статья Нейросеть Kling AI: как создавать видео по промптам и референсам

[Ardi]

Нейросеть Kling AI предназначена для генерации продолжительных видеосцен на основе текстовых описаний и изображений-референсов. Модель позволяет создавать ролики длительностью до 30 секунд (в Kling 4.0), управлять последовательностью событий, чередовать планы, задавать движение камеры и одновременно генерировать звуковое сопровождение. Ещё одна отличительная особенность в Kling AI 4.0 — поддержка широкоформатного соотношения сторон 21:9, подходящего для панорамных и кинематографических сцен. В инструкции описано, как создавать видео по промптам и референсам в Kling AI через веб-версию платформы Yes AI, выбирать версию видео-модели, настраивать длительность ролика и соотношение сторон кадра, составлять промты с указанием временных интервалов и продлевать готовое видео. Отдельно приведено сравнение Kling 1.6, Kling 2.5 Turbo, Kling 3.0 и Kling 4.0, а также рассмотрены основные различия между Kling AI и Veo 3.1.

Что умеет Kling AI?

Kling AI — нейросеть для создания видео по текстовым описаниям и референсам. Набор доступных функций зависит от выбранной версии. Ранние модели подходят для оживления изображений и создания коротких роликов, а Kling AI 4.0 рассчитана на генерацию более продолжительных сцен с последовательным развитием событий.

Основные возможности Kling AI:

• генерация видео по текстовому промпту;
• создание роликов на основе изображений-референсов;
• использование начального и финального кадров;
• работа с несколькими визуальными референсами;
• управление движением персонажей и объектов;
• возможность задать траекторию и характер движения камеры через промпт;
• создание нескольких планов в одном ролике;
• генерация речи, фоновых шумов и звуковых эффектов в последних версиях;
• создание вертикальных, квадратных, горизонтальных и широкоформатных видео;
• продление готовых фрагментов роликов;
• управление развитием продолжительной сцены с помощью временных интервалов.

Возможности Kling AI позволяют создавать рекламные ролики, короткометражные фильмы, клипы, презентации, публикации для социальных сетей и рекламные видеоролики. Однако качество результата во многом зависит от точности поставленной задачи. Чем больше в кадре персонажей, действий и движений камеры, тем подробнее должен быть промпт.

Сравнение версий Kling AI

Ниже представлено сравнение видео-моделей. 

Kling 1.6

Kling 1.6 целесообразно использовать для создания простых сцен, особенно при наличии качественного исходного изображения.

Типичный сценарий работы: загрузка фотографии или иллюстрации с последующим добавлением незначительного движения. Персонаж может повернуть голову, ткань — колыхаться на ветру, вода — течь, а камера — плавно приближаться к объекту.

Версия поддерживает создание видео на основе текстового описания или изображения-референса. Готовое изображение позволяет заранее задать композицию и обычно делает результат более предсказуемым. Модель распознаёт указания по движению объектов и камеры, освещению, цветовой гамме и детализации, но большое количество событий может снизить качество генерации. Доступная длительность видео 5 или 10 секунд. 

Для Kling 1.6 желательно выбирать один главный объект, одно понятное действие и простое движение камеры. Модель не поддерживает нативную генерацию звука, поэтому музыку, речь и шумовые эффекты потребуется добавить при монтаже, например в CapCut.

Версия Kling 1.6 подходит для следующих задач:

• оживление портрета;
• анимация иллюстрации;
• создание движения дождя, дыма, облаков или растений;
• создание спокойной предметной сцены.

Пример промпта: 

Женщина смотрит прямо в объектив с мягкой улыбкой, затем плавно поворачивает голову вправо. На заднем фоне летний парк. Лёгкий ветер естественно шевелит пряди её волос. Камера медленно и едва заметно приближается, сохраняя акцент на лице. Реалистичная текстура кожи, естественная мимика и движения, лёгкий макияж, серьги, мягкое освещение, спокойная атмосфера, без резких жестов и рывков камеры.

Kling 2.5 Turbo

Kling 2.5 Turbo лучше подходит для создания коротких динамичных кадров с последующим объединением при монтаже. Версия ориентирована на активные действия, интенсивное движение и динамичные перемещения камеры.

