Kling 2.6 : le premier modèle Kling avec le son — parole, chant, effets et la voix propre du personnage

Qu’est-ce que Kling 2.6

Kling 2.6 est un modèle vidéo de l’entreprise chinoise Kuaishou. Kling l’a présenté le 3 décembre 2025, le troisième jour de la semaine de lancements, deux jours après Kling O1. Le slogan du modèle est « Voir le son, entendre l’image » : c’est le premier modèle Kling qui génère le son avec la vidéo, et non dans une étape à part.

Le 16 décembre, le modèle a appris à parler avec une voix choisie, et le 17 décembre est sorti Motion Control 2.6 pour le transfert de mouvement. En février 2026, Kling 3.0 l’a remplacé. La vue d’ensemble de la famille est sur la page Kling.

Dans le classement Arena, au 21 septembre 2026, Kling 2.6 Pro est 29e sur 48 modèles vidéo.

Ce que sait faire Kling 2.6

Le son dans la même génération. Un seul lancement donne l’image et la piste audio complète. Kling énumère six types de son :

• voix off et dialogues ;
• chant et rap ;
• ambiance sonore de la scène ;
• bruits d’objets et d’actions — verre qui se brise, crépitement d’un feu, vagues ;
• effets mixtes.

On peut couper le son avec l’interrupteur Native Audio : le clip revient alors moins cher.

Deux modes. Vidéo à partir d’un texte : la scène et le son sortent entièrement du prompt. Vidéo à partir d’une image : la photo devient la première image et reçoit le son. Kling prévient que, dans le second mode, la qualité dépend fortement de la résolution de la source.

Émotion et ton de la voix. Dans le prompt, on peut fixer l’émotion, le ton, le rythme et même le volume de la réplique.

Voix personnelles (depuis le 16 décembre). Envoyez un enregistrement de 5 à 30 secondes avec une seule personne qui parle, une intonation neutre et sans bruit : Kling enregistre la voix. On peut créer jusqu’à 200 voix. La voix se rattache au personnage avec @NomDeVoix après son nom. La fonction marche en mode image.

Motion Control 2.6. Mode de transfert de mouvement : le modèle prend le mouvement et les expressions d’une personne dans une vidéo de 3 à 30 secondes et les reporte sur le personnage de l’image, en un seul plan, sans coupe. Le détail est dans le guide Kling Motion Control.

Prix de Kling 2.6

Mode	Crédits Kling par seconde
Professionnel, avec le son	10
Professionnel, sans son	5
Standard, sans son	3
Voix personnelle	+2
Motion Control 2.6 (standard / professionnel)	5 / 8

Un clip de dix secondes avec le son, en mode professionnel, coûte 100 crédits dans l’app Kling.

Kling 2.6, 3.0 et 4.0 : les différences

	Kling 2.6	Kling 3.0	Kling 4.0
Sortie	03.12.2025	février 2026	15.10.2026
Durée	5 ou 10 s	jusqu’à 15 s	3–30 s
Son	oui, premier modèle avec le son	oui	stéréo
Langues parlées	chinois, anglais	5 langues, accents	—
Storyboard plan par plan	non	oui	10 images clés
Voix propre du personnage	enregistrement 5–30 s	élément avec voix	voix dans les références
Place dans Arena (21.09.2026)	29	—	—

À quelles tâches Kling 2.6 convient

• Courts clips avec une seule réplique — une phrase pub, une salutation, un mème.
• Moments musicaux — un couplet, un refrain ou une ligne de rap en 10 secondes.
• Scènes sonores — feu de camp, ressac, ville, vaisselle qui se brise, sans chercher des sons dans une bibliothèque.
• Dialogue de deux personnages — Kling recommande exactement deux.

• Animer une photo avec le son — le cliché devient la première image et se met à parler.
• Danse d’après une référence — via Motion Control 2.6.

