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

> Kling 2.6 é um modelo de vídeo da Kuaishou, lançado em 3 de dezembro de 2025, o primeiro da linha Kling com som nativo. Numa geração, faz um clipe de 5 ou 10 segundos com fala, canto, rap, efeitos e ambiente, fala chinês e inglês e, desde 16 de dezembro, dá aos personagens uma voz gravada por você. Em fevereiro de 2026, o Kling 3.0 o substituiu. No AI2Face, o Kling 2.6 está no gerador.

Desenvolvedor: Kuaishou (Kling AI) · Lançamento: 2025-12-03 · Atualizado em 2026-10-28
URL: https://ai2face.com/pt/models/kling-2-6

## Fatos principais

| | |
|---|---|
| Desenvolvedor | Kuaishou (Kling AI) |
| Data de lançamento | 3 de dezembro de 2025; vozes próprias em 16 de dezembro de 2025 |
| Modos | Vídeo com som a partir de texto e de uma imagem |
| Duração | 5 ou 10 segundos |
| Proporção | 16:9, 1:1, 9:16 |
| Som | Fala, diálogos, canto, rap, efeitos e ambiente, junto com o vídeo |
| Idiomas da fala | Chinês e inglês; outros idiomas são traduzidos para o inglês |
| Vozes próprias | Gravação de 5–30 segundos, até 200 vozes, só no modo por imagem |
| Motion Control 2.6 | Transferência do movimento a partir de um vídeo de 3–30 segundos |
| No AI2Face | Sim, no gerador |

## 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](/pt/models/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](/pt/models/kling-3-0) o substituiu. O panorama da família está na página do [Kling](/pt/models/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.

![Grade 2×2: uma taça se quebra no chão de pedra, uma fogueira noturna com faíscas, uma onda contra as rochas e um rapper no microfone de estúdio](https://ai2face.com/_astro/sound-scenes.DamkD2lj_ISLAH.jpg "Quatro cenas que o Kling 2.6 sonoriza sozinho: vidro, fogueira, rebentação e rap. Quadros feitos no Nano Banana Pro")

**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](/pt/blog/kling-motion-control).

![À esquerda, uma dançarina de moletom cinza numa pose ampla de hip-hop; à direita, um cavaleiro de desenho animado com armadura prateada na mesma pose, no pátio de um castelo](https://ai2face.com/_astro/motion-ref.DBvj2wOu_2gyBhr.jpg "É assim que a transferência de movimento funciona: a pose e o gesto do vídeo passam para o personagem da imagem. Quadros feitos no Nano Banana Pro")

## 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](/pt/models/kling-3-0) | [Kling 4.0](/pt/models/kling-4) |
|---|---|---|---|
| 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.

![Uma senhora de chapéu de palha com uma cesta de tomates conversa com o neto, que segura um regador, numa horta ensolarada](https://ai2face.com/_astro/two-characters.CvcuFBzF_Z11GTRU.jpg "Dois personagens são o ponto ideal para o diálogo no Kling 2.6: cada um com a própria etiqueta e o próprio tom de voz. Quadro feito no Nano Banana Pro")

- **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](/pt/models/veo-3-1) | [MiniMax H3](/pt/models/minimax-h3) | [HappyHorse 1.1](/pt/models/happyhorse) |
|---|---|---|---|---|
| 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](/pt/models/kling-3-0) e o [Kling 4.0](/pt/models/kling-4).

1. Cadastre-se: contas novas recebem créditos de boas-vindas. O que o próprio Kling oferece de graça está no artigo [Kling AI grátis](/pt/blog/kling-besplatno).
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](/pt/models/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](/pt/models/kling-3-0); para clipes de até 30 segundos, para o [Kling 4.0](/pt/models/kling-4). Se precisar de russo, use o [MiniMax H3](/pt/models/minimax-h3): todos estão no mesmo gerador do AI2Face.

## Perguntas frequentes

### O que o Kling 2.6 sabe fazer?

Faz clipes de 5 ou 10 segundos a partir de texto ou de uma imagem, já com som: fala, diálogos, canto, rap, efeitos e ambiente. É o primeiro modelo Kling em que o som é gerado junto com o vídeo.

### O Kling 2.6 fala português?

Não. Fala chinês e inglês. Se você escrever a fala em português, o Kling traduz para o inglês na hora de dublar. Para um idioma que o Kling 2.6 não cobre, escolha um modelo que cubra: o MiniMax H3, por exemplo, fala russo.

### Quantos segundos o Kling 2.6 faz?

5 ou 10 segundos na geração normal. Para músicas e diálogos, o Kling recomenda 10 segundos: o resultado fica mais completo e estável. O Motion Control 2.6 repete o movimento de um vídeo de até 30 segundos.

### Quanto custa o Kling 2.6?

No app do Kling, com som são 10 créditos por segundo no modo profissional. Sem som, 5 créditos no profissional e 3 no padrão. Uma voz própria soma 2 créditos por segundo.

### Em que o Kling 2.6 difere do Kling 3.0?

O Kling 3.0 chega a 15 segundos em vez de 10, tem storyboard plano a plano, fala em cinco idiomas em vez de dois e personagens-elemento com voz. O Kling 2.6 é mais simples e mais barato para clipes curtos com som.

## Fontes

- https://kling.ai/quickstart/klingai-video-26-audio-user-guide
- https://x.com/Kling_ai/status/1996238606814593196
- https://kling.ai/quickstart/motion-control-user-guide
- https://kling.ai/feature/ai-motion-control
- https://arena.ai/leaderboard/text-to-video