Kling 2.6: il primo modello Kling con l'audio — parlato, canto, effetti e la voce del personaggio

Che cos’è Kling 2.6

Kling 2.6 è un modello video dell’azienda cinese Kuaishou. Kling l’ha presentato il 3 dicembre 2025, il terzo giorno della settimana di lanci, due giorni dopo Kling O1. Lo slogan del modello è «Vedi il suono, ascolta l’immagine»: è il primo modello Kling che genera l’audio insieme al video, e non in un passaggio separato.

Il 16 dicembre il modello ha imparato a parlare con una voce scelta, e il 17 dicembre è uscito Motion Control 2.6 per il trasferimento del movimento. A febbraio 2026 l’ha sostituito Kling 3.0. La panoramica della famiglia è nella pagina Kling.

Nella classifica Arena, al 21 settembre 2026, Kling 2.6 Pro è al 29º posto su 48 modelli video.

Cosa sa fare Kling 2.6

Audio nella stessa generazione. Un solo avvio dà l’immagine e la colonna sonora intera. Kling elenca sei tipi di audio:

• voce fuori campo e dialoghi;
• canto e rap;
• suono d’ambiente della scena;
• suoni di oggetti e azioni — vetro che si rompe, scoppiettio di un falò, onde;
• effetti misti.

L’audio si può spegnere con l’interruttore Native Audio: la clip costa meno.

Due modalità. Video da testo: scena e audio escono per intero dal prompt. Video da immagine: la foto diventa il primo fotogramma e riceve l’audio. Kling avvisa che, nella seconda modalità, la qualità dipende molto dalla risoluzione dell’originale.

Emozione e tono della voce. Nel prompt si possono fissare emozione, tono, ritmo e persino il volume della battuta.

Voci proprie (dal 16 dicembre). Carica una registrazione di 5–30 secondi con una sola persona che parla, intonazione neutra e senza rumore: Kling salva la voce. Si possono creare fino a 200 voci. La voce si lega al personaggio con @NomeVoce dopo il suo nome. La funzione lavora in modalità da immagine.

Motion Control 2.6. Modalità di trasferimento del movimento: il modello prende movimento ed espressioni di una persona da un video di 3–30 secondi e li porta sul personaggio dell’immagine, in un’unica inquadratura, senza stacchi. I dettagli sono nella guida Kling Motion Control.

Prezzi di Kling 2.6

Modalità	Crediti Kling al secondo
Professionale, con audio	10
Professionale, senza audio	5
Standard, senza audio	3
Voce propria	+2
Motion Control 2.6 (standard / professionale)	5 / 8

Una clip di dieci secondi con audio, in modalità professionale, costa 100 crediti nell’app di Kling.

Kling 2.6, 3.0 e 4.0: le differenze

	Kling 2.6	Kling 3.0	Kling 4.0
Uscita	03.12.2025	febbraio 2026	15.10.2026
Durata	5 o 10 s	fino a 15 s	3–30 s
Audio	sì, il primo modello con audio	sì	stereo
Lingue del parlato	cinese, inglese	5 lingue, accenti	—
Storyboard per inquadrature	no	sì	10 fotogrammi chiave
Voce propria del personaggio	registrazione 5–30 s	elemento con voce	voce nei riferimenti
Posto in Arena (21.09.2026)	29	—	—

Per quali compiti va Kling 2.6

• Clip brevi con una sola battuta — una frase pubblicitaria, un saluto, un meme.
• Momenti musicali — una strofa, un ritornello o una riga di rap in 10 secondi.
• Scene sonore — falò, risacca, città, stoviglie che si rompono, senza cercare suoni in una libreria.
• Dialogo di due personaggi — Kling consiglia esattamente due.

• Animare una foto con l’audio — lo scatto diventa il primo fotogramma e inizia a parlare.
• Danza da un riferimento — con Motion Control 2.6.

