Kling 2.6: o primeiro modelo Kling com som — fala, canto, efeitos e a voz própria do personagem

O que é o Kling 2.6

O Kling 2.6 é um modelo de vídeo da empresa chinesa Kuaishou. O Kling o apresentou em 3 de dezembro de 2025, no terceiro dia da semana de lançamentos, dois dias depois do Kling O1. O slogan do modelo é «Ver o som, ouvir a imagem»: é o primeiro modelo Kling que gera o som junto com o vídeo, e não numa etapa separada.

Em 16 de dezembro o modelo aprendeu a falar com uma voz escolhida, e em 17 de dezembro saiu o Motion Control 2.6 para transferir movimento. Em fevereiro de 2026, o Kling 3.0 o substituiu. O panorama da família está na página do Kling.

No ranking da Arena, em 21 de setembro de 2026, o Kling 2.6 Pro está em 29º lugar entre 48 modelos de vídeo.

O que o Kling 2.6 sabe fazer

Som na mesma geração. Um único envio entrega a imagem e a trilha sonora inteira. O Kling lista seis tipos de som:

• voz em off e diálogos;
• canto e rap;
• som ambiente da cena;
• sons de objetos e ações — vidro quebrando, estalo de fogueira, ondas;
• efeitos mistos.

Dá para desligar o som no interruptor Native Audio: aí o clipe fica mais barato.

Dois modos. Vídeo a partir de texto: a cena e o som saem inteiros do prompt. Vídeo a partir de uma imagem: a foto vira o primeiro quadro e ganha som. O Kling avisa que, no segundo modo, a qualidade depende muito da resolução do original.

Emoção e tom de voz. No prompt dá para definir a emoção, o tom, o ritmo e até o volume da fala.

Vozes próprias (desde 16 de dezembro). Envie uma gravação de 5 a 30 segundos com uma só pessoa falando, entonação neutra e sem ruído: o Kling guarda a voz. Dá para criar até 200 vozes. A voz se liga ao personagem com @NomeDaVoz depois do nome dele. A função funciona no modo por imagem.

Motion Control 2.6. Modo de transferência de movimento: o modelo pega o movimento e a expressão de uma pessoa num vídeo de 3 a 30 segundos e passa para o personagem da imagem, num único plano, sem cortes. O passo a passo está no guia Kling Motion Control.

Preços do Kling 2.6

Modo	Créditos do Kling por segundo
Profissional, com som	10
Profissional, sem som	5
Padrão, sem som	3
Voz própria	+2
Motion Control 2.6 (padrão / profissional)	5 / 8

Um clipe de dez segundos com som, no modo profissional, custa 100 créditos no app do Kling.

Kling 2.6, 3.0 e 4.0: as diferenças

	Kling 2.6	Kling 3.0	Kling 4.0
Lançamento	03.12.2025	fevereiro de 2026	15.10.2026
Duração	5 ou 10 s	até 15 s	3–30 s
Som	sim, o primeiro modelo com som	sim	estéreo
Idiomas da fala	chinês, inglês	5 idiomas, sotaques	—
Storyboard por planos	não	sim	10 quadros-chave
Voz própria do personagem	gravação de 5–30 s	elemento com voz	voz nas referências
Lugar na Arena (21.09.2026)	29	—	—

Para quais tarefas o Kling 2.6 serve

• Clipes curtos com uma fala só — uma frase de anúncio, uma saudação, um meme.
• Momentos musicais — um verso, um refrão ou uma linha de rap em 10 segundos.
• Cenas sonoras — fogueira, rebentação, cidade, louça quebrando, sem procurar sons numa biblioteca.
• Diálogo de dois personagens — o Kling recomenda exatamente dois.

• Animar uma foto com som — a imagem vira o primeiro quadro e começa a falar.
• Dança a partir de uma referência — pelo Motion Control 2.6.

