Kling : de la photo à la vidéo, mouvement, caméra et durée

Réponse courte : Kling est le modèle de génération vidéo développé par Kuaishou, la plateforme chinoise de vidéos courtes. En mode photo vers vidéo, il prend l'image que vous importez comme point de départ et l'anime selon le mouvement, l'orientation de la caméra et le rythme que vous décrivez. La durée qui peut être produite d'un seul coup a augmenté d'une version à l'autre : selon les annonces officielles, les versions de fin 2025 atteignaient 10 secondes, Kling 3.0 de février 2026 atteint 15 secondes, et Kling 4.0 d'octobre 2026 peut aller jusqu'à 30 secondes en une seule passe. Dans cet article, nous expliquons le fonctionnement de la photo vers la vidéo, la manière d'écrire un prompt de mouvement et les points de vigilance.

Qu'est-ce que Kling et qui le développe ?

Kling est le modèle vidéo annoncé par Kuaishou Technology en juin 2024. Dans son annonce initiale, Kuaishou indiquait que le modèle reposait sur une architecture transformer à diffusion (DiT), sur un réseau VAE 3D maison qui compresse l'image dans le temps et dans l'espace, ainsi que sur un mécanisme d'attention qui analyse le mouvement. La même annonce évoquait une résolution de 1080p et 30 images par seconde. Le modèle a d'abord été ouvert en version test en Chine, puis proposé en bêta sur le web au niveau mondial en juillet 2024.

Depuis, Kling AI est devenu une activité à part entière au sein de Kuaishou. Selon l'annonce de février 2026, la plateforme sert plus de 60 millions de créateurs de contenu, et plus de 600 millions de vidéos avaient été produites à cette date.

Qu'est-ce qui a changé d'une version à l'autre ?

Kling est mis à jour très souvent. Le tableau suivant résume les points forts annoncés officiellement par Kuaishou et Kling AI en matière de durée, de son et de types d'entrées :

Version	Annonce	Points mis en avant dans l'annonce officielle
Première version	Juin 2024	Architecture DiT, 1080p et 30 fps ; photo vers vidéo et extension de vidéo dès le premier mois
Ouverture sur le web	Juillet 2024	Contrôle de l'image de début et de fin, contrôle de la caméra, 10 secondes en texte vers vidéo
Kling O1	Décembre 2025	Génération et édition dans un même modèle ; durée de 3 à 10 secondes ; vidéo à partir de références
Video 2.6	Décembre 2025	Son synchronisé avec l'image ; parole en chinois et en anglais ; jusqu'à 10 secondes
Kling 3.0	Février 2026	Jusqu'à 15 secondes ; récit à plusieurs plans ; parole dans cinq langues ; sortie 4K locale ultérieure
Kling 4.0	Octobre 2026	Jusqu'à 30 secondes en une seule passe ; jusqu'à 15 références et 10 images clés en entrée

À noter : les durées du tableau sont les limites supérieures annoncées pour chaque modèle. Les durées que vous pouvez réellement choisir dépendent de la version utilisée, du mode et de votre forfait d'accès. L'information la plus fiable est donc celle que vous voyez dans l'écran de génération.

Comment fonctionne la photo vers la vidéo avec Kling ?

En mode photo vers vidéo, le modèle n'invente pas la scène à partir de rien : il considère l'image que vous importez comme le début de la vidéo, puis prédit ce qui se passe dans les images suivantes. Le visage de la personne, ses vêtements, la lumière du lieu et les couleurs viennent de la photo ; le mouvement lui-même est défini par votre prompt. C'est pourquoi, en photo vers vidéo, la moitié d'un bon résultat tient à la bonne photo et l'autre à la bonne description du mouvement.

Les contrôles ajoutés à ce mode se sont étoffés au fil du temps :

• Image de début et de fin : depuis juillet 2024, vous pouvez fournir une image de départ et une image d'arrivée, et faire générer la transition entre les deux. L'annonce de Kling O1 cite aussi la génération à partir de la première et de la dernière image parmi les capacités de base.
• Contrôle de la caméra : orienter le mouvement de la caméra fait partie des fonctions apparues avec l'ouverture sur le web.
• Références et éléments : Kling O1 vise à conserver de manière cohérente les personnages, les objets et les lieux, en combinant plusieurs sujets, des images de référence et des vidéos. Kling 3.0 Omni peut extraire d'une vidéo de référence l'apparence et les caractéristiques sonores d'un personnage ; Kling 4.0 accepte ensemble jusqu'à 15 références et 10 images clés.
• Extension : prolonger la vidéo produite avec une nouvelle partie est disponible depuis les premiers mois de Kling.

