کلینگ (Kling AI) مدلِ ساختِ ویدیو با هوش مصنوعی از شرکتِ چینیِ Kuaishou است که از یک متن یا یک عکس، کلیپِ کوتاه با حرکتِ طبیعی می‌سازد. نسخه‌ی فعلیِ آن، Kling 3.0، از بهمنِ ۱۴۰۴ (فوریه‌ی ۲۰۲۶) عرضه شده و ویدیوهایی تا ۱۵ ثانیه، با صدای هم‌زمان و چند نما در یک ساخت تولید می‌کند. در این آموزش کلینگ که برای مهرِ ۱۴۰۵ به‌روز شده، می‌گوییم کلینگ دقیقاً چه می‌کند، نسخه‌هایش چه فرقی دارند، ساخت ویدیو با کلینگ را قدم‌به‌قدم انجام می‌دهیم و راهِ استفاده از Kling بدونِ کارتِ ارزی را هم توضیح می‌دهیم.
کلینگ (Kling AI) چیست و چه کسی آن را ساخته است؟
Kling را Kuaishou ساخته است؛ همان شرکتی که اپلیکیشنِ ویدیوی کوتاهِ Kuaishou (معروف به Kwai در بیرون از چین) را دارد. برخلافِ آنچه در بعضی منابعِ فارسی آمده، Kling محصولِ Tencent نیست. نسخه‌ی اول در خردادِ ۱۴۰۳ (ژوئنِ ۲۰۲۴) فقط در چین عرضه شد و حالا از طریقِ وب‌سایتِ رسمی و اپ برای کاربرانِ سراسرِ دنیا در دسترس است. ثبت‌نام با ایمیل یا حسابِ گوگل انجام می‌شود.
کلینگ سه کارِ اصلی انجام می‌دهد:
- متن به ویدیو: صحنه را با کلمات توصیف می‌کنید و Kling آن را می‌سازد.
- تصویر به ویدیو: یک عکس می‌دهید و Kling آن را متحرک می‌کند؛ این حالت معمولاً نتیجه‌ی قابل‌پیش‌بینی‌تری دارد، چون قابِ اول از قبل مشخص است.
- ساختِ تصویر: Kling مدلِ تصویرسازیِ جداگانه‌ای (Kling Image) هم دارد، هرچند شهرتش بیشتر به خاطرِ ویدیو است.
نسخه‌های کلینگ: از ۱.۰ تا ۳.۰
کلینگ تندتر از بیشترِ رقبا نسخه‌ی تازه داده است. دانستنِ فرقِ نسخه‌ها مهم است، چون هم کیفیت و هم هزینه‌ی هر ساخت به نسخه بستگی دارد.
| نسخه | زمانِ عرضه | مهم‌ترین تغییر |
|---|---|---|
| Kling 1.0 | خرداد ۱۴۰۳ | اولین نسخه، فقط در چین، کلیپ‌های کوتاه با حرکتِ واقع‌گرایانه |
| Kling 1.5 و 1.6 | شهریور تا آذر ۱۴۰۳ | خروجیِ 1080p در حالتِ حرفه‌ای و پیروی بهتر از پرامپت |
| Kling 2.0 و 2.1 | بهار ۱۴۰۴ | ظاهرِ سینمایی‌تر، فهمِ بهترِ متن، سطح‌بندیِ Standard، Pro و Master |
| Kling 2.5 Turbo | مهر ۱۴۰۴ | ساختِ سریع‌تر و ارزان‌تر با کیفیتِ بهتر در صحنه‌های پرتحرک |
| Kling O1 و 2.6 | آذر ۱۴۰۴ | مدلِ یکپارچه برای متن، تصویر و ویدیو؛ اضافه شدنِ صدای هم‌زمان و کنترلِ حرکت (Motion Control) |
| Kling 3.0 و 3.0 Omni | بهمن ۱۴۰۴ | تا ۱۵ ثانیه، چند نما (تا ۶ کات) در یک ساخت، صدای بومی، ثباتِ بهترِ شخصیت |
برای بررسیِ مفصلِ یکی از نسخه‌های میانی، نقد و بررسی Kling AI 2.0 را ببینید. اگر هم دنبالِ دانلود و نصبِ اپ هستید، دانلود و بررسی جامع هوش مصنوعی Kling را بخوانید.
