Kling 4.0 KI-Video-Generator: 30-Sekunden-Videos mit Ton
Kling 4.0 ist das neueste Videomodell von Kling AI, dem Videoteam von Kuaishou. Seit Oktober 2026 erzeugt es Clips von bis zu 30 Sekunden in einem Durchgang, mit Stereo-Ton, Dialog und Lippensync. Bis zu 10 Schlüsselbilder und bis zu 15 Referenzen, also Bilder, Videos, Charaktere und Stimmen, geben die Richtung vor. Danach lässt sich das Ergebnis bearbeiten oder auf bis zu 2 Minuten verlängern.
Auf PixExact nutzen Sie Kling 4.0 direkt im Browser. Prompt eingeben, ein Startframe, Schlüsselbilder oder Referenzen ergänzen, Länge und Seitenverhältnis wählen und das MP4 mit Ton herunterladen. Kein API-Schlüssel, kein Kling-Abo, und neue Nutzer erhalten kostenlose Credits.
Weitere Tools
Entdecke weitere KI-Tools für deinen kreativen Workflow.
Kling 4.0 und Kling 3.0 im Vergleich
Kling 3.0 hatte bereits natives 4K, natives Audio und Szenen mit mehreren Einstellungen. Kling 4.0 behält das alles und ergänzt längere Aufnahmen, Schlüsselbilder, Stereo-Ton und deutlich mehr Referenzen. So unterscheiden sich die beiden Modelle.
| Merkmal | Kling 4.0 | Kling 3.0 |
|---|---|---|
| Veröffentlicht | Oktober 2026 | Februar 2026 |
| Länge pro Generierung | 3 bis 30 Sekunden | 3 bis 15 Sekunden |
| Video-Verlängerung | Vorwärts und rückwärts, insgesamt bis zu 2 Minuten | Nicht Teil des 3.0-Modells |
| Auflösung | 720p, 1080p, natives 4K | 720p, 1080p, natives 4K |
| Dynamikumfang | 10-Bit-HDR bei 1080p und 4K | 8-Bit-SDR |
| Seitenverhältnisse | 16:9, 9:16, 1:1, 21:9 | 16:9, 9:16, 1:1 |
| Audio | Natives Zweikanal-Stereo | Nativ, einkanalig (Mono) |
| Gesprochene Sprachen | Englisch, Chinesisch, Japanisch, Koreanisch, Spanisch, dazu Portugiesisch, Deutsch, Französisch, Hindi und weitere | Englisch, Chinesisch, Japanisch, Koreanisch, Spanisch |
| Frame-Steuerung | Startframe, Endframe und bis zu 10 Schlüsselbilder | Startframe und Endframe |
| Referenzbilder und Motive | Bis zu 10 Bilder und 7 Motive | Bis zu 7, oder 4, wenn ein Video genutzt wird (3.0 Omni) |
| Referenzvideos | Bis zu 5 Clips, zusammen 30 Sekunden | 1 Clip, bis zu 15 Sekunden (3.0 Omni) |
| Referenzen insgesamt | Bis zu 15 Dateien, einschließlich Stimmreferenzen | Bis zu 7 Bilder oder Motive, oder 1 Video plus 4 Bilder oder Motive (3.0 Omni) |
| Videobearbeitung | Im Hauptmodell enthalten, plus kreative Nachgestaltung | Über Kling 3.0 Omni |
| Multi-Shot | Mehrere Einstellungen innerhalb einer 30-Sekunden-Aufnahme | Szenen mit mehreren Einstellungen, mit Storyboard pro Einstellung in Omni |
| Prompt-Länge | Bis zu 8.000 Tokens | Übliche Prompt-Länge |
| Preis auf PixExact | 8 Credits/Sek. bei 720p, 12 bei 1080p, Ton inklusive | Ab 5 Credits/Sek. (720p) bis 25 (4K) |
| Geeignet für | Lange Aufnahmen, geplante Schlüsselbilder, wiederkehrende Charaktere, Spots mit mehreren Produkten, Bearbeitungen | Kurze Clips, natives 4K, Multi-Shot-Szenen aus dem Prompt, niedrigerer Preis pro Sekunde |
Kürzere Clips, natives 4K oder Ton zum Abschalten? Zur Kling-3.0-Seite.
Was Sie mit Kling 4.0 erstellen
Kling 4.0 ist für längeres, genauer gesteuertes Video gebaut. Genau hier liegt es vor den früheren Kling-Modellen.