Étape par étape : transformer une photo en vidéo avec Kling

1. Préparez la photo : choisissez une image nette, avec un sujet bien identifiable et une zone libre pour le mouvement. Si l'élément qui doit bouger (cheveux, eau, tissu, fumée) est déjà visible sur l'image, le résultat est plus crédible.
2. Pensez d'abord au format : pour une publication verticale, partez d'une photo verticale ; ne laissez pas le recadrage pour plus tard.
3. Choisissez un seul mouvement principal : une action comme « la femme tourne la tête et sourit » donne un résultat plus net que cinq actions à la fois.
4. Décrivez la caméra : reste-t-elle fixe, se rapproche-t-elle doucement, tourne-t-elle autour du sujet ? Donnez à la caméra une phrase distincte.
5. Choisissez la durée : pour un seul mouvement, une courte durée suffit ; pour une scène à plusieurs plans, il faut plus de temps.
6. Ajoutez une image de fin si nécessaire : si vous voulez fixer précisément la fin de la scène, fournissez une seconde image comme image de fin.
7. Générez, regardez, corrigez une seule variable : si le mouvement est trop rapide, ne modifiez que le mot de rythme ; si le cadrage ne convient pas, ne modifiez que la phrase sur la caméra.

Comment écrire un prompt de mouvement ?

Dans un prompt photo vers vidéo, le rôle du texte n'est pas de redécrire l'image, mais de dire ce qui bouge et comment. Penser le mouvement en trois niveaux facilite la tâche :

• Le mouvement du sujet : que fait la personne, l'animal ou l'objet ? « Marche », « tourne la tête », « porte sa tasse à ses lèvres ».
• Le mouvement de l'environnement : qu'est-ce qui bouge en arrière-plan ? « De légères vagues à la surface du lac », « des herbes qui ondulent sous le vent », « une vapeur qui s'élève ».
• Le mouvement de la caméra : comment change le point de vue ? « Caméra qui se rapproche lentement », « travelling latéral de droite à gauche ».

Ajoutez à cela le rythme : des mots comme « lentement », « calme », « soudain » ou « ralenti » indiquent au modèle la vitesse du mouvement. Kuaishou affirme que Kling 1.6, présenté au dernier trimestre 2024, répond mieux aux descriptions de mouvement, d'action dans le temps et de mouvement de caméra ; ces mots ont donc un effet concret.

Mini-lexique des mouvements de caméra

• Rapprochement (push in) : la caméra avance vers le sujet ; cela renforce l'émotion et l'attention.
• Éloignement (pull out) : la caméra recule et révèle le lieu et le contexte.
• Panoramique (pan) : la caméra reste en place et pivote à droite ou à gauche ; utile pour les grands paysages.
• Travelling latéral (tracking) : la caméra accompagne le sujet en parallèle.
• Orbite (orbit) : la caméra décrit un arc autour du sujet ; efficace pour les produits et les portraits.
• Caméra fixe : seuls les éléments de la scène bougent ; le résultat est calme, proche d'un cinémagraphe.

Exemples de prompts

Photo de paysage :

De légères vagues à la surface du lac, les pins de la rive opposée se balancent doucement dans le vent, une fine brume glisse derrière les montagnes. La caméra avance très lentement vers le lac. Rythme calme et naturel.

Photo de portrait :

La femme tourne doucement la tête vers la caméra et sourit légèrement ; ses cheveux bougent au vent. La caméra reste fixe, la faible profondeur de champ est conservée et l'arrière-plan reste flou.

Photo de produit :

La tasse en céramique posée sur la table reste immobile, une fine vapeur s'élève de la tasse. La caméra décrit lentement un demi-arc autour de la tasse. Lumière de studio douce, sensation de ralenti.

Avec une image de début et de fin :

Transition douce d'une rue prise de jour vers la même rue de nuit : le ciel s'assombrit lentement, les lampadaires s'allument un à un, la lumière des vitrines se reflète sur le trottoir mouillé. Caméra fixe.

Comment fonctionne la vidéo sonore avec Kling ?