قابلیت‌های کلیدیِ Kling 3.0
- مدتِ دلخواه بینِ ۳ تا ۱۵ ثانیه: در نسخه‌ی Omni می‌توانید هر عددی در این بازه انتخاب کنید؛ نسخه‌های قدیمی‌تر بیشتر ۵ و ۱۰ ثانیه داشتند.
- چند نما در یک ویدیو (Multi-shot): تا ۶ کات در یک درخواست، با الگوهای فیلم‌سازی مثلِ نما و نمای معکوس در گفت‌وگو. برای هر نما می‌توانید اندازه‌ی کادر، زاویه، حرکتِ دوربین و مدت را جدا بنویسید.
- صدای بومی (Native Audio): دیالوگ، صدای محیط و افکت هم‌زمان با تصویر ساخته می‌شود. طبقِ راهنمای رسمی، زبان‌های پشتیبانی‌شده انگلیسی، چینی، ژاپنی، کره‌ای و اسپانیایی‌اند؛ فارسی در این فهرست نیست، پس دیالوگِ فارسی را با ابزارِ گویندگیِ جداگانه بسازید.
- قابِ شروع و پایان: عکسِ اول و آخر را می‌دهید و Kling حرکتِ بینِ این دو را می‌سازد؛ برای ترنزیشن و تبدیلِ محصول عالی است.
- ارجاع به عناصر (Elements): چند تصویرِ مرجع از شخصیت یا شیء بدهید تا در نماهای مختلف یکسان بماند.
- کنترلِ حرکت: حرکتِ یک ویدیوی مرجع را به شخصیتِ عکسِ شما منتقل می‌کند؛ نقطه‌ی قوتِ اصلیِ Kling در مقایسه با رقبا همین کنترلِ دقیقِ حرکت است.
آموزش کلینگ: ساخت ویدیو با کلینگ قدم‌به‌قدم
مراحلِ زیر برای سایتِ رسمیِ Kling نوشته شده است؛ در ابزارهای دیگری که Kling را ارائه می‌دهند هم منطق همین است.
- ورود: به سایتِ رسمیِ Kling بروید و با ایمیل یا حسابِ گوگل وارد شوید. حسابِ رایگان هر روز اعتبارِ محدودی می‌گیرد.
- انتخابِ حالت: از بخشِ Video یکی از حالت‌های Text to Video یا Image to Video را بزنید. اگر عکسِ خوب دارید، تصویر به ویدیو را ترجیح دهید.
- انتخابِ مدل: برای آزمایشِ ایده نسخه‌ی ارزان‌تر (مثلاً Turbo یا Standard) و برای خروجیِ نهایی نسخه‌ی 3.0 را انتخاب کنید.
- نوشتنِ پرامپت: سوژه، کنش، محیط، نور و حرکتِ دوربین را مشخص بنویسید. پرامپتِ انگلیسی معمولاً دقیق‌تر اجرا می‌شود.
- تنظیمات: نسبتِ تصویر (۹:۱۶ برای ریلز و استوری، ۱۶:۹ برای یوتیوب)، مدت و کیفیت را انتخاب کنید. هرچه مدت و کیفیت بالاتر، اعتبارِ بیشتری مصرف می‌شود.
- ساخت و بازبینی: روی Generate بزنید. اگر نتیجه نزدیک بود ولی کامل نبود، به‌جای عوض کردنِ همه‌چیز فقط یک بخش از پرامپت را تغییر دهید تا بفهمید کدام کلمه اثر دارد.
- دانلود: خروجیِ نسخه‌ی رایگان واترمارک دارد و برای استفاده‌ی تجاری مجاز نیست.