Kling 2.6 e modelli simili

	Kling 2.6	Veo 3.1	MiniMax H3	HappyHorse 1.1
Sviluppatore	Kuaishou	Google DeepMind	MiniMax	Alibaba
Durata	5 o 10 s	4, 6, 8 s	4–15 s	3–15 s
Audio	sì	sì	stereo	sì
Parlato in russo	no	—	sì	lingua non dichiarata
Voce propria	sì, registrazione 5–30 s	no	riferimento audio	no
Posto in Arena (21.09.2026)	29	12–15	8	10 (1.0)
In AI2Face	sì	sì	sì	sì

Kling 2.6 è indietro rispetto ai modelli nuovi sulla qualità, ma resta un modo semplice per ottenere una clip breve con audio e la voce del personaggio. Per il russo e il 2K, MiniMax H3; per l’audio migliore in una clip breve, Veo 3.1.

Come scrivere i prompt per Kling 2.6

Kling dà una formula: scena + personaggi + movimento + audio + stile. In breve: cosa vediamo, cosa succede e cosa sentiamo.

1. Battute e testi delle canzoni tra virgolette.
2. Nel dialogo ogni personaggio ha la sua etichetta («[Nonna]», «[Nipote]»); l’azione del personaggio viene prima della battuta, e le voci hanno toni diversi.
3. Canto: testo + stile di esecuzione + accompagnamento + emozione. Rap: versi in rima + ritmo.
4. Effetti: la fonte del suono, il suo stato e una descrizione: «scoppiettio di rami secchi nel falò».
5. Ambiente: scena + suoni + senso dello spazio, per esempio un’eco.
6. Parlato in inglese: le parole comuni in minuscolo, sigle e nomi con la maiuscola.
7. Un solo tema per prompt. Kling consiglia di non mescolare tanti suoni di sottofondo con un parlato complesso.

Esempio per il fotogramma dell’orto:

Orto assolato di giorno. [Grandma] con un cappello di paglia solleva un cesto di pomodori e
sorride, dice con voce calda e lenta: "Look, the first tomatoes this year!"
[Grandson] con un annaffiatoio ride e risponde con voce chiara e veloce: "Can I eat one right now?"
Audio: canto degli uccelli, acqua che cade dall'annaffiatoio, brezza leggera. Piano medio, luce morbida.

Come usare Kling 2.6 in AI2Face

Kling 2.6 è nel generatore di AI2Face, insieme a Kling 3.0 e Kling 4.0.

1. Registrati: i nuovi account ricevono crediti di benvenuto. Cosa offre gratis Kling stesso è nell’articolo Kling AI gratis.
2. Apri il generatore, passa al video e scegli Kling 2.6.
3. Carica una foto o scrivi un prompt, scegli 5 o 10 secondi e il formato.
4. Il costo in crediti si vede prima dell’avvio. I crediti dei pacchetti non scadono, e puoi pagare con carta o criptovalute.

Il fotogramma di partenza per la modalità da immagine si prepara nello stesso generatore, per esempio con Nano Banana Pro.

Limiti

• Il parlato è solo in cinese e inglese. Le battute in altre lingue Kling le traduce in inglese.
• 5 o 10 secondi — più lungo solo in Motion Control.
• Più di due personaggi — secondo Kling, la qualità del dialogo può calare.
• La voce nel canto regge peggio che nel parlato.
• La voce propria funziona solo in modalità da immagine, e non da ogni clip si può estrarre: non vanno le clip senza parlato, fatte prima della 2.6 o senza audio.
• La qualità da una foto dipende dalla risoluzione dell’originale.

Conclusioni

Kling 2.6 è il primo modello Kling con l’audio ed è ancora il modo più semplice per ottenere una clip di 5–10 secondi con una battuta, una canzone o una scena sonora e la voce del personaggio. Per lo storyboard e il parlato in cinque lingue passa a Kling 3.0; per clip fino a 30 secondi, a Kling 4.0. Se ti serve il russo, prendi MiniMax H3: sono tutti nello stesso generatore di AI2Face.