# Kling: das Videomodell von Kuaishou — was 3.0 und 4.0 können > Kling ist eine Familie von Videomodellen des chinesischen Unternehmens Kuaishou. Kling 3.0 erschien am 5. Februar 2026: Clips bis 15 Sekunden in 720p und 1080p, mehrere Einstellungen in einer Generierung, nativer Ton in vielen Sprachen und Figuren aus Fotos und Video. Am 28. September 2026 kündigte Kling Version 4.0 an, mit Generierung bis 30 Sekunden, noch im Early Access. In AI2Face ist Kling im Generator da. Entwickler: Kuaishou · Veröffentlicht: 2026-02-05 · Aktualisiert am 2026-10-01 URL: https://ai2face.com/de/models/kling ## Wichtige Fakten | | | |---|---| | Entwickler | Kuaishou (Kling AI) | | Versionen | Kling 3.0 und 3.0 Omni (5. Februar 2026), 3.0 Turbo, Kling 4.0 (Ankündigung 28. September 2026) | | Was es macht | Video mit Ton aus Text, Bildern, Video und Audio; Bearbeitung von Clips | | Dauer | 3.0 — bis 15 Sekunden; 4.0 — bis 30 Sekunden (angekündigt) | | Auflösung | 3.0 — 720p und 1080p | | Mehrere Einstellungen | Ein Storyboard mit Dauer, Einstellungsgröße, Winkel und Kamerabewegung für jede Einstellung | | Referenzen | Bis zu 7 Bilder; eine Figur aus einem Video von 3–8 Sekunden, inklusive Stimme | | Ton | Nativ — Sprache in verschiedenen Sprachen, Dialekten und Akzenten, plus Musik und Effekte | | In AI2Face | Ja | ## 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. [Ein Koch schneidet Basilikum und Tomaten, wirft Pasta in einer flammenden Pfanne, reibt Parmesan und stellt den Teller lächelnd an die Ausgabe](https://ai2face.com/_astro/media/models/kling/multi-shot.mp4 "Vier Einstellungen aus einem Prompt: nah, halbnah, Zeitlupe nah und total. Kling 3.0 Pro, 15 s") **Sprache und Ton.** Sätze in Anführungszeichen werden mit synchronen Lippen gesprochen, zusammen mit Musik und Hintergrund. [Ein Straßenviolinist im grauen Mantel spielt abends unter einem Steinbogen, senkt die Geige und spricht in die Kamera](https://ai2face.com/_astro/media/models/kling/dialogue.mp4 "Melodie, ein Satz in die Kamera und Straßenlärm in einer Generierung. Am Ende löst sich der Bogen leicht von der Hand. Kling 3.0 Pro, 10 s") **Physik und Dynamik.** Das Modell hält Trägheit und Körpergewicht: Sprünge, Läufe, Landungen. [Ein Parkour-Läufer rennt bei Sonnenuntergang über Dächer, springt über die Lücke zwischen Häusern und landet, die Kamera fliegt daneben](https://ai2face.com/_astro/media/models/kling/motion.mp4 "Ein Sprung über eine Lücke mit Kamerafahrt. Kling 3.0 Pro, 10 s") **Erstes und letztes Bild.** Zwei Bilder — und Kling baut die Bewegung dazwischen. [Eine Frau mit roten Locken steht von einer Decke beim Herbstpicknick auf, zieht Mantel und Baskenmütze an und hält ein rotes Ahornblatt ans Gesicht](https://ai2face.com/_astro/media/models/kling/first-last-frame.mp4 "Bilder aus unserem Herbst-Shooting als Anfang und Ende. Das Gesicht hält, in der Mitte fließt die Kleidung ineinander. Kling 3.0 Pro, 9:16, 8 s") **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](/de/models/veo-3-1) | [Seedance 2.5](/de/models/seedance) | [Gemini Omni 1.1 Flash](/de/models/gemini-omni) | |---|---|---|---|---| | 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](/de/models/veo-3-1)** — Clips von 4–8 Sekunden bis 4K mit Sprache und Effekten, Foto-Animation, erstes und letztes Bild. - **[Gemini Omni Flash](/de/models/gemini-omni)** — 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](/de/models/veo-3-1) oder [Gemini Omni](/de/models/gemini-omni) — sie liegen im selben Generator. ## Häufige Fragen ### Was ist Kling? Ein Videomodell des chinesischen Unternehmens Kuaishou, das auch eine Kurzvideo-Plattform betreibt. Kling macht Clips mit Ton aus Text, Fotos und Video. Nach Angaben von Kuaishou im Februar 2026 hatten es mehr als 60 Millionen Autorinnen und Autoren genutzt. ### Was ist neu an Kling 3.0? Clips bis 15 Sekunden statt 10, nativer Ton in vielen Sprachen, ein Storyboard aus mehreren Einstellungen in einem Clip, stabilere Figuren und Fotorealismus. Alles in einem Modell, das Text, Bilder, Audio und Video versteht. ### Wann kommt Kling 4.0? Kling hat 4.0 am 28. September 2026 angekündigt. Die leichtere Version Kling 4.0 Flash ist jetzt im Early Access. Die volle Version und die API sind als „bald“ markiert. Angekündigt sind Generierung bis 30 Sekunden, mehrere Keyframes und Omni-Referenzen. ### Was ist Kling Motion Control? Ein Modus für Bewegungsübertragung. Das Modell nimmt die Bewegung einer Person aus einem Referenzvideo und überträgt sie auf eine Figur im Bild. So wird ein Foto zu einem Tanz oder einer Geste aus einem echten Clip belebt. ### Gibt es Kling in AI2Face? Ja. Kling ist im Generator von AI2Face verfügbar, und die Kosten siehst du vor der Generierung. Für 4K und kurze Clips mit Ton gibt es dort auch Veo 3.1 und Gemini Omni Flash. ## Quellen - https://ir.kuaishou.com/news-releases/news-release-details/kling-ai-launches-30-model-ushering-era-where-everyone-can-be - https://kling.ai/quickstart/klingai-video-3-omni-model-user-guide - https://kling.ai/dev - https://kling.ai/ - https://ai.google.dev/gemini-api/docs/veo - https://seed.bytedance.com/en/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5