30 Sekunden in einer Generierung
Die meisten Text-zu-Video-Modelle hören bei 10 oder 15 Sekunden auf. Längere Szenen müssen dann aus einzelnen Clips zusammengesetzt werden. Kling 4.0 erzeugt bis zu 30 Sekunden nativ, als eine durchgehende Aufnahme. Bewegung, Licht und Charaktere bleiben vom ersten bis zum letzten Frame gleich. Das passt zu Produktführungen, kurzen Szenen, Abschnitten von Musikvideos und Spots, die etwas Luft brauchen. Reicht das nicht, verlängert die Video-Erweiterung den Clip vorwärts oder rückwärts, insgesamt bis zu 2 Minuten.
Bis zu 10 Schlüsselbilder: die Einstellung Bild für Bild planen
Beim normalen Bild zu Video sagen Start- und Endframe nur, wo eine Einstellung beginnt und endet. Kling 4.0 lässt Sie bis zu 10 Schlüsselbilder auf der Zeitleiste setzen und erzeugt die Bewegung dazwischen. So treffen Sie genaue Posen in einem Tanz, zeigen ein Produkt aus festgelegten Winkeln oder führen eine Figur in einer durchgehenden Aufnahme durch mehrere Orte. Auf PixExact laden Sie die Bilder der Reihe nach hoch: Das erste ist das Startframe, die mittleren werden Schlüsselbilder, und das letzte kann das Endframe sein.
15 Referenzen: Charaktere, Produkte und Stimmen konsistent halten
Für Referenz zu Video nimmt Kling 4.0 bis zu 15 Referenzdateien in einer Generierung an: bis zu 10 Bilder, bis zu 5 Videoclips (zusammen 30 Sekunden), bis zu 7 Motive und Stimmreferenzen. Nennen Sie jede davon im Prompt, etwa @Image1 oder @Video1, damit das Modell weiß, wer und was wohin gehört. Eine Figur behält Gesicht, Outfit und Stimme über Szenen hinweg, Produkte behalten Form und Etikett. Das zählt bei Serien, Markenmaskottchen und Spots mit mehreren Produkten.
Videobearbeitung und kreative Nachgestaltung
Kling 4.0 bearbeitet auch vorhandenes Material. Ändern Sie Ausdruck oder Körperbewegung einer Figur, fügen Sie Objekte und Hintergründe hinzu, entfernen oder tauschen Sie sie, bewegen Sie die Kamera oder setzen Sie Wetter, Farben und Materialien neu. Dafür reichen bis zu 5 Eingabeclips (zusammen 30 Sekunden) in einem Schritt. Die kreative Nachgestaltung geht weiter: Sie übernimmt Tempo, Aufbau der Einstellungen und Präsentation eines Videos, das Ihnen gefällt, und setzt Ihre eigenen Charaktere oder Produkte ein.
Funktionen von Kling 4.0
Alles, was das Modell Kling 4.0 kann, von Ton und Bewegung bis zu Farbe und Text im Bild.
Stereo-Ton, Dialog und Lippensync
Kling 4.0 erzeugt Zweikanal-Stereo zusammen mit dem Bild: Dialog, Soundeffekte, Atmo und Musik. Der Lippensync ist genauer als bei Kling 3.0. Zur Sprache kommen jetzt auch Portugiesisch, Deutsch, Französisch und Hindi, zusätzlich zu Englisch, Chinesisch, Japanisch, Koreanisch und Spanisch, mit Akzenten wie amerikanischem, britischem und indischem Englisch, Kantonesisch und Sichuanesisch.
Natives 4K und 10-Bit-HDR
Das Modell gibt bis zu natives 4K aus und ergänzt 10-Bit-HDR bei 1080p und 4K. Lichter sind heller, Schatten tiefer und Farbverläufe weicher als beim 8-Bit-SDR von Kling 3.0. Zu den Seitenverhältnissen gehört 21:9 im Ultraweitformat für kinoreife Einstellungen, dazu 16:9, 9:16 und 1:1.
Bessere Bewegung und Physik
Schnelle Kämpfe, Sport, Tanz und große Actionszenen halten besser zusammen. Kling 4.0 verbessert Körpermechanik, räumliche Konsistenz und das Zusammenspiel von Personen und Objekten. Tracking- und Orbit-Kamerafahrten bleiben von Anfang bis Ende stabil.
Video-Verlängerung bis 2 Minuten
Sie setzen jeden Clip über mehrere Durchgänge vorwärts oder rückwärts fort, insgesamt bis zu 2 Minuten, mit denselben Charakteren, demselben Ort und demselben Stil.