Kling 2.6 et les modèles proches

	Kling 2.6	Veo 3.1	MiniMax H3	HappyHorse 1.1
Développeur	Kuaishou	Google DeepMind	MiniMax	Alibaba
Durée	5 ou 10 s	4, 6, 8 s	4–15 s	3–15 s
Son	oui	oui	stéréo	oui
Parole en russe	non	—	oui	langue non indiquée
Voix personnelle	oui, enregistrement 5–30 s	non	référence audio	non
Place dans Arena (21.09.2026)	29	12–15	8	10 (1.0)
Dans AI2Face	oui	oui	oui	oui

Kling 2.6 est en retrait des modèles plus récents sur la qualité, mais reste un moyen simple d’obtenir un court clip avec le son et la voix propre du personnage. Pour le russe et le 2K, MiniMax H3 ; pour le meilleur son dans un clip court, Veo 3.1.

Comment écrire des prompts pour Kling 2.6

Kling donne une formule : scène + personnages + mouvement + son + style. En bref : ce qu’on voit, ce qui se passe et ce qu’on entend.

1. Répliques et paroles de chansons entre guillemets.
2. Dans un dialogue, chaque personnage a son étiquette (« [Grand-mère] », « [Petit-fils] ») ; l’action du personnage précède sa réplique, et les voix ont des tons différents.
3. Chant : texte + style d’interprétation + accompagnement + émotion. Rap : vers rimés + rythme.
4. Effets : la source du son, son état et une description : « crépitement de branches sèches dans le feu ».
5. Ambiance : scène + sons + sensation d’espace, par exemple un écho.
6. Parole en anglais : les mots courants en minuscules, les sigles et les noms avec une majuscule.
7. Un seul thème par prompt. Kling conseille de ne pas mélanger beaucoup de sons d’ambiance avec une parole complexe.

Exemple pour l’image du potager :

Potager ensoleillé en journée. [Grandma] en chapeau de paille soulève un panier de tomates et
sourit, dit d’une voix chaude et lente : "Look, the first tomatoes this year!"
[Grandson] avec un arrosoir rit et répond d’une voix claire et rapide : "Can I eat one right now?"
Son : chant d’oiseaux, eau qui coule de l’arrosoir, brise légère. Plan moyen, lumière douce.

Utiliser Kling 2.6 dans AI2Face

Kling 2.6 est dans le générateur AI2Face, avec Kling 3.0 et Kling 4.0.

1. Inscrivez-vous : les nouveaux comptes reçoivent des crédits de bienvenue. Ce que Kling lui-même offre gratuitement est détaillé dans l’article Kling AI gratuit.
2. Ouvrez le générateur, passez en vidéo et choisissez Kling 2.6.
3. Importez une photo ou écrivez un prompt, choisissez 5 ou 10 secondes et le format.
4. Le coût en crédits s’affiche avant le lancement. Les crédits des packs n’expirent pas, le paiement se fait par carte ou en crypto.

L’image de départ pour le mode image se prépare facilement dans le même générateur, par exemple avec Nano Banana Pro.

Limites

• La parole, seulement en chinois et en anglais. Kling traduit en anglais les répliques dans d’autres langues.
• 5 ou 10 secondes — plus long uniquement dans Motion Control.
• Plus de deux personnages — d’après Kling, la qualité du dialogue peut baisser.
• La voix au chant tient moins bien qu’à la parole.
• La voix personnelle ne marche qu’en mode image, et on ne peut pas l’extraire de n’importe quel clip : les clips sans parole, faits avant la 2.6 ou sans son ne conviennent pas.
• La qualité à partir d’une photo dépend de la résolution de la source.

En résumé

Kling 2.6 est le premier modèle Kling avec le son, et c’est encore le moyen le plus simple d’obtenir un clip de 5 à 10 secondes avec une réplique, une chanson ou une scène sonore et la voix propre du personnage. Pour le storyboard et la parole en cinq langues, passez à Kling 3.0 ; pour des clips jusqu’à 30 secondes, à Kling 4.0. S’il vous faut le russe, prenez MiniMax H3 : tous sont dans le même générateur AI2Face.