Kling 2.6 e modelos parecidos

	Kling 2.6	Veo 3.1	MiniMax H3	HappyHorse 1.1
Desenvolvedor	Kuaishou	Google DeepMind	MiniMax	Alibaba
Duração	5 ou 10 s	4, 6, 8 s	4–15 s	3–15 s
Som	sim	sim	estéreo	sim
Fala em russo	não	—	sim	idioma não informado
Voz própria	sim, gravação de 5–30 s	não	referência de áudio	não
Lugar na Arena (21.09.2026)	29	12–15	8	10 (1.0)
No AI2Face	sim	sim	sim	sim

O Kling 2.6 fica atrás dos modelos novos em qualidade, mas continua um jeito simples de obter um clipe curto com som e a voz própria do personagem. Para russo e 2K, MiniMax H3; para o melhor som num clipe curto, Veo 3.1.

Como escrever prompts para o Kling 2.6

O Kling dá uma fórmula: cena + personagens + movimento + som + estilo. Em resumo: o que vemos, o que acontece e o que ouvimos.

1. Falas e letras de música entre aspas.
2. No diálogo, cada personagem tem a própria etiqueta («[Avó]», «[Neto]»); a ação do personagem vem antes da fala, e as vozes têm tons diferentes.
3. Canto: letra + estilo de interpretação + acompanhamento + emoção. Rap: versos rimados + ritmo.
4. Efeitos: a fonte do som, o estado dela e uma descrição: «estalo de galhos secos na fogueira».
5. Ambiente: cena + sons + sensação de espaço, por exemplo um eco.
6. Fala em inglês: palavras comuns em minúsculas; siglas e nomes com maiúscula.
7. Um tema por prompt. O Kling aconselha não misturar muitos sons de fundo com uma fala complexa.

Exemplo para o quadro da horta:

Horta ensolarada de dia. [Grandma] de chapéu de palha levanta uma cesta de tomates e
sorri, fala com voz quente e lenta: "Look, the first tomatoes this year!"
[Grandson] com um regador ri e responde com voz clara e rápida: "Can I eat one right now?"
Som: canto de pássaros, água caindo do regador, brisa leve. Plano médio, luz suave.

Como usar o Kling 2.6 no AI2Face

O Kling 2.6 está no gerador do AI2Face, junto com o Kling 3.0 e o Kling 4.0.

1. Cadastre-se: contas novas recebem créditos de boas-vindas. O que o próprio Kling oferece de graça está no artigo Kling AI grátis.
2. Abra o gerador, vá para vídeo e escolha o Kling 2.6.
3. Envie uma foto ou escreva um prompt, escolha 5 ou 10 segundos e a proporção.
4. O custo em créditos aparece antes de gerar. Os créditos dos pacotes não expiram, e dá para pagar com cartão ou cripto.

O quadro inicial do modo por imagem fica fácil de fazer no mesmo gerador, por exemplo no Nano Banana Pro.

Limites

• A fala é só em chinês e inglês. Falas em outros idiomas o Kling traduz para o inglês.
• 5 ou 10 segundos — mais longo só no Motion Control.
• Mais de dois personagens — segundo o Kling, a qualidade do diálogo pode cair.
• A voz no canto se sustenta pior do que na fala.
• A voz própria só funciona no modo por imagem, e não dá para extraí-la de qualquer clipe: não servem clipes sem fala, feitos antes da 2.6 ou sem som.
• A qualidade a partir de uma foto depende da resolução do original.

Conclusão

O Kling 2.6 é o primeiro modelo Kling com som e ainda é o jeito mais simples de conseguir um clipe de 5–10 segundos com uma fala, uma música ou uma cena sonora e a voz própria do personagem. Para storyboard e fala em cinco idiomas, passe para o Kling 3.0; para clipes de até 30 segundos, para o Kling 4.0. Se precisar de russo, use o MiniMax H3: todos estão no mesmo gerador do AI2Face.