Kling: фото в видео - движение, камера и длительность

Короткий ответ: Kling - модель создания видео китайской платформы коротких видео Kuaishou. В режиме «фото в видео» она берет загруженное изображение за отправную точку и оживляет его в соответствии с описанным движением, направлением камеры и темпом. Длительность, которую можно получить за одну генерацию, с каждой версией увеличивалась: по официальным объявлениям, версии конца 2025 года делают до 10 секунд, Kling 3.0 из февраля 2026 года - до 15 секунд, а Kling 4.0 из октября 2026 года - до 30 секунд за один проход. В этой статье мы рассказываем, как работает превращение фото в видео, как писать промпт для движения и камеры и на что обратить внимание.

Что такое Kling и кто его разрабатывает?

Kling - модель создания видео от Kuaishou Technology, объявленная в июне 2024 года. В первом анонсе Kuaishou говорила, что модель использует диффузионный трансформер (DiT), опирается на собственную трехмерную VAE-сеть, которая сжимает изображение во времени и пространстве, и на механизм внимания, отслеживающий движение. В том же анонсе назывались цели: разрешение 1080p и 30 кадров в секунду. Сначала модель открыли в Китае в виде пробной версии, а в июле 2024 года в вебе ее предложили всему миру как бета-версию.

С тех пор Kling AI превратилась в отдельное направление бизнеса Kuaishou. По объявлению от февраля 2026 года, платформа обслуживает более 60 миллионов создателей контента, а к этой дате было создано более 600 миллионов видео.

Что изменилось между версиями Kling?

Kling обновляется очень часто. В таблице ниже собраны основные моменты по длительности, звуку и входным данным из официальных объявлений Kuaishou и Kling AI:

Версия	Объявление	Главное в официальном объявлении
Первая версия	Июнь 2024	Архитектура DiT, 1080p и 30 fps; в первый месяц - фото в видео и продление видео
Открытие веб-версии	Июль 2024	Управление начальным и конечным кадром, управление камерой, 10 секунд при генерации из текста
Kling O1	Декабрь 2025	Генерация и редактирование в одной модели; длительность от 3 до 10 секунд; видео по референсам
Video 2.6	Декабрь 2025	Звук, синхронный с изображением; речь на китайском и английском; до 10 секунд
Kling 3.0	Февраль 2026	До 15 секунд; многокадровое повествование; речь на пяти языках; локальный вывод в 4K
Kling 4.0	Октябрь 2026	До 30 секунд за один проход; до 15 референсов и 10 ключевых кадров на входе

Замечание: длительности в таблице - заявленные верхние пределы модели. Какие значения вы сможете выбрать на практике, зависит от версии, режима и тарифного плана. Поэтому самая надежная информация - варианты, которые вы видите на экране генерации.

Как в Kling работает превращение фото в видео?

В режиме фото в видео модель не придумывает сцену с нуля; она принимает загруженное изображение за начало видео и предсказывает, что будет в следующих кадрах. Лицо человека, его одежда, свет и цвета места берутся с фотографии, а само движение задает промпт. Поэтому хороший результат в этом режиме наполовину зависит от правильной фотографии, а наполовину - от точного описания движения.

Средства управления, которые Kling добавила в этот режим, со временем расширялись:

• Начальный и конечный кадр: с июля 2024 года можно передать начальное и конечное изображение и получить переход между ними. Объявление Kling O1 также называет генерацию по первому и последнему кадру одной из основных возможностей.
• Управление камерой: задавать, как будет двигаться камера, - одна из функций, которые появились вместе с открытием веб-версии.
• Референсы и элементы: Kling O1 позволяет использовать вместе несколько субъектов, референсные изображения и видео, чтобы персонажи, предметы и место оставались согласованными. Kling 3.0 Omni может извлечь из референсного видео внешность и голосовые характеристики персонажа; Kling 4.0 принимает одновременно до 15 референсов и 10 ключевых кадров.
• Продление: можно продолжить созданное видео следующим фрагментом; эта функция есть в Kling с первых месяцев.

Пошагово: как превратить фото в видео с Kling

1. Подготовьте фото: выберите кадр с хорошей четкостью, понятным объектом и свободным местом для движения. Если движущийся элемент (волосы, вода, ткань, дым) уже виден на изображении, результат будет убедительнее.
2. Продумайте соотношение сторон заранее: для вертикальной публикации начинайте с вертикального фото; не откладывайте кадрирование на потом.
3. Выберите одно главное движение: действие вроде «женщина поворачивает голову и улыбается» дает более чистый результат, чем пять действий сразу.
4. Опишите камеру: она неподвижна, медленно приближается или вращается вокруг объекта? Пусть фраза о камере будет отдельной.
5. Выберите длительность: для одного движения достаточно короткого отрезка; для сцены из нескольких кадров нужно больше времени.
6. При необходимости добавьте конечный кадр: если вы точно знаете, где должна закончиться сцена, передайте второе изображение как конечный кадр.
7. Сгенерируйте, посмотрите и исправьте одной переменной: если движение слишком быстрое, меняйте только слово о темпе; если кадр неправильный, меняйте только фразу о камере.

Как написать промпт для движения?

В превращении фото в видео задача промпта - не пересказывать изображение, а сказать, что и как должно двигаться. Чтобы описать движение, удобно разделить его на три слоя:

• Движение объекта: что делает человек, животное или предмет? «Идет», «поворачивает голову», «делает глоток кофе».
• Движение окружения: что шевелится на заднем плане? «Легкие волны на поверхности озера», «травы, качаемые ветром», «поднимающийся пар».
• Движение камеры: как меняется точка зрения? «Медленно приближающаяся камера», «съемка, скользящая слева направо».