Avec Video 2.6 de décembre 2025, Kling a commencé à produire l'image et le son dans la même passe : parole, dialogue, narration, chanson, ambiance sonore et effets. Selon Kuaishou, une vidéo sonore peut être produite à partir d'un texte comme à partir d'une photo accompagnée d'un prompt ; la version 2.6 générait la parole en chinois et en anglais, et des vidéos allant jusqu'à 10 secondes. Kling 3.0 de février 2026 a étendu les langues parlées à l'anglais, au chinois, au japonais, au coréen et à l'espagnol ; il prend en charge les accents américain, britannique et indien, et peut créer des scènes à plusieurs personnages dont chacun parle une langue différente.

Le turc ne figure pas parmi les langues de parole citées dans ces annonces. Si vous voulez une parole en turc, écoutez attentivement le résultat et envisagez, si besoin, d'ajouter la voix avec un autre outil. Dans le prompt, écrire la réplique entre guillemets et préciser qui parle et sur quel ton (« à voix basse », « avec joie ») rend le résultat plus net.

Comment choisir la durée ?

Plus long n'est pas toujours mieux. Un clip court convient bien pour montrer proprement un seul mouvement : un sourire, un drapeau qui flotte, un produit qui tourne. Plus la durée augmente, plus le modèle doit faire « se passer quelque chose » dans la scène ; si le prompt ne contient pas assez d'événements, le mouvement peut se répéter ou le modèle peut inventer de nouveaux événements.

Les longues durées ont du sens pour les scènes qui comportent plusieurs plans et plusieurs événements. Kling 3.0 comprend les consignes à plusieurs scènes et plusieurs plans et ajuste les angles de caméra en conséquence ; 3.0 Omni propose en outre un tableau de storyboard dans lequel vous définissez la durée, l'échelle de plan, le point de vue, le récit et le mouvement de caméra de chaque plan. Si vous prévoyez une scène longue, écrivez les événements dans l'ordre : d'abord ce qui se passe, ensuite ce qui suit, et en dernier où se place la caméra.

Limites et points de vigilance

• La limite annoncée n'est pas toujours celle que vous pouvez choisir : la durée, la résolution et le nombre de références varient selon la version et le forfait.
• Mouvements rapides et complexes : Kuaishou présente pour Kling 4.0 un mouvement de grande ampleur « plus stable » comme une nouveauté majeure, ce qui montre que ce domaine reste difficile. Surveillez attentivement les mains, les foules et les scènes de sport rapides.
• Texte et logos : Kling 3.0 conserverait mieux le texte présent sur l'image ; vérifiez néanmoins que les petits textes ne se déforment pas d'une image à l'autre.
• Photos de personnes : demandez l'autorisation avant d'animer la photo de quelqu'un d'autre. Montrer une vraie personne disant ou faisant ce qu'elle n'a pas dit ou fait pose de graves problèmes éthiques et juridiques.
• Étiquetage : indiquer qu'une vidéo a été produite par l'IA lorsque vous la partagez est à la fois une marque d'honnêteté envers votre public et une règle de nombreuses plateformes.

Erreurs fréquentes

• Redécrire la photo : si le prompt passe son temps à énumérer ce qui figure déjà sur l'image, il ne reste plus de place pour le mouvement.
• Mouvements contradictoires : demander « caméra fixe » tout en exigeant « un plan qui tourne autour du sujet » tire le modèle dans deux directions.
• Ne pas préciser le rythme : sans indication de tempo, le mouvement peut être trop rapide ou trop lent.
• Charger une courte durée d'événements : trois événements ne tiennent pas dans quelques secondes ; augmentez la durée ou réduisez le nombre d'événements.
• Laisser une longue durée vide : si une vidéo longue ne décrit pas assez d'événements, le mouvement peut tourner en boucle.
• Photo de mauvaise qualité : une image floue ou trop petite se dégrade encore davantage lorsque le mouvement est ajouté.

En résumé

• Kling est le modèle vidéo de Kuaishou ; en mode photo vers vidéo, il prend l'image comme point de départ et l'anime selon le mouvement décrit.
• La durée annoncée en une passe a augmenté : 10 secondes avec Video 2.6, 15 secondes avec Kling 3.0, 30 secondes avec Kling 4.0.
• Image de début et de fin, contrôle de la caméra, références et extension permettent de mieux maîtriser le mouvement.
• Un bon prompt de mouvement décrit séparément le sujet, l'environnement, la caméra et le rythme.
• Depuis Video 2.6, le son est également produit ; le turc ne figure pas parmi les langues de parole officielles.
• Demandez l'autorisation pour les photos de personnes et indiquez que les vidéos sont produites par l'IA.