شرکت Kling AI از نسل تازه مدل هوش مصنوعی ویدیوساز خود با نام Kling 3.0 پرده برداشت؛ مدلی که به عنوان یک زیرساخت یکپارچه برای تولید محتوای چندرسانه ای مبتنی بر هوش مصنوعی معرفی شده است.

طبق گزارش ها، این محصول در فضایی رقابتی عرضه می شود که بازیگران شناخته شده ای مانند Runway ،Sora و Veo برای تثبیت جایگاه خود در آن رقابت می کنند. Kling 3.0 با تمرکز ویژه بر ارتقای کیفیت تصویر، حفظ پیوستگی بصری کاراکترها و هماهنگی دقیق صدا و تصویر توسعه یافته و تلاش دارد هم زمان با گسترش سریع بازار هوش مصنوعی مولد، نیازهای حرفه ای تری را پوشش دهد.

بر اساس اعلام KlingAI، مدل Kling 3.0 قرار است در چند محور اصلی از رقبا متمایز شود. نخستین محور، پایداری بسیار بالا در کاراکترها و عناصر صحنه عنوان شده که هدف آن حفظ چهره، لباس و جزییات بصری در طول نماهای مختلف است. این ویژگی برای تولیدکنندگان محتوا اهمیت زیادی دارد زیرا تغییر ناخواسته چهره یا اشیای کلیدی در نسخه های قبلی، یکی از انتقادهای اصلی کاربران بود.

محور دوم، تولید ویدیوی انعطاف پذیر معرفی شده است. Kling 3.0 امکان ساخت کلیپ های 15 ثانیه ای با کنترل دقیق بر نماها، حرکت دوربین و ترکیب چند شات را فراهم می کند. این مدل روی واقع گرایی بالای تصویر و امکان طراحی توالی تأکید دارد تا کاربر بتواند به جای یک نما، دنباله ای کوتاه شبیه سکانس فیلم تولید کند. این رویکرد به تولیدکنندگان محتوا اجازه می دهد ساختار روایی منسجم تری در خروجی خود داشته باشند.

سومین محور، صوت ارتقایافته عنوان شده است. Kling 3.0 از صدا با چند کاراکتر مرجع پشتیبانی می کند و زبان ها و لهجه های بیشتری را پوشش می دهد. این ویژگی به تولید ویدیوهایی کمک می کند که صدا و تصویر هم زمان و هماهنگ دارند و کاربر مجبور نیست صدا را جداگانه در نرم افزارهای دیگر تولید یا هماهنگ کند. پشتیبانی از چند کاراکتر صوتی هم برای سناریوهای دیالوگ محور اهمیت دارد.

چهارمین محور، بهبود تولید تصویر است. Kling 3.0 خروجی تصویر 4K ارائه می دهد و حالت تازه ای برای تولید مجموعه تصاویر پی درپی معرفی کرده که برای طراحی استوری بورد یا کمیک و همچنین تولید نماهای ثابت سینمایی کاربرد دارد. تمرکز روی جلوه های سینمایی و جزییات بیشتر در نورپردازی و بافت ها، Kling 3.0 را به ابزاری نزدیک تر به نیازهای تولید حرفه ای تبدیل می کند.

دموهای Kling 3.0 عملکردی هم سطح رقبا از نظر پویایی، فرمان پذیری متنی و واقع گرایی بصری نشان می دهند و کاهش خطاهای حرکتی و تصویری در آن ها مشهود است. بااین حال، برای کاربران عادی تفاوت محسوسی میان خروجی این مدل و سایر رقبا دیده نمی شود و رقابت بیشتر به عوامل فنی، سرعت، هزینه و ابزارهای کنترلی محدود شده است.

Kling 3.0 درحال حاضر با وضوح 1080p و 720p در دسترس قرار دارد. تولید ویدیو با این مدل بر پایه اعتبار انجام می شود و میزان اعتبار مصرفی به طول ویدیو و نوع ورودی بستگی دارد. کاربران علاقه مند می توانند جزییات بیشتر درباره نحوه استفاده، هزینه ها و محدودیت ها را روی وب سایت KlingAI مشاهده کنند. این مدل هم مانند دیگر مدل های هوش مصنوعی ویدیوساز، در مرحله ای قرار دارد که هنوز نمی توان آن را جایگزین کامل تولید سنتی ویدیو دانست، اما برای آزمایش ایده ها، ساخت نمونه اولیه و تولید محتوای کوتاه، گزینه ای قابل توجه به حساب می آید.