Lesbarer Text, Logos und Emojis
Schilder, Untertitel, Verpackungen, Logos und auch Emojis bleiben bei Kamerabewegung lesbar und stabil, in mehreren Sprachen. Nützlich für Spots, Produktvideos und alles, worauf eine Marke zu sehen ist.
Lange, genaue Prompts
Prompts dürfen bis zu 8.000 Tokens lang sein. So schreiben Sie für eine 30-Sekunden-Aufnahme eine komplette Einstellungsliste mit Timing, Kamerabewegung, Dialog und Tonhinweisen, und das Modell hält die Reihenfolge ein.
Prompt-Tipps für Kling 4.0
Ein paar Gewohnheiten, mit denen längere Videos mit vielen Referenzen besser werden.
Die Aufnahme als Zeitplan schreiben
Bei Clips über 10 Sekunden teilen Sie den Prompt in Abschnitte mit grobem Timing, zum Beispiel 0 bis 8 s, 8 bis 20 s und 20 bis 30 s. Schreiben Sie, was in jedem Abschnitt passiert und wie sich die Kamera bewegt.
Jede Referenz benennen
Sprechen Sie Uploads mit Namen an, etwa @Image1 für die Hauptfigur, @Image2 für das Produkt und @Video1 für die Kamerabewegung. Referenzen ohne Tag ordnet das Modell schlechter zu.
Gesprochene Sätze in Anführungszeichen
Setzen Sie Dialog in Anführungszeichen und nennen Sie Sprecher, Sprache und Ton, zum Beispiel: die Frau sagt auf Französisch, ruhig: „Wir sind fast da.“
Erst kurz testen, dann lang
Prüfen Sie den Look zuerst mit einem 5-Sekunden-Clip in 720p. Stimmen Stil und Charaktere, erzeugen Sie die volle 30-Sekunden-Aufnahme in 1080p.
Kling 4.0 auf PixExact nutzen
In drei Schritten vom Prompt zum fertigen Video. Keine Schnittkenntnisse und kein API-Schlüssel nötig.
Das Video beschreiben
Wählen Sie Kling 4.0 in der Modellliste und schreiben Sie den Prompt. Beschreiben Sie Handlung, Kamerabewegung, Stimmung und Ton, und setzen Sie Dialog in Anführungszeichen.
Frames oder Referenzen hinzufügen
Im Modus Schlüsselbilder laden Sie ein Startframe, bis zu 8 Schlüsselbilder und ein Endframe hoch. Im Referenzmodus ergänzen Sie bis zu 15 Bilder, Videos und Audioclips und benennen sie im Prompt.
Länge festlegen und generieren
Wählen Sie 3 bis 30 Sekunden, 720p oder 1080p und 16:9, 9:16, 1:1 oder 21:9. Klicken Sie auf Generieren und laden Sie das MP4 mit Ton herunter.
Kling 4.0 FAQ
Was ist Kling 4.0?
Kling 4.0 (auch Kling VIDEO 4.0 genannt) ist das KI-Videomodell der vierten Generation von Kling AI, einem Teil des chinesischen Technologieunternehmens Kuaishou. Es macht aus Text, Bildern, Schlüsselbildern und Referenzvideos Clips von bis zu 30 Sekunden mit nativem Stereo-Audio und kann vorhandene Videos auch bearbeiten und verlängern.
Wann ist Kling 4.0 erschienen?
Kling hat den frühen Zugang zu Kling 4.0 Flash am 28. September 2026 geöffnet. Das vollständige Modell Kling 4.0 ist im Oktober 2026 weltweit erschienen. Auf PixExact können Sie es jetzt nutzen.
Was ist der Unterschied zwischen Kling 4.0 und Kling 3.0?
Kling 4.0 verdoppelt die Cliplänge von 15 auf 30 Sekunden, ergänzt bis zu 10 Schlüsselbilder, hebt die Referenzen auf 15 Dateien (darunter bis zu 5 Videos und Stimmreferenzen), wechselt von Mono zu Stereo, ergänzt 10-Bit-HDR und weitere Sprachen und baut die Videobearbeitung ins Hauptmodell ein. Kling 3.0 bleibt die gute Wahl für kürzere Clips, natives 4K zu einem niedrigeren Preis pro Sekunde und Szenen mit mehreren Einstellungen. Alle Unterschiede stehen in der Tabelle oben.