Модели можно задать последовательность из нескольких связанных действий. Например, персонаж подходит к столу, берёт предмет и поворачивается к камере. Kling 2.5 Turbo также подходит для визуальной рекламы с акцентом на материал, освещение, фактуру и движение товара.

Продолжительность одной генерации составляет 5 или 10 секунд. Доступно управление начальным и конечным кадрами. Такая функция позволяет задать исходное и конечное состояния сцены, однако траекторию перехода между состояниями необходимо чётко описать в промпте.

Версия Kling 2.5 подходит для следующих задач:

• реклама косметики, напитков, техники и одежды;
• автомобильные проезды;
• спортивные и танцевальные фрагменты;
• Reels, Shorts и клипы;
• городские, природные и интерьерные видеокадры;
• тестирование различных движений и вариантов освещения.

Пример промпта:

Серебристый спортивный автомобиль быстро мчится по мокрой прибрежной дороге на рассвете. Камера движется рядом с левой стороной автомобиля, затем плавно смещается к передней части. Из-под колёс поднимаются брызги воды, подвеска движется реалистично, дизайн автомобиля остаётся неизменным. Сильное ощущение скорости, кинематографичные отражения.

Если задача предполагает активное движение, при выборе между Kling 1.6 и Kling 2.5 Turbo разумнее начать с Kling 2.5.

Kling 3.0

Kling 3.0 подходит для создания коротких законченных сцен с действием, звуковым сопровождением и сменой планов.

Модель одновременно генерирует видеоряд, речь, фоновые шумы и звуковые эффекты. Функция Multi-Shot позволяет объединять в одном ролике общий и крупный планы, а также реакцию другого персонажа. Длительность ролика — от 5 до 15 секунд, поэтому хронометраж можно подобрать под реплику или конкретное действие.

Эта версия лучше справляется с генерацией надписей и логотипов, чем предыдущие. Однако важные элементы фирменного стиля необходимо внимательно проверять: модель может искажать мелкий текст, начертание букв и точные пропорции знака.

Пример промпта:

Уютная кофейня ранним утром. Начни с общего плана кофейни. Фокус на лицо баристы, молодого парня со светлыми волосами и голубыми глазами. Бариста ставит чашку на стойку. Затем крупный план пара, поднимающегося от кофе. Посетительница, девушка брюнетка берёт чашку и говорит по-русски: «Спасибо». Мягкий фоновый шум, естественная речь, тёплое кинематографическое освещение.

Kling 4.0

Kling 4.0 предназначена для создания более продолжительных и детально проработанных сцен. Особое значение имеют последовательность событий, согласованность внешнего вида и поведения персонажей, а также постепенное развитие действия.

Основные отличия Kling 4.0 от Kling 3.0:

• продолжительность одной генерации — до 30 секунд;
• более точное управление развитием сюжета;
• использование ключевых кадров для обозначения визуальных этапов сцены;
• поддержка промптов объёмом до 8 000 токенов;
• возможность подробно описывать действия, движения камеры, реплики, звуковое сопровождение и эмоции;
• двухканальный стереозвук вместо одноканального звука в Kling 3.0;
• расширенный перечень поддерживаемых языков;
• усовершенствованная работа с референсами;
• перенос из референса композиции и стиля.

Kling 4.0 подходит для создания рекламных роликов продолжительностью 20–30 секунд, сцен с несколькими персонажами, сложных движений камеры, спортивных и танцевальных эпизодов, экшен-сцен и погонь. В одном ролике можно последовательно показать вступление, появление товара, процесс использования товара и финальный кадр.

Преимущества Kling AI 4.0

Главное преимущество версии 4.0 заключается не только в увеличенной продолжительности ролика. Модель предоставляет больше времени для развития событий: вместо одного эффектного действия можно создать небольшой эпизод с завязкой, изменением ситуации, реакцией персонажей и завершением, дополнив видеоряд качественным звуковым сопровождением и диалогами.

Длительность видеофрагмента до 30 секунд

Длинная генерация полезна, когда в ролике важно сохранить причинно-следственную связь. Герой входит в помещение, замечает предмет, взаимодействует с найденным предметом и реагирует на происходящее. Такую сцену можно описать как единую последовательность, не разбивая на четыре изолированных фрагмента.

