. Ist ein Video hochgeladen, bleiben nur 4 Bilder oder Elemente statt 7.
• Dateianforderungen. Bilder ab 300 px pro Seite und bis 10 MB; Video 3–10 Sekunden, bis 200 MB und nicht über 2K.
• Gesprochene Sprache. Deutsch steht nicht auf der offiziellen Liste. Genannt werden Englisch, Chinesisch, Japanisch, Koreanisch und Spanisch.

Fazit

Kling 3.0 ist die beste Wahl, wenn ein Clip einem Storyboard mit wiederkehrenden Figuren folgt: Elemente mit Stimme und die Vorgabe für jede einzelne Einstellung gibt es nur hier. 4K-Modus und Turbo decken beide Enden ab — ein Finish für die große Leinwand und schnelle Entwürfe. Wenn 15 Sekunden nicht reichen oder Sie Dutzende Figuren und Referenzen haben, wechseln Sie zu Seedance 2.5. Für kurze realistische Szenen vergleichen Sie das Ergebnis mit Veo 3.1 im selben Generator von AI2Face.