یک نمونه‌پرامپتِ واقعی برای کلینگ
فرض کنید برای یک کافه ویدیوی ۸ ثانیه‌ایِ عمودی می‌خواهید. این پرامپت را امتحان کنید:
Close-up of a barista pouring steamed milk into a cappuccino, creating a heart-shaped latte art. Warm morning light through the window, shallow depth of field, slow push-in camera move, steam rising from the cup, cozy cafe ambience sound.
چرا جواب می‌دهد؟ یک سوژه (باریستا و فنجان)، یک کنشِ واضح (ریختنِ شیر)، نورِ مشخص، یک حرکتِ دوربینِ ساده و صدای محیط دارد. اشتباهِ رایج این است که در یک ویدیوی ۸ ثانیه‌ای سه چهار اتفاقِ پشتِ هم خواسته شود. برای فوت‌وفنِ بیشتر، آموزش پرامپت نویسی اصولی در Kling را بخوانید.
نوشتنِ پرامپتِ چندنما در Kling 3.0
حالتِ چندنما (Multi-shot) مهم‌ترین تفاوتِ Kling 3.0 با نسخه‌های قبلی است، اما فقط وقتی خوب کار می‌کند که نماها را جدا و شماره‌دار بنویسید. برای هر نما چهار چیز را مشخص کنید: اندازه‌ی کادر (نمای باز، متوسط یا نزدیک)، اینکه دوربین کجاست، چه اتفاقی می‌افتد و تقریباً چند ثانیه طول می‌کشد. یک نمونه‌ی ۱۲ ثانیه‌ای برای تبلیغِ یک ساعتِ مچی:
Shot 1 (4s): wide shot, a man in a dark suit walks across a rainy city street at night, neon reflections on the wet ground. Shot 2 (4s): medium shot, he stops under a shop awning and checks his wristwatch. Shot 3 (4s): extreme close-up of the watch face, raindrops on the glass, the second hand ticking, soft city ambience and rain sound.
چند نکته که در آزمایش‌ها تفاوتِ واضحی ایجاد می‌کند:
- شخصیت را یک بار کامل توصیف کنید و در نماهای بعدی با همان عبارت («the man in the dark suit») به او اشاره کنید تا مدل او را عوض نکند.
- در هر نما فقط یک کنش بخواهید. «راه می‌رود، می‌ایستد، تلفن را برمی‌دارد و می‌خندد» در یک نمای چهارثانیه‌ای معمولاً نتیجه‌ی شلوغ و غیرطبیعی می‌دهد.
- نور و حال‌وهوا را در همه‌ی نماها ثابت نگه دارید؛ اگر نمای اول شب و بارانی است، در نمای سوم دوباره «باران» را بیاورید.
- مجموعِ ثانیه‌ها را با مدتِ کلِ ویدیو هماهنگ کنید؛ اگر ۱۰ ثانیه انتخاب کرده‌اید، سه نمای پنج‌ثانیه‌ای ننویسید.
ساختِ ویدیو از عکس با کلینگ
در حالتِ تصویر به ویدیو، پرامپت باید فقط «حرکت» را توصیف کند، نه دوباره صحنه را. اگر عکسِ یک دختر کنارِ دریاست، بنویسید «باد موها را تکان می‌دهد، لبخند می‌زند و به دوربین نگاه می‌کند، دوربین آرام عقب می‌رود». توصیفِ دوباره‌ی لباس و دریا معمولاً فایده‌ای ندارد و گاهی باعثِ تغییرِ ناخواسته‌ی چهره می‌شود. راهنمای کامل را در ساخت ویدیو از تصویر با Kling AI آورده‌ایم.
کلینگ رایگان است؟ اعتبار و پلن‌ها به‌طورِ خلاصه
بله، ولی با محدودیت. حسابِ رایگان روزانه حدودِ ۶۶ اعتبار می‌گیرد که روزِ بعد منتقل نمی‌شود، خروجی واترمارک دارد و صفِ ساخت در ساعت‌های شلوغ کند است. پلن‌های پولی (Standard، Pro، Premier و بالاتر) اعتبارِ ماهانه‌ی بیشتر، حذفِ واترمارک و اجازه‌ی استفاده‌ی تجاری می‌دهند و قیمتشان به دلار است. مقایسه‌ی کامل را در استفاده رایگان از Kling AI و مقایسه نسخه رایگان و پولی ببینید.