Впрочем, большая длительность не всегда улучшает результат. Если содержание сцены можно раскрыть за 10 секунд, искусственно растягивать эпизод не стоит. Избыточная длительность иногда приводит к повторению или замедлению действий и реплик, а также к появлению незапланированных деталей.

Управление событиями по времени

В промптах для Kling AI можно указывать временные интервалы и распределять действия по секундам. Такой формат полезен при создании роликов продолжительностью от 15 до 30 секунд.

Вместо перечня пожеланий модель получает последовательный план, благодаря чему снижается вероятность одновременного начала всех действий или пропуска отдельных событий.

Работа с референсами

Для работы над проектами можно использовать изображения персонажей, предметов и окружающей среды. Референс помогает передать композицию и стиль, а также обозначить начальную фазу движения персонажей или объектов.

Референс не следует воспринимать как гарантию точного воспроизведения. Задача референса — задать визуальный ориентир. Наиболее важные характеристики рекомендуется дополнительно описать словами: положение персонажа, направление света и характер движения.

Звук внутри генерации

Kling 4.0 создаёт звуковое сопровождение одновременно с видеорядом. В промпте можно задать реплики, атмосферные звуки, шумы, эффекты и расположение источников звука в сцене. Поддержка двухканального стереозвука обеспечивает более объёмное звучание.

Критически важную реплику следует привести полностью, указав язык, персонажа, интонацию и момент произнесения. После генерации необходимо проверить синхронизацию движений губ со звуком, разборчивость речи и отсутствие посторонних голосов.

Формат 21:9

Соотношение сторон 21:9 подходит для широкоформатных сцен.

Формат подходит для:

• панорамных пейзажей;
• автомобильных сцен;
• массовых эпизодов;
• движения камеры;
• композиций с несколькими героями;
• рекламных роликов, в которых требуется показать товар вместе с окружением.

Выбор формата 21:9 сам по себе не делает кадр кинематографичным. В промпте важно осмысленно использовать ширину кадра: указать расположение объектов, направление движения, а также передний, средний и дальний планы.

Пример промпта: 

Широкий кинематографичный план. Одинокий электромобиль пересекает залитый дождём футуристический город ночью. Автомобиль движется слева направо в нижней трети кадра. Высокие деревья заполняют передний план, надземная автомобильная эстакада формирует средний план, вдоль горизонта виднеются далёкие небоскрёбы. Камера плавно движется параллельно автомобилю. Реалистичные отражения, быстрое движение, цельная композиция. Различные фоновые звуки.

Как пользоваться Kling AI 4.0 в web-версии платформы Yes AI

Для работы с Kling AI зарегистрируйтесь 👉 на сайте yesai.su, войдите в личный кабинет Yes AI и создайте отдельный чат.

Порядок действий:

1. Откройте личный кабинет Yes AI.
2. Нажмите кнопку «Новый чат» в верхней части бокового меню и создайте чат с названием «Kling».
3. Найдите«Kling»  в списке доступных нейросетей.
4. Нажмите на название модели и откройте созданный чат.
5. Перейдите к настройкам нейросети.

Примечание: Отдельный чат помогает организовать работу и сохранить историю проекта: тестовые промты, удачные формулировки, промежуточные результаты и финальные задания. При создании серии связанных роликов все необходимые материалы останутся в одном месте — искать запросы среди диалогов с другими нейросетями не придётся.

Как выбрать версию Kling

В открытом чате нажмите кнопку с изображением шестерёнки рядом с названием нейросети, а затем откройте раздел «Версия».

Выберите версию Kling AI 4.0.

Активная версия выделена красным цветом и отмечена переключателем.

 

 

Для работы с функциями, описанными в статье, выберите нужную версию. Перед отправкой задания обязательно проверяйте активную версию. При выборе другой версии длительность ролика, параметры звука и способ обработки промпта могут отличаться от ожидаемых.

Из-за высокой стоимости последнюю версию целесообразно использовать не для всех задач. Для простого оживления портрета возможности Kling 4.0 требуются не всегда, а короткий динамичный ролик иногда выгоднее создавать в Kling 2.5. Это особенно актуально при большом количестве тестовых генераций.

 

Стоимость генерации в разных версиях нейросети Kling указана 👉 в прайс-листе.

Как выбрать пропорции видео

Откройте настройки, нажав кнопку со значком шестерёнки, и перейдите в раздел «Пропорции».

Доступны четыре формата. Активный формат выделен красным.

