Kling یکی از شناخته‌شده‌ترین ابزارهای ساخت ویدیو با هوش مصنوعی است و حالا نسل چهارم آن از حالت آزمایشی بیرون آمده است. شرکت چینی کوایشو (Kuaishou)، مالک Kling AI، اعلام کرده مدل Kling 4.0 از ۱۵ اکتبر برای همه فعال شده و یک روز بعد هم اطلاعیهٔ عرضهٔ جهانی آن را منتشر کرد.
Kling 4.0 چه چیزی را در ساخت ویدیو عوض می‌کند
تمرکز اصلی نسخهٔ تازه روی سه چیز است: حرکت پایدارتر، ویدیوی طولانی‌تر و کنترل بیشتر سازنده. یکی از مشکل‌های رایج ویدیوهای هوش مصنوعی، به‌هم‌ریختن تصویر در حرکت‌های سریع و حرکت‌های پیچیدهٔ دوربین است. Kling می‌گوید در مدل جدید، صحنه‌های پرتحرک، تعقیب با دوربین و چرخش دور سوژه روان‌تر و بدون پرش تصویر ساخته می‌شوند.
مهم‌ترین تغییر برای کاربر عادی، طول ویدیوست. Kling 4.0 در یک مرحله ویدیوی ۳ تا ۳۰ ثانیه‌ای می‌سازد؛ یعنی دیگر لازم نیست یک صحنهٔ کامل را از چند تکهٔ کوتاه سر هم کنید. صدای خروجی هم دوکاناله (استریو) شده و به گفتهٔ سازنده، حرکت لب‌ها با دیالوگ هماهنگ‌تر است.
مرجع همه‌کاره و فریم‌های کلیدی؛ کارگردانی دقیق‌تر با Kling
قابلیتی که Kling آن را Omni Reference یا «مرجع همه‌کاره» می‌نامد، در نسخهٔ ۴ گسترده‌تر شده است. در هر کار می‌توانید حداکثر ۱۵ مرجع به مدل بدهید: تا ۱۰ تصویر، تا ۵ ویدیو با مجموع حداکثر ۳۰ ثانیه و تا ۷ شخصیت یا عنصر. نمونهٔ صدا هم پذیرفته می‌شود تا شخصیت با همان لحن و صدای دلخواه شما حرف بزند.
کاربرد عملی این قابلیت، ثابت ماندن شخصیت‌ها در صحنه‌های مختلف است. می‌توانید چهره و لباس یک شخصیت را از یک تصویر، حرکت دوربین را از یک ویدیو و فضای صحنه را از تصویر دیگری بگیرید. طبق راهنمای رسمی، حتی برگهٔ طراحی سه‌نمای شخصیت، استوری‌برد و ویدیوهای نقشهٔ عمق هم به‌عنوان مرجع قبول می‌شوند.
اگر لحظه‌های اصلی ویدیو را از قبل می‌دانید، بخش Keyframes به کارتان می‌آید. در این حالت تا ۱۰ تصویر کلیدی روی خط زمان ویدیو می‌گذارید و مدل فاصلهٔ میان آن‌ها را می‌سازد. دقت کنید که طبق راهنمای Kling، این دو حالت را نمی‌توانید در یک کار با هم ترکیب کنید.
ویرایش ویدیوی آماده هم ممکن است. می‌توانید حالت چهره، حرکت بدن، جای دوربین، سبک تصویر یا پس‌زمینه را عوض کنید و بقیهٔ صحنه دست نخورد. Kling همچنین امکان «بازسازی خلاقانه» را معرفی کرده است: ریتم و قاب‌بندی یک ویدیوی موفق را نگه می‌دارید و محصول یا شخصیت خودتان را جای آن می‌گذارید.
صفحهٔ ساخت تازه، نسخهٔ Flash و ایجنت Kling
همراه با مدل جدید، صفحهٔ ساخت Kling هم بازطراحی شده است. همهٔ ورودی‌ها حالا در یک کادر جمع شده‌اند و می‌توانید ساخته‌هایتان را در نمای شبکه‌ای کنار هم مقایسه کنید یا در نمای فهرستی یکی‌یکی ویرایش کنید.
بخش تازهٔ دیگر، یک بوم کاری است که در آن دارایی‌ها و مراحل ساخت را مثل گره‌هایی به هم وصل می‌کنید. در همین بخش یک ایجنت هم هست؛ کافی است بنویسید چه می‌خواهید تا خودش با ابزارهای Kling کار را جلو ببرد. کوایشو می‌گوید Kling 4.0 به MCP و ابزار خط فرمان Kling هم وصل شده تا ایجنت‌های هوش مصنوعی دیگر بتوانند از آن استفاده کنند.