К этому добавьте темп: слова «медленно», «спокойно», «резко», «замедленная съемка» определяют, с какой скоростью модель показывает движение. Kuaishou говорит, что Kling 1.6, представленный в последнем квартале 2024 года, лучше откликается на описания движения, временных действий и движения камеры; значит, такие слова действительно работают.

Короткий словарь движений камеры

• Наезд (push in): камера приближается к объекту; усиливает эмоции и внимание.
• Отъезд (pull out): камера отдаляется; показывает место и контекст.
• Панорама (pan): камера стоит на месте и поворачивается вправо или влево; хорошо подходит для широких пейзажей.
• Проводка (tracking): камера движется рядом с объектом вместе с ним.
• Орбита (orbit): камера описывает дугу вокруг объекта; эффектна для товаров и портретов.
• Статичная камера: движутся только элементы сцены; получаются спокойные результаты, похожие на синемаграф.

Примеры промптов

Фото пейзажа:

Легкие волны на поверхности озера, сосны на противоположном берегу медленно качаются на ветру, над горами медленно стелется тонкий туман. Камера очень медленно движется к озеру. Спокойный, естественный темп.

Портретное фото:

Женщина медленно поворачивает голову к камере и слегка улыбается; волосы колышутся от ветра. Камера неподвижна, сохраняется малая глубина резкости, фон остается размытым.

Фото товара:

Керамическая кружка на столе стоит неподвижно, от нее поднимается тонкий пар. Камера медленно описывает полудугу вокруг кружки. Мягкий студийный свет, ощущение замедленной съемки.

С начальным и конечным кадром:

Плавный переход от уличного кадра, снятого днем, к ночному: небо медленно темнеет, уличные фонари загораются один за другим, свет витрин отражается на мокром тротуаре. Камера неподвижна.

Как работает звуковое видео в Kling?

С Video 2.6 в декабре 2025 года Kling начала создавать изображение и звук в одном проходе: речь, диалоги, повествование, песни, звуки окружения и эффекты. По словам Kuaishou, звуковое видео можно создавать как из текста, так и из фото плюс промпта; версия 2.6 генерирует речь на китайском и английском и выдавала видео до 10 секунд. Kling 3.0 из февраля 2026 года расширила речь до английского, китайского, японского, корейского и испанского, поддерживает американский, британский и индийский акценты и позволяет создавать сцены с несколькими персонажами, каждый из которых говорит на своем языке.

Турецкого языка нет в официально указанных языках речи. Если вам нужна речь на турецком, внимательно слушайте результат; при необходимости подумайте о том, чтобы добавить звук отдельным инструментом. В промпте реплику лучше писать в кавычках, а также указывать, кто говорит и как (например, «шепотом», «радостно»): так результат становится точнее.

Как выбрать длительность?

Длиннее не всегда лучше. Короткий клип идеально подходит, чтобы четко показать одно движение: улыбку, развевающийся флаг, вращающийся товар. По мере увеличения длительности модель должна продолжать «что-то происходить» в сцене; если в промпте недостаточно событий, движение может зациклиться или модель сама придумает новые события.

Большие длительности имеют смысл для сцен с несколькими кадрами и событиями. Kling 3.0 понимает многосценарные и многокадровые инструкции и подстраивает ракурсы камеры; у версии 3.0 Omni есть функция раскадровки, в которой для каждого кадра можно задать длительность, масштаб съемки, точку зрения, сюжет и движение камеры. Если вы планируете длинную сцену, опишите события по порядку: что происходит сначала, что потом и где камера находится в конце.

Ограничения и на что обратить внимание

• Заявленный предел - не всегда доступный вам предел: длительность, разрешение и количество референсов зависят от версии и тарифного плана.
• Быстрое и сложное движение: то, что Kuaishou называет в Kling 4.0 главным новшеством - «более стабильное крупномасштабное движение» в быстрых сценах, - показывает, что эта область все еще сложна. Внимательно смотрите руки, толпы и быстрые спортивные сцены.
• Текст и логотипы: говорят, что Kling 3.0 лучше сохраняет текст на изображении; тем не менее проверьте, не искажаются ли мелкие надписи в отдельных кадрах.
• Фотографии людей: прежде чем оживлять чужое фото, получите разрешение. Показывать реальных людей в ситуациях, которых на самом деле не было, - серьезная этическая и правовая проблема.
• Маркировка: указывать, что видео создано с помощью ИИ, честно по отношению к зрителю и является требованием многих платформ.

Типичные ошибки

• Заново описывать фото: если в промпте уходит много места на то, что уже видно на изображении, на движение его не остается.
• Противоречивые движения: написать «камера неподвижна» и тут же «съемка по орбите вокруг объекта» - значит тянуть модель в два направления.
• Не указывать темп: без слова о темпе движение может получиться слишком быстрым или слишком медленным.
• Много событий в короткой сцене: за несколько секунд не умещаются три события; либо увеличьте длительность, либо уберите часть событий.
• Пустая длинная сцена: в длинном видео без достаточного количества событий движение может начать повторяться.
• Фото низкого качества: размытое или очень маленькое изображение при добавлении движения портится еще сильнее.

Итоги

• Kling - видеомодель Kuaishou; в режиме фото в видео она берет изображение за начало и оживляет его по описанию движения.
• Заявленная длительность за один проход выросла: 10 секунд в Video 2.6, 15 секунд в Kling 3.0 и 30 секунд в Kling 4.0.
• Начальный и конечный кадр, управление камерой, референсы и продление помогают точнее управлять движением.
• Хороший промпт для движения отдельно описывает движение объекта, окружения и камеры, а также темп.
• Со звуком работает версия 2.6 и новее; турецкого языка среди официальных языков речи нет.
• Используйте фото людей с разрешения и помечайте видео, созданные с помощью ИИ.