Соотношение сторон 1:1 подходит для карточек и универсальных публикаций.

Соотношение сторон 9:16 рекомендуется для коротких мобильных видео.

Соотношение сторон 16:9 удобно для видео-платформ, презентаций и стандартных горизонтальных роликов.

Соотношение сторон 21:9 предназначено для широкоформатных кадров.

Пропорции следует выбрать до составления финального промпта, поскольку композиция вертикального ролика значительно отличается от композиции панорамного. Для формата 9:16 рекомендуется описывать расположение объектов по высоте и оставлять свободное пространство над главным объектом. При выборе формата 21:9 важно распределять детали по ширине кадра.

Как выбрать длительность видео

В настройках Kling 4.0 откройте раздел «Длительность». Доступны следующие варианты:
 

 

Оптимальная продолжительность видеофрагмента зависит от количества действий в ролике:

• 5 секунд подойдут для проверки композиции, внешности персонажа, движения камеры и общей интерпретации промта.
• 10 секунд позволят показать одно завершённое действие, например проход персонажа, проезд автомобиля или короткую предметную сцену.
• 15–20 секунд подойдут для нескольких связанных действий. Задание такой продолжительности желательно разделить на временные интервалы.
• 25–30 секунд стоит выбирать для сцены со вступлением, развитием и финалом. Для создания такого ролика потребуются подробный сценарий и предварительные тесты.

Длительные генерации стоят довольно дорого, поэтому не стоит сразу создавать 30-секундный ролик. Сначала протестируйте сложный фрагмент или визуальный стиль в коротком видео, уточните формулировки и только после этого запускайте финальную генерацию.

Актуальная стоимость зависит от выбранной модели и продолжительности видео. Перед началом создания проекта ознакомьтесь 👉 с прайс-листом YesAI.

Как писать промпты с временными интервалами

Для создания короткого ролика часто достаточно описать героя, действие, окружение, освещение и работу камеры. Для создания длинного видео в Kling необходим подробный сценарий с временной разбивкой.

Удобная структура промта включает:

• общие характеристики ролика;
• описание героев и окружения;
• последовательность действий с указанием временных интервалов;
• движения и ракурсы камеры;
• реплики и звуковое сопровождение;
• требования к неизменности внешнего вида объектов;
• ограничения и нежелательные события.

Пример промпта на 30 секунд:

Ночной футуристический город, лёгкий дождь, реалистичное освещение. Чёрный электромобиль должен выглядеть одинаково на протяжении всего видео.

0–5 секунд: Общий установочный план залитой дождём городской улицы. Чёрный электромобиль медленно приближается издалека. Камера остаётся неподвижной. Тихий шум дождя и отдалённые звуки города.

5–10 секунд: Автомобиль проезжает мимо камеры слева направо. Неоновые вывески отражаются на мокром кузове и асфальте. Камера начинает плавно двигаться вслед за автомобилем.

10–20 секунд: Камера следует за автомобилем, открывая впереди ярко освещённый мост. Лёгкий дождь продолжается. Дизайн и цвет автомобиля остаются неизменными.

20–26 секунд: Автомобиль въезжает на мост и слегка ускоряется. Шум шин становится более заметным. Другие транспортные средства не перекрывают обзор.

26–29 секунд: Автомобиль постепенно скрывается в тумане. Камера медленно поднимается, открывая городской силуэт. Завершение стабильным общим планом.

Без резких монтажных склеек, дублирования автомобиля, изменений дизайна транспортного средства, текста и логотипов. Реалистичное движение, неизменное направление движения, стереофоническая атмосфера.

Задавайте ритм видео с помощью временных интервалов по 3–10 секунд, не расписывая каждую секунду отдельно. Избыточно подробная разметка часто приводит к противоречиям, особенно если на короткий отрезок приходится сложное действие.  

Практические рекомендации:

• Разделяйте крупные события. Не перегружайте короткий интервал последовательностью вроде: «герой встает, подбегает к двери, открывает ее и выходит на улицу». Для пяти секунд такое действие слишком насыщенно.
• Сохраняйте непрерывность. Положение, внешний вид и состояние объектов в конце одного интервала должны соответствовать их состоянию в начале следующего.
• Описывайте движение камеры отдельно от действий персонажа. Например: «персонаж идет вперед; камера плавно движется назад перед ним». Такая формулировка точнее, чем расплывчатое указание «динамичная камера».
• Дублируйте ключевые ограничения. Если автомобиль на протяжении всего видео должен оставаться красным, а одежда героя — неизменной, зафиксируйте эти требования в начальном описании и при необходимости повторите в финальном блоке ограничений.

