A kínai Kuaishou 2026. február 5-én mutatta be a Kling 3.0 modellsorozatot — és ezzel a világ első AI videógenerátorát, amely natívan 4K felbontásban képes kimenetet előállítani. Az induláskor a platform már több mint 60 millió alkotót szolgált ki globálisan, akik összesen 600 millió videót hoztak létre.
A Kling 3.0 nem csupán minőségi ugrás — architekturális váltás is. A modell egy úgynevezett Multi-modal Visual Language (MVL) keretrendszerre épül, amely egyetlen munkafolyamatban kezeli a szöveges, képi, hang- és videós bemeneteket és kimeneteket. Ez azt jelenti, hogy a felhasználó egyetlen prompttal kérhet videót hanggal, szöveggel és kameramozgással együtt — nem kell külön eszközöket összekötni.
Kling 3.0 natív 4K és 15 másodperces videók
A Kling 3.0 akár 4K felbontásban, 30-60 fps sebességgel képes videót előállítani — ez az előző generációk 1080p-jével szemben négyszeres pixelszámot jelent. A maximális hossz szintén nőtt: az új modell akár 15 másodperces klipeket tud generálni, ami lehetővé teszi több cselekményfordulat és komplex snitt-sorozatok leképezését egyetlen generálásban.
A fotorealisztikus kimenet mellett a modell megbízhatóan megőrzi a képek szöveges elemeit is: egy karakter pólóján lévő márkalogó vagy felirat a videó teljes hosszán éles és olvasható marad. Ez az e-commerce hirdetési és termékvideók számára kritikus előny — az Amazon és a Shopify hirdetők már tesztelik az integrációt.
A generálási sebesség is versenyképes. Egy 10 másodperces 1080p klip előállítása 60-90 másodperc alatt történik, ami a korábbi 3-5 perccel szemben drasztikus javulás. A 4K mód természetesen hosszabb — nagyjából 3-4 perc — de a minőségi ugrás ezt kompenzálja.
Multi-Shot Storyboard: 6 snittes jelenetek egyetlen lépésben
A Video 3.0 Omni modell bevezette az intelligens multi-shot storyboard funkciót: egyetlen generálási folyamat során akár 6 vágásból álló, koherens jelenetsort tud létrehozni. Ez az első alkalom, hogy egy AI videógenerátor egyetlen promptból többkamerás jelenetet produkál.
A készítők minden egyes snittnél pontosan meghatározhatják az időtartamot, a képkivágást, a perspektívát, a narratív tartalmat és a kameramozgásokat. A rendszer dinamikusan alkalmazkodik a kreatív utasításokhoz — a klasszikus shot-reverse-shot párbeszédektől a bonyolultabb, narratív vágásokig.
A storyboard funkció mögött egy belső jelenetgráf áll, amely biztosítja, hogy a szereplők, a háttér és a fényviszonyok konzisztensek maradjanak a vágások között. Korábbi AI videógenerátoroknál ez volt az egyik legnagyobb gyengeség — egy szereplő kinézete vágásról vágásra változott. A Kling 3.0 ezt a problémát a jelenetgráffal és a karakter-referenciarendszerrel együtt oldja meg, ami az iparágban egyedülálló megközelítés.
Karakter- és hangklónozás: Kling O3
A Kling O3 — az Omni változat — professzionális szintű karakter-konzisztenciát kínál. A legfontosabb újdonság: a megjelenés és a hang klónozása referenciavideó alapján.
A felhasználók feltölthetnek egy referenciavideót, amelyből az AI kinyeri a karakter vizuális vonásait és hangbeli sajátosságait, majd ezeket hűen reprodukálja teljesen új jelenetekben is. Ez megoldja az AI videógenerátorok egyik régi hiányosságát: a szereplők azonosságának megőrzését különböző jelenetek között.
A klónozás pontossága meglepő: a belső teszteken a nézők 72%-a nem tudta megkülönböztetni a klónozott karaktert az eredetitől rövid klipen. A HeyGen Avatar V hasonló területen dolgozik, de a Kling O3 az egész jelenetet generálja, nem csak az avatárt.
Többnyelvű ajakszinkron és natív hang
A Kling 3.0 a videóval egy időben natív hangot is generál, tökéletes ajakszinkronnal. A támogatott nyelvek: angol, kínai, japán, koreai és spanyol, különböző akcentusokkal és dialektusokkal.
Többkarakteres jeleneteket is kezel: különböző nyelveken beszélő szereplőkkel, pontos felhasználói kontrollal a szöveg, az előadásmód és a megszólalási sorrend felett. Ez a globális marketing kampányoknál jelent azonnali előnyt — egy hirdetést egyetlen munkamenetben 5 nyelvre lehet lokalizálni.
Kling 3.0 a Sora utáni AI videópiacon
A Kling 3.0 pontosan azt kínálja, amit a Sora nem tudott megvalósítani: nyereséggel üzemeltethető, másodperc alapú árazást, valódi produkciós minőséget, és a kreatív alkotók számára használható eszközt. Az OpenAI visszavonult a B2C videóból — a Kuaishou pedig előrelép.
A Sora bukásának fő tanulsága az volt, hogy a fix előfizetéssel működő diffúziós videómodell pénzügyileg fenntarthatatlan. A Kling ezt a kredit alapú rendszerrel oldja meg: a felhasználó annyit fizet, amennyit generál. A hosszabb és magasabb felbontású videók több kreditet fogyasztanak — de az ár és a költség arányban marad.
A Kling 3.0 modellek az induláskor exkluzív korai hozzáférésként az Ultra előfizetők számára érhetőek el, és hamarosan a szélesebb közönség számára is elérhetővé válnak. Az árazás egyelőre kedvező: az Ultra terv havi 30 dollárért napi 300 kreditet ad, ami nagyjából 10-15 darab 10 másodperces 1080p klipnek felel meg.
A versenytársakhoz képest ez agresszív pozícionálás. A Runway Gen-3 hasonló mennyiségű generálásért havi 76 dollárt kér, a Pika Labs Pro terve 58 dollár. A Kling tehát nem csak technológiailag, hanem árazásban is nyomást gyakorol a nyugati versenytársakra — és ez a kínai AI-cégek egyre jellemzőbb stratégiája.
A kérdés az, hogy a Kuaishou mennyire tudja fenntartani ezt az árelőnyt, miközben a 4K generálás GPU-költsége magasabb. Ha sikerül, a Kling 3.0 nem csak a legjobb, hanem a leginkább elérhető professzionális AI videógenerátor lesz 2026-ban.