Kling 4.0 стал доступен 15 октября. Главное: одна генерация выдаёт ролик до 30 секунд, в кадр можно передать до десяти ключевых изображений и до пятнадцати референсов, а на выходе получить 4K со стереозвуком. Модель уже подключена к Kling MCP и CLI, поэтому её можно вызывать из агента.
Что вышло: новая версия видео-модели Kling и быстрый режим Flash
Kling 4.0 вышел 15 октября, глобальный анонс был 16-го. Все характеристики ниже — из официальных release notes и пресс-релиза Kling AI. Вместе с ним обновили страницу создания и добавили Kling 4.0 Flash: это режим, где скорость генерации выше, а качество держится на предсказуемом уровне. Для контент-конвейера Flash важнее, чем кажется: именно он позволяет гонять десятки вариантов в день.
По заявлению разработчиков, обновление сосредоточено на трёх вещах: реализм, контроль и профессиональное качество. На практике это читается так: сцены стали длиннее, движения стабильнее, а управлять кадром можно точнее, чем промптом.
Доступ открыт на сайте Kling AI. Публичный API для разработчиков обещают позже, а вот интеграция с MCP и CLI уже есть — об этом ниже.
Сцены на 30 секунд: одна генерация вместо склейки
Раньше видео собирали из коротких фрагментов по 5–10 секунд и склеивали в редакторе. На стыках рвался свет, менялась мимика, плыл фон. Kling 4.0 генерирует от 3 до 30 секунд за один проход, и это тот случай, когда длина решает больше, чем разрешение.
Для рилс это означает, что цельный диалог или проход камерой можно получить сразу. Тридцати секунд хватает на полноценный ролик с завязкой и финалом, без склейки, на которой зритель замечает подмену.
Внутри одной сцены держатся сложные движения: бег, разворот камеры, облёт объекта. Разработчики отдельно отмечают устойчивость крупных сцен и трекинговых проездов.
Мультикейфреймы: раскадровка до десяти кадров
Модель принимает до десяти ключевых изображений и выстраивает движение между ними. Это уже не «сгенерируй что-нибудь по описанию», а работа по раскадровке: вы рисуете позы и композицию, модель заполняет промежутки.
Для агента это удобный интерфейс. Раскадровку можно собрать генератором картинок, передать Kling список кадров и получить аниматик. Дальше остаётся монтаж и звук.
Ограничение тоже понятное: чем больше кадров, тем выше требования к их согласованности. Если на первом кадре герой в красной куртке, а на пятом в синей, модель честно покажет переодевание посреди сцены.
Omni Reference: пятнадцать референсов в одной генерации
Самая практичная часть обновления. В одну генерацию можно передать до пятнадцати объектов: десять изображений, пять видео общей длительностью до тридцати секунд и до семи элементов, включая голос.
Референсы бывают разными: фото персонажа, три вида одного объекта, сетка кадров, инфографика, раскадровка, wireframe. Видео задаёт движение и ритм, картинка — внешний вид и композицию. Отдельно поддерживаются white-model и depth-map видео: они управляют движением без привязки к текстуре.
Именно это позволяет делать серии с одним персонажем: лицо, одежда и голос переносятся из референсов, а не угадываются заново в каждом ролике. Для контент-завода с ИИ-блогером это ключевая функция.
Звук и липсинк: видео приходит со стерео
Kling 4.0 отдаёт двухканальный стереозвук и синхронизирует губы точнее, чем прошлая версия. Для говорящей головы это снимает отдельный этап: не нужно потом подгонять озвучку под движение рта.
На практике голос всё равно лучше проверять: синхронизация работает на крупных планах и простых фразах, а на быстрой речи и сильном акценте может уехать. Если ролик на русском, надёжнее сгенерировать видео без звука и наложить свою дорожку.
Текст в кадре и языки: где ограничения
Модель рисует текст прямо в видео: надписи, титры, элементы интерфейса. Список языков официально включает китайский, английский, японский, корейский, испанский, португальский, немецкий, французский и хинди, плюс эмодзи. Промпт принимает до 8 000 токенов.
Русского в списке нет. Это не значит, что кириллица не получится совсем, но рассчитывать на стабильный результат в кадре не стоит: буквы может перекосить. Надёжный путь для русских роликов — генерировать фон и движение, а текст добавлять на монтаже.
Разрешение — 720p, 1080p и 4K. Форматы: 21:9, 16:9, 1:1, 9:16 и авто. 10-битный HDR на 1080p и 4K обещают в ближайшее время; он даст запас на цветокоррекцию в контрастных сценах.
MCP и CLI: видео можно запускать из агента
Kling 4.0 подключён к Kling MCP и CLI. Это значит, что агент умеет сам собрать запрос, передать референсы и ключевые кадры и получить готовый файл, без ручной работы в интерфейсе.
Для контент-конвейера сценарий выглядит так: агент берёт тему из плана, пишет сценарий, генерирует раскадровку, отправляет её в Kling, получает видео и складывает в папку на проверку. Человек смотрит и правит, а не собирает каждый ролик с нуля.
Публичный API пока не открыт, поэтому MCP остаётся основным способом автоматизации. Если строите агента на n8n или LangGraph, вызывать Kling лучше через MCP-клиент, а не парсить интерфейс.
Конвейер рилс: где именно встаёт Kling 4.0
Шаг первый: идея и сценарий. Агент генерирует 10–20 тем и сценариев на неделю, человек выбирает пять.
Шаг второй: раскадровка. Каждый сценарий разбивается на 6–10 кадров, кадры рисуются генератором изображений или берутся из референсов бренда.
Шаг третий: видео. Kling 4.0 собирает сцены по кадрам, при необходимости добавляет движение камеры и звук.
Шаг четвёртый: монтаж. Субтитры, музыка, обложка, вертикальный кроп. Здесь же добавляется русский текст, которого модель не умеет.
Шаг пятый: публикация и метрики. Ролики уходят в очередь, агент собирает просмотры и оставляет темы, которые зашли. Через месяц такой цикл даёт понятную статистику по хукам и форматам.
Итог: главный сдвиг не в качестве, а в длине сцены
Kling 4.0 не столько улучшает картинку, сколько меняет единицу работы. Раньше единицей был клип на пять секунд, теперь — сцена на тридцать. Это экономит склейки, сохраняет свет и мимику, а вместе с референсами позволяет держать одного персонажа через десятки роликов.
Ограничения остаются: русского языка в официальном списке нет, публичный API ещё не открыт, а HDR только обещают. Но для рилс, где всё решает динамика и узнаваемость героя, этого достаточно, чтобы попробовать.