استفاده از کلینگ در ایران بدونِ کارتِ ارزی
دو مشکلِ اصلیِ کاربرانِ ایرانی با سایتِ رسمیِ Kling پرداختِ دلاری و محدودیتِ دسترسی است. یک راهِ ساده‌تر استفاده از Kling در ابزار ساخت ویدیوی هوش‌نو است. هوش‌نو یک پلتفرمِ هوش مصنوعی ایرانی است که مدل‌های ویدیویی مثلِ Kling، Veo، Seedance، Pixverse، Minimax و Grok Imagine را در یک صفحه کنارِ هم گذاشته است:
- وارد حساب شوید و حساب را با پرداختِ تومانی از درگاهِ زرین‌پال شارژ کنید (بسته‌های ۹۸، ۴۹۸ و ۹۹۸ هزار تومانی یا مبلغِ دلخواه؛ اشتراکِ اجباری ندارد).
- در صفحه‌ی ساختِ ویدیو، Kling را از فهرستِ مدل‌ها انتخاب کنید.
- توضیحِ صحنه را بنویسید (حداکثر ۱۰۰۰ نویسه) و در صورتِ نیاز یک عکسِ JPG یا PNG به‌عنوانِ مرجع بگذارید.
- مدت و ابعاد (عمودی یا افقی) را انتخاب کنید. هزینه‌ی تقریبی پیش از ساخت نشان داده می‌شود.
- ویدیو را بسازید. اگر ساخت ناموفق باشد، اعتبارِ کسرشده خودکار برمی‌گردد.
چون Kling دیالوگِ فارسی نمی‌سازد، می‌توانید صدای فارسی را با گویندگی فارسیِ هوش‌نو بسازید و در تدوین روی ویدیو بگذارید.
کلینگ در برابرِ رقبا
| مدل | نقطه‌ی قوت | مناسبِ چه کاری |
|---|---|---|
| Kling 3.0 | کنترلِ حرکت، چند نما در یک ساخت، ثباتِ شخصیت | ویدیوی شبکه‌های اجتماعی، حرکتِ آدم و حیوان، تبدیلِ عکس به ویدیو |
| Google Veo 3.1 | داستان‌گویی، صدای هم‌زمان، فهمِ دقیقِ پرامپتِ طولانی | صحنه‌های سینمایی و تبلیغاتیِ روایت‌محور |
| Seedance | حرکتِ روان و قیمتِ مناسب | تولیدِ پرتعدادِ کلیپ‌های کوتاه |
| Minimax (Hailuo) | سرعت و هزینه‌ی کم | آزمودنِ سریعِ ایده‌ها |
مقایسه‌ی Kling با Sora و Runway را هم در Kling AI در مقابل Sora و RunwayML نوشته‌ایم.
کاربردهای واقعیِ کلینگ
- ریلز و استوریِ فروشگاهی: عکسِ محصول را با چرخشِ آرامِ دوربین یا حرکتِ نور زنده کنید.
- تبلیغاتِ کوتاه: با قابِ شروع و پایان، تبدیلِ «قبل» به «بعد» را نشان دهید.
- زنده کردنِ عکسِ قدیمی: یک لبخند یا چرخشِ سرِ ملایم؛ حرکت را کم بخواهید تا چهره عوض نشود.
- استوری‌بورد و پیش‌تولید: فیلم‌سازان با حالتِ چندنما، دکوپاژ را پیش از فیلم‌برداری می‌آزمایند.
- محتوای آموزشی: نمایشِ یک فرایندِ ساده (رشدِ گیاه، ساختِ یک وسیله) در چند ثانیه.
محدودیت‌های کلینگ که بهتر است بدانید
- متن داخلِ تصویر: نوشته‌ها، به‌خصوص فارسی، اغلب به‌هم‌ریخته درمی‌آیند. متن را بعداً در تدوین اضافه کنید.
