شرکت Kling AI روز ۲۷ مهر ۱۴۰۵ (۱۹ اکتبر ۲۰۲۶) نسخه‌ی ۴٫۰ مدل ساخت ویدیوی خودش را معرفی کرد. مهم‌ترین تغییر این است که حالا در هر بار ساخت می‌شود ویدیویی تا ۳۰ ثانیه گرفت. این مدل صدای استریو دارد، هم‌گام‌سازی لب را در بیش از ده زبان بهتر کرده و یک نسخه‌ی سبک‌تر و ارزان‌تر به اسم Kling 4.0 Flash هم کنارش آمده است.
Kling 4.0 چه چیزهای تازه‌ای دارد؟
بر اساس گزارش The Decoder که از یادداشت‌های انتشار خودِ Kling نقل کرده، فهرست قابلیت‌ها این است:
برای انجام عملیِ همین کار می‌توانی از ابزار ساخت ویدیو در هوش نو استفاده کنی.
- ویدیوی بلندتر: تا ۳۰ ثانیه در یک بار ساخت، بدون اینکه مجبور باشید چند تکه را به هم بچسبانید.
- کنترل با فریم‌های کلیدی: تا ده عکس به‌عنوان فریم کلیدی می‌دهید تا گذار صحنه‌ها، حالت شخصیت‌ها و لحظه‌های داستان را مشخص کنید.
- پرامپت طولانی‌تر: فهم متن تا ۸ هزار توکن بالا رفته است.
- Omni Reference: تا ۱۵ فایل مرجع در یک درخواست: تا ۱۰ عکس، تا ۵ ویدیو (روی هم حداکثر ۳۰ ثانیه) و تا ۷ عنصر. مرجع‌ها می‌توانند استوری‌بورد، طرح اولیه، شبکه‌ی تصویر، ویدیوی مدل سفید یا ویدیوی نقشه‌ی عمق باشند.
- بازسازی خلاقانه: یک ویدیوی موجود را الگو می‌گیرید و محصول یا شخصیت را عوض می‌کنید. حالت چهره، حرکت بدن، زاویه‌ی دوربین و پس‌زمینه را هم می‌شود بدون دست‌زدن به بقیه‌ی کلیپ تغییر داد.
- صدای استریو و لب‌خوانی: هم‌گام‌سازی لب برای بیش از ده زبان از جمله آلمانی، انگلیسی، ژاپنی، کره‌ای و اسپانیایی، همراه با گویش‌ها و لهجه‌های مختلف. متنِ داخلِ ویدیو هم حتی با حرکت دوربین پایدار می‌ماند.
دو قابلیت هم هنوز «به‌زودی» هستند: خروجی ۱۰ بیتی HDR در ۴K و ۱۰۸۰p، و تمدید ویدیو تا دو دقیقه. زمان مشخصی برایشان اعلام نشده است.
نسخه‌ی Flash و راه‌های دسترسی
Kling 4.0 Flash نسخه‌ی سبک و سریع است. حداکثر خروجی‌اش ۷۲۰p و ۲۰ ثانیه است و هزینه‌ی کمتری دارد. رابط ساخت هم بازطراحی شده و Kling 4.0 از راه MCP و خط فرمان هم در دسترس است؛ یعنی ایجنت‌های هوش مصنوعی می‌توانند خودکار ازش استفاده کنند. قیمت API و زمان پشتیبانی کامل از آن هنوز اعلام نشده است.
آیا از رقبا جلوتر است؟
نویسنده‌ی The Decoder آن را با مدل‌های رقیب مقایسه کرده و نوشته Kling 4.0 رقابتی است، ولی برتری روشنی ندارد؛ در ترتیب منطقی نماها، فیزیک و گفت‌وگوی طبیعی ضعیف‌تر بوده است. او حدس می‌زند پیشرفت مدل‌های ویدیو دارد کندتر می‌شود، هرچند انتشارهای بعدیِ رقبا ممکن است این تصویر را عوض کند. باید یادآوری کنیم که چند وب‌سایت دیگر پیش از انتشار، مشخصات مشابهی را به‌عنوان «پیش‌انتشار» نوشته بودند و جزئیات، تا زمانی که Kling صفحه‌ی رسمی‌اش را کامل کند، قابل تغییر است. عددهای این مقاله از گزارش The Decoder و یادداشت‌های خودِ Kling آمده و آزمون مستقلی پشتشان نیست.
این خبر برای کاربر فارسی‌زبان یعنی چه؟
برای تولیدکننده‌ی محتوای ایرانی، سه چیز جذاب است. اول، ۳۰ ثانیه یعنی یک ریلز یا تبلیغ کوتاه کامل را می‌شود در یک بار ساخت. دوم، فریم‌های کلیدی کمک می‌کنند داستان را خودتان هدایت کنید، نه اینکه به شانس تکیه کنید. سوم، «بازسازی خلاقانه» برای تبلیغ محصول مفید است: یک ویدیوی خوب را الگو می‌گیرید و فقط محصول را عوض می‌کنید. در عوض، پشتیبانی رسمیِ لب‌خوانی فارسی در خبرها نیامده؛ نباید فرض کنید فارسی هم در آن ده زبان است.
اگر می‌خواهید همین حالا ویدیوی هوش مصنوعی بسازید، در ابزارهای هوش‌نو بخش ساخت ویدیو را ببینید. برای آشنایی با نسخه‌های قبلی این خانواده هم راهنمای آموزش Kling AI و مقایسه‌ی نسخه‌ی رایگان و پولی Kling را بخوانید. اگر سراغ صدا هم می‌روید، خبر مدل صوتی Grok Voice 3.0 را از دست ندهید.
سؤالات متداول
Kling 4.0 چه تفاوتی با نسخه‌ی ۳ دارد؟
مهم‌ترین فرق‌ها ویدیوی تا ۳۰ ثانیه (دو برابر نسخه‌ی ۳٫۰)، ده فریم کلیدی، Omni Reference با ۱۵ مرجع و صدای استریو است.
Kling 4.0 Flash چیست؟
نسخه‌ی سبک و ارزان‌تر که حداکثر ۷۲۰p و ۲۰ ثانیه خروجی می‌دهد و برای آزمودن ایده‌ها مناسب‌تر است.
قیمت API چقدر است؟
تا زمان نوشتن این مقاله قیمت API و تاریخ پشتیبانی کامل اعلام نشده است.