برای ساخت‌های پرتعداد، نسخهٔ سبک‌تری به نام Kling 4.0 Flash هم عرضه شده که به گفتهٔ سازنده سریع‌تر و کم‌هزینه‌تر است. Adobe هم اعلام کرده Kling 4.0 و Kling 4.0 Flash به‌زودی به استودیوی Firefly اضافه می‌شوند.
محدودیت‌ها و نکته‌های مهم برای کاربر ایرانی
همهٔ قابلیت‌هایی که معرفی شده هنوز فعال نیست. طبق اطلاعیهٔ کوایشو، خروجی 4K، HDR ده‌بیتی و قاب عریض 21:9 «به‌زودی» اضافه می‌شوند؛ هرچند وبلاگ Kling قاب 21:9 را از همین حالا پشتیبانی‌شده معرفی کرده است. تمدید ویدیو تا ۲ دقیقه و دسترسی API برای شرکت‌ها و توسعه‌دهندگان هم هنوز تاریخ مشخصی ندارد.
نکتهٔ مهم‌تر برای ما زبان است. فهرست رسمی زبان‌های گفتار و متن Kling 4.0 شامل چینی، انگلیسی، ژاپنی، کره‌ای، اسپانیایی، پرتغالی، آلمانی، فرانسوی و هندی است و نامی از فارسی در آن نیست. پس اگر شخصیت‌ها باید فارسی حرف بزنند یا متن فارسی روی تصویر بیاید، فعلاً مطمئن‌ترین راه این است که دستور را به انگلیسی بنویسید و صدا یا زیرنویس فارسی را بعداً در نرم‌افزار تدوین اضافه کنید.
قیمت هر ساخت و تعداد اعتبار لازم برای ویدیوهای ۳۰ ثانیه‌ای در اطلاعیه‌های رسمی نیامده است. پیش از برنامه‌ریزی برای یک پروژه، شرایط حساب و اعتبار را در خود وب‌سایت Kling بررسی کنید. همهٔ ادعاهای کیفیتی این مطلب هم از طرف خود سازنده است و هنوز آزمون مستقل منتشر نشده است.
Kling 4.0 بیشتر از آنکه فقط تصویر زیباتری بسازد، کنترل سازنده را بیشتر کرده است: ویدیوی طولانی‌تر در یک مرحله، مرجع‌های بیشتر و فریم‌های کلیدی دقیق. اگر برای تبلیغ، شبکه‌های اجتماعی یا داستان‌گویی کوتاه ویدیو می‌سازید، این سه تغییر می‌تواند تعداد دفعه‌های ساخت دوباره را کم کند.
پیش‌تر هم در فیسیت دربارهٔ مدل جهان Odyssey-3 و ابزار ویدیوساز Veo 3 گوگل نوشته بودیم. شما تا حالا با کدام ابزار ویدیوی هوش مصنوعی ساخته‌اید و بزرگ‌ترین مشکلتان ثابت ماندن شخصیت بوده یا کوتاهی ویدیو؟ تجربه‌تان را در بخش نظرات بنویسید.
بعد از خواندن مطلب بپرسید؛ پاسخ فقط از همین مقاله است.
این مطلب برایتان مفید بود؟
فرهاد محمدی خبرنگار فناوری و هوش مصنوعی فیسیت است. کار روزانه‌اش این است که خبر مدل‌های زبانی، ابزارهای جدید و ادعاهای پرزرق‌وبرق شرکت‌ها را به زبان قابل‌استفاده برای مخاطب ایرانی برگرداند؛ بدون هیجان کاذب و بدون ترساندن بی‌دلیل.
میز کارش دو بخش است: هوش مصنوعی، و فناوری و تکنولوژی روز — نرم‌افزار، اینترنت و تغییراتی که روی کار و زندگی دیجیتال اثر می‌گذارند. قبل از نوشتن معمولاً می‌پرسد «برای کاربر چه فرقی می‌کند؟» و همان را محور مطلب می‌گذارد.
دیپ‌سیک نسخهٔ تازهٔ V4.1 Flash را منتشر کرد؛ کدنویسی قوی‌تر با هزینهٔ کمتر برای هر کار
ChatGPT حالا تب‌های کروم را کنترل می‌کند؛ حالت Work فرم پر می‌کند، پیام می‌فرستد و فایل دانلود می‌کند
مک‌پاو دستیار Eney را برای مک و آیفون عرضه کرد؛ هوش مصنوعی‌ای که پیش از هر تغییر اجازه می‌گیرد
نظرات کاربران