Примечание: Если в настройках выбрана продолжительность видео 5 секунд, а в промпте описан 30-секундный сценарий, приоритет имеют настройки. Чтобы создать длинное видео, убедитесь, что в настройках выбрана продолжительность 30 секунд.

Инструкция по работе с промптами и референсами в Kling AI 4.0

Создание видео по текстовому промпту

Порядок действий: 

Практичная формула промпта для первого теста:

Тип кадра + главный объект + действие + окружение + движение камеры + свет + стиль + ограничения.

Пример промпта:

Молодая девушка, спортсменка по бегу на длинные дистанции, ожидает команды на стартовой линии современного спортивного стадиона. Она делает глубокий вдох, смотрит вперёд и начинает бежать. Камера движется рядом с ней с той же скоростью, девушка видна в полный рост. Ранний утренний свет, реалистичные движения тела, естественное выражение лица, спортивная одежда, без монтажных склеек.

Примечание: при генерации видео в Kling лучше указывать этническую принадлежность или тип внешности персонажа. Без такого уточнения в кадре часто появляются люди азиатской внешности.

Создание видео по референсам

При загрузке исходного изображения обратите внимание на качество прорисовки лиц, рук, мелких деталей и границ объектов. Нейросеть создаёт видео на основе готовой композиции, поэтому недостатки исходника могут стать заметнее при движении.

В промпте не стоит подробно описывать хорошо различимые элементы, лучше сосредоточиться на изменениях:

• движениях персонажей и их действиях;
• направлении движения объектов и персонажей;
• неподвижных элементах;
• движении камеры;
• темпе анимации;
• завершении сцены.

Пример промпта: 

Женщина медленно поворачивает голову к окну и слегка улыбается. Ее волосы плавно колышутся от легкого ветерка. Камера медленно приближается. Черты лица, одежда, расположение комнаты и освещение остаются неизменными. Без резких жестов.

Работа с первым и последним кадрами

Первый кадр "S" определяет исходную композицию, а последний "F" — финальный кадр. Kling AI выстраивает движение от начального кадра к конечному.

Для создания естественного перехода изображения должны быть совместимы:

• внешность героя должна оставаться узнаваемой;
• форма предметов не должна беспричинно меняться;
• освещение желательно выдержать в единой логике;
• изменение ракурса не должно быть слишком резким;
• конечное положение должно быть достижимо в течение выбранного времени.

В таком случае промпт описывает не сами изображения, а логический переход между ними.

Пример промпта: 

Девушка улыбается, хитро подмигивает правым глазом и показывает знак тишины. На фоне за кадром звучит тихая мелодичная музыка.

Как продлить готовое видео в Kling AI?

Функция продления видео доступна в данный момент только для Kling AI 1.6

После завершения генерации откройте готовый ролик. В меню станет доступна функция продления. Выберите соответствующую опцию и опишите продолжение сцены в промпте.

Промт для продолжения должен начинаться с описания состояния или движения в финале исходной сцены. Вступление повторять не нужно. Затем следует указать последующее действие, направление движения камеры и желаемый финал.

Например, первый ролик заканчивается въездом автомобиля на мост. Промт для продолжения можно сформулировать так:

Чёрный электромобиль движется по освещённому мосту, не меняя направления. Камера следует за автомобилем сзади, затем медленно поднимается над дорогой. Продолжается лёгкий дождь, городское освещение остаётся неизменным, дизайн автомобиля — идентичным. На переднем плане не появляются новые автомобили.

Важно! В Kling 1.6 можно продлить только недавно сгенерированное в этой нейросети видео. Видео, созданное несколько дней назад или с помощью другой нейросети, продлить нельзя.

Сравнение Kling AI и Veo 3.1

Kling AI и Veo 3.1 относятся к инструментам генерации видео, однако выбор между моделями зависит от задач конкретного проекта, а не от абстрактного рейтинга.