Wie lang können Kling-4.0-Videos sein?
Jede Generierung kann 3 bis 30 Sekunden lang sein, als eine durchgehende Aufnahme. Mit der Video-Verlängerung lässt sich ein Clip über mehrere Durchgänge vorwärts oder rückwärts fortsetzen, insgesamt bis zu 2 Minuten. Auf PixExact wählen Sie eine beliebige Länge von 3 bis 30 Sekunden.
Unterstützt Kling 4.0 4K und HDR?
Ja. Das Modell Kling 4.0 gibt bis zu natives 4K aus, mit 10-Bit-HDR bei 1080p und 4K. Kling 3.0 nutzte 8-Bit-SDR. Auf PixExact wählen Sie für Kling 4.0 720p oder 1080p.
Wie funktionieren Schlüsselbilder in Kling 4.0?
Schlüsselbilder sind Bilder, die Sie auf der Video-Zeitleiste platzieren. Kling 4.0 nimmt bis zu 10 an und animiert den Weg dazwischen. So steuern Sie Posen, Winkel und Orte an festen Punkten, nicht nur das erste und das letzte Frame. Auf PixExact nutzen Sie den Modus Schlüsselbilder: Das erste Bild ist das Startframe, die Bilder dazwischen sind Schlüsselbilder, und das letzte kann das Endframe sein, insgesamt bis zu 10 Bilder.
Wie viele Referenzen kann ich mit Kling 4.0 nutzen?
Bis zu 15 Referenzdateien pro Generierung. Das Modell nimmt bis zu 10 Bilder, bis zu 5 Referenzvideos mit zusammen 30 Sekunden, bis zu 7 Motive und Stimmreferenzen. Im Referenzmodus von PixExact können Sie bis zu 10 Bilder, 5 Videos und 3 Audioclips hinzufügen, insgesamt 15, und sie im Prompt als @Image1, @Video1 oder @Audio1 benennen.
Welche Sprachen spricht Kling 4.0?
Kling 4.0 erzeugt Sprache auf Englisch, Chinesisch, Japanisch, Koreanisch und Spanisch und ergänzt Portugiesisch, Deutsch, Französisch, Hindi und weitere. Es trifft auch Akzente und Dialekte wie amerikanisches, britisches und indisches Englisch, Kantonesisch und Sichuanesisch. Setzen Sie die Sätze in Anführungszeichen und nennen Sie die Sprache im Prompt.
Was ist Kling 4.0 Flash?
Kling 4.0 Flash ist eine leichtere, schnellere Variante von Kling 4.0, die vor dem vollständigen Modell für den frühen Zugang geöffnet wurde. Sie ist für schnelle Entwürfe und viel Durchsatz gedacht. Das vollständige Modell Kling 4.0 liefert die beste Qualität, die längsten Aufnahmen und die meiste Steuerung.
Was kostet Kling 4.0 auf PixExact?
Kling 4.0 wird pro Sekunde Video berechnet, der Ton ist immer im Preis: 8 Credits pro Sekunde bei 720p und 12 Credits pro Sekunde bei 1080p. Ein Clip von 10 Sekunden in 1080p kostet also 120 Credits. Mit Referenzvideos liegt der Satz bei 5 Credits pro Sekunde bei 720p oder 8 bei 1080p, und die Länge der Referenzvideos wird ebenfalls berechnet. Der Generator zeigt die genauen Kosten, bevor Sie starten, und neue Konten erhalten kostenlose Credits.
Darf ich Kling-4.0-Videos kommerziell nutzen?
Ja. Videos, die Sie mit Kling 4.0 auf PixExact erstellen, können in Werbung, sozialen Medien, Produktseiten und Kundenarbeiten verwendet werden, gemäß unseren Nutzungsbedingungen. Sie brauchen die Rechte an allen Bildern, Videos oder Stimmen, die Sie als Referenz hochladen.
Ist Kling 4.0 kostenlos oder Open Source?
Kling 4.0 ist nicht Open Source. Die Modellgewichte gehören Kuaishou, lokal lässt es sich nicht ausführen. Auf PixExact testen Sie es mit den kostenlosen Credits, die neue Konten erhalten, ohne Kling-Abo und ohne API-Schlüssel.
Ihr erstes 30-Sekunden-Video mit Kling 4.0
Melden Sie sich an, holen Sie sich kostenlose Credits und machen Sie aus einem Prompt, ein paar Schlüsselbildern oder einem Satz Referenzen ein Video mit Ton.