Kling Image 4.0: ключевой кадр для видео на подходе

Kuaishou показала тизер Kling Image 4.0 и не дала ни одной цифры. Для студии, которая собирает видео, это интересно по одной причине: картинка задаёт ключевой кадр, с которого начинается движение. Разбираю, что подтверждено, что пришло из сторонних листингов и почему до официальных характеристик я бы не строил под эту модель продакшн.

Ключевой кадр-акцент выпускает пунктирные линии движения в ряд пустых кадров будущего ролика
01

Что Kling показал 16 и 17 ноября

Шестнадцатого ноября по американскому времени в официальном аккаунте Kling в X появилась запись: «Stunningly realistic. Sharp. Precise. Kling Image 4.0 is coming soon. Stay tuned.» По японскому календарю это уже 17 ноября, поэтому часть изданий датирует анонс следующим днём. К посту приложена одна промо-картинка.

Всё. Даты релиза нет, характеристик нет, цены нет, списка площадок тоже нет. Издатели, которые написали о тизере 17 ноября, пересказывают ту же формулировку и добавляют, что подробностей вендор не раскрыл. Так что на входе у нас один абзац маркетинга и картинка.

Для сравнения, как шла видеолинейка: Kling 4.0 вышла 15 октября, API открыли 21 октября, Kling 4.0 Flash стала доступна всем 4 ноября. У видео-модели к моменту релиза были и цифры, и лимиты, и цена. Здесь пока только обещание.

02

Kling Image 4.0 в лидерборде: что значит Elo 1180

Пятнадцатого ноября WaveSpeed заметил, что превью Kling Image 4.0 уже стоит в лидербордах Artificial Analysis. В text-to-image у него шестое место, 1180 Elo, диапазон возможных мест с пятого по восьмое, 5 550 голосов. В image editing рядом: 1182 Elo.

Что такое Elo, если не лезть в математику: это рейтинг из парных сравнений. Люди смотрят две картинки и выбирают лучшую, рейтинг считают по числу побед и по силе соперников. Диапазон мест с пятого по восьмое означает, что на 5 550 голосах соседи по таблице ещё не разошлись статистически, и место может оказаться любым внутри этого окна.

Для продакшна важен сам факт: модель попала в публичное сравнение раньше собственного релиза. Обычно так бывает, когда доступ уже открыт кому-то по API или в превью. Значит, чужие люди уже видели её кадры, а мы пока видим тизер.

Восемь растущих блоков, шестой выделен, ниже россыпь точек-голосов и пустая рамка пунктиром
03

Ключевой кадр для видео: зачем студии модель картинок

В пайплайне видео ключевой кадр это вход. Генератор видео получает картинку и дорисовывает движение: поворот головы, проезд камеры, падение товара на стол. Всё, что решено на картинке (композиция, свет, лицо героя, положение продукта), переезжает в ролик почти без изменений. Поэтому качество первого кадра задаёт потолок всего шота.

Отсюда практический интерес к любой новой картиночной модели. Если она точнее держит промпт и референс товара, меньше прогонов уходит на перебор вариантов. Один удачный кадр стоит дешевле десяти почти удачных.

Есть и второй сценарий, где картинка нужна дважды: первый и последний кадр. Модель видео строит движение между ними, и сцена получает заданный финал без ручной склейки.

Про сам тизер этого не скажет ни один пост, но по опыту запусков видеолинейки разумно ждать, что Kling Image 4.0 будут продавать в связке с Kling 4.0. Обзор Kling 4.0 у нас уже есть, там разобраны лимиты и режимы видео-модели.

04

Сторонние листинги: 2K, 4K и десять референсов

Дальше начинается зона, где я держу паузу. По сторонним листингам, которые упоминает разбор WaveSpeed от 15 ноября, модели приписывают 2K и 4K на выходе, до десяти референсов через теги от Image1 до Image10, девять соотношений сторон и применение для первого и последнего кадра видео.

Официально ничего из этого не подтверждено. Ни карточки на сайте Kling, ни строки в документации, ни цифры в тизере. Такие характеристики на этом этапе обычно приходят из интерфейсов предзаказа, утечек и скриншотов, и половина из них к релизу меняется. Поэтому я читаю этот список как повод для теста, не как смету.

Практический вывод простой: если через месяц выйдет модель с четырьмя референсами вместо десяти, это не обман, это обычная судьба ранних утечек. Планировать закупку рендеров под 4K до релиза смысла нет.

05

Почему видеокомпании делают свои модели картинок

Логика тут не в красоте картинки. Видео-модель обучена оживлять кадры, и качество движения зависит от того, насколько чистый вход она получила. Когда картинку делает чужая модель, студия не контролирует ни подготовку кадра, ни совместимость: свой генератор можно дообучить на тех же данных, что и видео-модель, и добиться согласованности между кадром и движением.

Второй мотив это деньги. Картинка дешевле видео по вычислениям, значит студия может продавать дешёвый этап: сначала кадры, потом анимация. Пользователь платит дважды за один проект, а вендор получает второй поток запросов.

Третий мотив это данные. Каждый сгенерированный кадр показывает, что люди считают хорошей композицией и светом. Такая обратная связь пригодится следующей версии видео-модели.

06

Что делать сейчас, пока нет характеристик

Мой порядок для таких анонсов короткий.

Первое: записать дату и не строить обещаний клиенту. В коммерческом предложении новая модель появляется после релиза, до релиза это внутренняя заметка.

Второе: держать под рукой сцену для проверки. Один и тот же промпт, один и тот же референс товара, три прогона в новой модели и три в той, что уже стоит в работе. Сравнивать по трём вещам: держится ли текст на упаковке, не плывёт ли лицо, совпадает ли кадр с промптом.

Третье: мерить числом попыток до годного кадра. Модель, которая даёт одну удачную картинку из десяти, дороже той, которая даёт одну из трёх, даже при равной цене за генерацию.

В потоке вертикальных роликов картинки собираются в видео нейросетями, и ключевой кадр там первый вход в конвейер. Когда проект требует гарантий на лица и реквизит, в дело идут ручные ролики, и за кадр отвечает человек.

07

Мой вывод

Анонс без цифр это сигнал. Инструментом он станет после характеристик. Я ставлю Kling Image 4.0 в список на проверку и не ставлю в план работ: шестое место в лидерборде на 5 550 голосах и один тизер не дают ответа на вопрос, как она держит товар и лицо на серии из десяти кадров.

Что реально изменится для студии, станет видно в первые сутки после релиза: пойдут ролики на новой модели, появятся карточки с ценой и лимитами, и тогда сравнение займёт вечер. Как это было с Kling 4.0 Flash: цены и лимиты Kling 4.0 Flash появились вместе с открытием доступа, и до этого никто не мог назвать стоимость секунды.

частые вопросы

01Когда выйдет Kling Image 4.0
Официальной даты нет. В тизере от 16 ноября по американскому времени сказано только «coming soon», без месяца и числа.
02Сколько будет стоить Kling Image 4.0
Цена не объявлена. Ни в посте, ни в карточках вендора цифр нет, а сторонние листинги цену не заменяют.
03Зачем видеостудии модель картинок
Картинка задаёт ключевой кадр, с которого начинается движение. От её качества зависит, сколько прогонов уйдёт на перебор вариантов и насколько чисто модель видео удержит лицо и товар.
04Правда ли, что в Kling Image 4.0 будет 4K и десять референсов
Это данные сторонних листингов, официально они не подтверждены. До карточки на сайте Kling такой список остаётся слухом.