- دست و انگشت در حرکت‌های پیچیده: هنوز گاهی ایراد دارد؛ حرکت‌های ساده‌تر بخواهید.
- هزینه‌ی تکرار: هر بار ساختِ دوباره اعتبار می‌خورد؛ ایده را اول با مدت و کیفیتِ کمتر بیازمایید.
- قوانینِ محتوا: Kling برخی موضوع‌ها و چهره‌ی افرادِ مشهور را محدود می‌کند و درخواست‌های ناسازگار رد می‌شوند.
برای مقایسه‌ی Kling با مدل‌های دیگر در کارِ متحرک سازی عکس با هوش مصنوعی و نکته‌های آماده‌کردنِ عکس، این راهنما را هم ببینید.
برای فهم اینکه مدل‌های ویدیوساز کجای دنیای هوش مصنوعی قرار می‌گیرند، هوش مصنوعی چیست و چه انواعی دارد را بخوانید.
سؤالات متداول
کلینگ مالِ کدام کشور است؟
Kling ساختِ شرکتِ چینیِ Kuaishou است و اولین نسخه‌اش در ژوئنِ ۲۰۲۴ در چین عرضه شد. حالا نسخه‌ی جهانیِ آن از طریقِ سایت و اپ در دسترس است.
آخرین نسخه‌ی Kling AI کدام است؟
تا مهرِ ۱۴۰۵، Kling 3.0 (و نسخه‌ی یکپارچه‌ی آن، 3.0 Omni) جدیدترین نسل است که در فوریه‌ی ۲۰۲۶ عرضه شد و ویدیوی تا ۱۵ ثانیه با صدای بومی و چند نما می‌سازد.
آیا کلینگ فارسی می‌فهمد؟
پرامپتِ فارسی را تا حدی می‌فهمد، اما پرامپتِ انگلیسی دقیق‌تر اجرا می‌شود. صدای بومیِ آن هم فعلاً از فارسی پشتیبانی نمی‌کند. یک راهِ عملی این است که توضیحِ فارسی را با چتِ هوش مصنوعی به پرامپتِ انگلیسی تبدیل کنید.
ویدیوهای کلینگ چند ثانیه‌اند؟
در Kling 3.0 Omni بینِ ۳ تا ۱۵ ثانیه، به انتخابِ شما. نسخه‌های قدیمی‌تر معمولاً ۵ یا ۱۰ ثانیه بودند. در ابزارهای واسط ممکن است گزینه‌های مدت محدودتر باشد.
آیا با کلینگ می‌شود عکس هم ساخت؟
بله، Kling مدلِ تصویرسازیِ جداگانه (Kling Image) هم دارد، اما برای ساختِ عکس معمولاً مدل‌های تخصصی‌تری مثلِ Nano Banana، Flux یا Midjourney انتخاب‌های رایج‌تری هستند.
بهترین راهِ استفاده از Kling در ایران چیست؟
اگر کارتِ ارزی ندارید، استفاده از Kling در یک پلتفرمِ ایرانی با پرداختِ تومانی ساده‌ترین راه است؛ مثلاً ابزارِ ساختِ ویدیوی هوش‌نو که Kling را کنارِ مدل‌های دیگر ارائه می‌دهد و هزینه را پیش از ساخت نشان می‌دهد.
جمع‌بندی
کلینگ در نسخه‌ی ۳ از یک ابزارِ آزمایشی به یکی از قوی‌ترین مدل‌های ساختِ ویدیو تبدیل شده است: کلیپ‌های تا ۱۵ ثانیه، چند نما در یک ساخت، صدای هم‌زمان و کنترلِ حرکتی که رقبا کمتر دارند. برای شروع، با تصویر به ویدیو و یک حرکتِ ساده کار کنید، پرامپت را مرحله‌به‌مرحله دقیق‌تر کنید و پیش از ساختِ نسخه‌ی نهایی ایده را با تنظیماتِ ارزان‌تر بیازمایید.
