Kling ist ein Text-zu-Video- und Bild-zu-Video-Generierungsmodell, das von Kuaishou Technology entwickelt wurde, dem chinesischen Kurzvideo-Plattformunternehmen hinter der Kuaishou-App, einem Rivalen von ByteDances Douyin (der chinesischen Version von TikTok). Kuaishou veröffentlichte Kling im Juni 2024 und positionierte es als inländischen Konkurrenten zu Sora, das OpenAI einige Monate zuvor vorgestellt, aber noch nicht öffentlich veröffentlicht hatte. Kling wurde zunächst über eine Warteliste in Kuaishous Kwaiying-Videobearbeitungs-App in China verfügbar gemacht, bevor es auf eine breitere internationale Webanwendung ausgeweitet wurde.
Fähigkeiten
Beim Start konnte Kling Videoclips von bis zu zwei Minuten Länge bei 30 Bildern pro Sekunde generieren, eine deutlich längere Dauer als die meisten konkurrierenden Videogenerierungssysteme zu dieser Zeit boten, sowie Unterstützung für Videogenerierung mit bis zu 1080p-Auflösung. Das Modell verwendete eine Diffusions-Architektur in Kombination mit Transformer-basierten Komponenten, die einer ähnlichen architektonischen Richtung folgte wie für Sora berichtet, und modellierte Video als Raumzeit-Patches, um unterschiedliche Längen und Auflösungen zu handhaben. Nachfolgende Versionen, einschließlich Kling 1.5, 1.6 und Kling 2.0 und 2.1 bis 2025, verbesserten die Bewegungskohärenz, fügten Bild-zu-Video- und Start- und Endbild-Videogenerierung hinzu (wobei sowohl ein erstes als auch ein letztes Bild angegeben werden und das Modell den Übergang generieren lässt) und führten Werkzeuge für Lippensynchronisation und Charakterkonsistenz über Einstellungen hinweg ein, die auf professionelle und semiprofessionelle Videoersteller abzielen.
Wettbewerbslandschaft
Kling entstand als Teil einer breiteren Welle chinesischer Videogenerierungsmodelle, die im Laufe von 2024 und 2025 veröffentlicht wurden, neben ByteDances Seedance und anderen Neueinsteigern, die gemeinsam das Tempo des Fortschritts in der Text-zu-Video-Generierung schneller vorantrieben, als viele westliche Beobachter erwartet hatten. Auf von der Community betriebenen Vergleichsplattformen und Bestenlisten wie Arena-artigen Video-Rankings wurde Kling bis 2025 wiederholt unter den leistungsstärksten Videomodellen weltweit bewertet und konkurrierte eng mit Veo von Google DeepMind, Sora von OpenAI und Seedance, wobei verschiedene Modelle den Spitzenplatz tauschten, als jede Updates veröffentlichte. Kling schneller Iterationszyklus und die Bereitschaft, neuere Fähigkeiten wie längere Dauer und feinere Bewegungskontrolle über seine Web-App einem breiten internationalen Nutzerkreis zugänglich zu machen, trugen zu seiner Übernahme außerhalb Chinas bei, einschließlich durch Marketing- und Content-Erstellungsprofis.
Rezeption
Branchenkommentare stellten Kling zusammen mit Seedance und anderen chinesischen Videomodellen als Beleg dar, dass Chinas KI-Industrie international wettbewerbsfähig geworden war, nicht nur bei Sprachmodellen, sondern auch bei ressourcenintensiven generativen Medien, einem Bereich, von dem angenommen wurde, dass er Labore mit den größten Rechenbudgets bevorzugt. Kling zog sowohl Interesse als auch Prüfung auf sich, die typisch für das breitere Text-zu-Video-Feld sind, einschließlich Fragen zur Herkunft der Trainingsdaten und zur Nutzung generierter Videos für Deepfake-ähnlichen Missbrauch, Bedenken, die Kuaishou teilweise durch sichtbare Wasserzeichen auf generierten Ausgaben und Nutzungsrichtlinien adressierte, die bestimmte Inhaltskategorien einschränken. Wie bei anderen sich schnell entwickelnden generativen Videosystemen wurden Kling genaue Trainingsdaten und vollständige technische Spezifikationen nicht vollständig öffentlich offengelegt, was einem breiteren Branchenmuster begrenzter Transparenz bei Veröffentlichungen von Videogenerierungsmodellen entspricht.