Сильная сторона Kling AI — сочетание продолжительности ролика до 30 секунд, возможности использования временной структуры промпта, поддержки нескольких референсов в режиме Elements, ключевых кадров и широкого формата 21:9. Такие возможности упрощают создание постановочных сцен, в которых необходимо заранее распределить события по времени, задать начальное и конечное состояния, сохранить визуальную целостность персонажей и объектов, а также точнее контролировать композицию, динамику и движение камеры. Слабая сторона - высокая стоимость генераций по сравнению с Veo 3.1.

Kling AI 4.0 особенно удобен для рекламных роликов, музыкальных клипов, кинематографичных сцен и последовательностей с несколькими этапами действия. К преимуществам модели также относятся гибкая работа с референсными изображениями, более точное управление развитием сцены и возможность выстраивать сложные переходы внутри одного ролика. Благодаря этому Kling лучше подходит для проектов, где приоритетны длительность, управляемость генерации, постоянство визуальных элементов и детально спланированная постановка.

Модель Veo 3.1 также предназначена для генерации видео со звуком и хорошо подходит для сцен, где особенно важны синхронизация изображения и аудио, точная интерпретация режиссёрского описания и создание законченного эпизода.

Таким образом, Kling AI 4.0 целесообразнее выбирать для визуально сложных и управляемых сцен, а более бюджетную Veo 3.1 — для эпизодов, в которых ключевую роль играет сочетание видеоряда, речи, музыки и звуковых эффектов.

В 👉 этой статье представлен подробный обзор нейросети Veo 3.1.

Пример генераций по промптам в Veo 3.1 и Kling AI 4.0

Пример промпта для тестирования двух моделей:

Крупный план необычной клавиатуры: каждая клавиша сделана из конфеты — прозрачной карамели, цветного драже, мармелада или шоколада. Пальцы ритмично набирают текст, нажимая на сладкие клавиши. Камера плавно скользит вдоль рядов, показывая сахарные кристаллы, глянцевую глазурь и мягкую фактуру мармелада. Мягкое освещение подчёркивает яркие цвета и аппетитные поверхности; малая глубина резкости удерживает внимание на движении пальцев. При каждом нажатии звучат отчётливые конфетные щелчки и сладкий хруст, дополненные радостным хихиканьем за кадром. Игривая атмосфера, выразительный ASMR-звук без фоновой музыки.

Результат генерации в Veo 3.1

Результат генерации в Kling AI 4.0

Пример промпта с диалогом для тестирования двух моделей:

Кинематографичная готическая сцена: над мрачным замком возвышается полная луна, холодный свет очерчивает острые шпили и зубчатые стены. В ночной тишине вампир в длинном тёмном плаще бесшумно крадётся вдоль каменной ограды. Камера плавно следует за ним на уровне плеч; видны бледное лицо, настороженный взгляд, клыки вампира и тяжёлые складки ткани.

Из темноты появляется летучая мышь и, тихо хлопая крыльями, зависает рядом с вампиром. Тонким, отчётливым голосом он докладывает на русском языке: «Хозяин, я вернулся с задания».

Вампир останавливается и поворачивает голову к нему. Камера переходит на средний план. После короткой паузы он отвечает на русском языке низким властным голосом, резко усиливая последнюю фразу: «Хорошо, Мордред, доложи обстановку!»

На фоне слышны шелест плаща, взмахи крыльев и слабый ветер между башнями. Холодная сине-серая палитра, глубокие тени и лёгкая дымка создают зловещую атмосферу с едва заметной комедийной ноткой в финальном приказе.

Результат генерации в Veo 3.1

Результат генерации в Kling AI 4.0

Нейросеть Kling AI особенно хорошо справляется с задачами, для решения которых недостаточно одного эффектного кадра. Kling 4.0 позволяет выстраивать последовательность событий, задавать движение камеры, использовать референсы и создавать звуковое сопровождение. Сочетание визуальных и звуковых инструментов делает модель подходящей для производства рекламных роликов, кинематографичных сцен, презентаций и контента для социальных сетей. Управление динамикой, композицией и атмосферой видео помогает точнее воплощать творческий замысел.

Однако качество сгенерированного материала по-прежнему зависит от промпта. Чем точнее описаны движения, композиция, функции референсов и конечное состояние сцены с учётом продолжительности видео, тем ниже вероятность получения непредсказуемого результата.