Gerador de vídeo de IA Kling 4.0: até 30 segundos com som
O Kling 4.0 é o modelo de vídeo mais recente da Kling AI, o time de vídeo da Kuaishou. Lançado em outubro de 2026, ele faz clipes de até 30 segundos de uma vez só, com som estéreo, diálogo e sincronia labial no mesmo passe. Dá para guiar com até 10 quadros-chave e até 15 referências de imagem, vídeo, personagem e voz, e depois editar o resultado ou estender até 2 minutos.
No PixExact você usa o Kling 4.0 direto no navegador. Escreva um prompt, coloque um quadro inicial, quadros-chave ou referências, escolha a duração e a proporção e baixe um MP4 com som. Sem chave de API, sem assinatura da Kling, e contas novas ganham créditos grátis.
Mais ferramentas
Explore mais ferramentas de IA para impulsionar o seu fluxo criativo.
Kling 4.0 e Kling 3.0: o que mudou
O Kling 3.0 já tinha 4K nativo, áudio nativo e cenas com vários planos. O Kling 4.0 mantém tudo isso e acrescenta tomadas mais longas, quadros-chave, som estéreo e bem mais referências. Veja a comparação.
| Recurso | Kling 4.0 | Kling 3.0 |
|---|---|---|
| Lançamento | Outubro de 2026 | Fevereiro de 2026 |
| Duração por geração | 3 a 30 segundos | 3 a 15 segundos |
| Extensão de vídeo | Para a frente e para trás, até 2 minutos no total | Não faz parte do modelo 3.0 |
| Resolução | 720p, 1080p, 4K nativo | 720p, 1080p, 4K nativo |
| Faixa dinâmica | HDR de 10 bits em 1080p e 4K | SDR de 8 bits |
| Proporções | 16:9, 9:16, 1:1, 21:9 | 16:9, 9:16, 1:1 |
| Áudio | Estéreo nativo de dois canais | Mono nativo |
| Idiomas da fala | Inglês, chinês, japonês, coreano e espanhol, além de português, alemão, francês, hindi e outros | Inglês, chinês, japonês, coreano e espanhol |
| Controle de quadros | Quadro inicial, quadro final e até 10 quadros-chave | Quadro inicial e quadro final |
| Imagens e sujeitos de referência | Até 10 imagens e 7 sujeitos | Até 7, ou 4 quando há um vídeo (3.0 Omni) |
| Vídeos de referência | Até 5 clipes, 30 segundos somados | 1 clipe, até 15 segundos (3.0 Omni) |
| Total de referências | Até 15 itens, incluindo referências de voz | Até 7 imagens ou sujeitos, ou 1 vídeo mais 4 imagens ou sujeitos (3.0 Omni) |
| Edição de vídeo | No modelo principal, mais Recriação criativa | Pelo Kling 3.0 Omni |
| Vários planos | Vários planos dentro de uma tomada de 30 segundos | Cenas com vários planos e storyboard por plano no Omni |
| Tamanho do prompt | Até 8.000 tokens | Tamanho padrão de prompt |
| Preço no PixExact | 8 créditos/s em 720p, 12 em 1080p, som incluso | De 5 créditos/s (720p) a 25 (4K) |
| Melhor para | Tomadas longas, planos com quadros-chave, personagens recorrentes, anúncios com vários produtos, edições | Clipes curtos, 4K nativo, cenas de vários planos guiadas pelo prompt, menor custo por segundo |
Quer clipes mais curtos, 4K nativo ou a opção de desligar o som? Veja a página do Kling 3.0.
O que dá para fazer com o Kling 4.0
O Kling 4.0 foi feito para vídeo mais longo e mais controlado. É nesses trabalhos que ele passa na frente dos Kling anteriores.
Planos de 30 segundos em uma geração
A maioria dos modelos de texto para vídeo para em 10 ou 15 segundos, então cenas mais longas precisam ser emendadas. O Kling 4.0 gera até 30 segundos de forma nativa, como uma tomada contínua. Movimento, luz e personagens se mantêm do primeiro ao último quadro, o que serve para demonstração de produto, cenas curtas de história, trechos de clipe e anúncios que precisam de respiro. Precisa de mais? A extensão continua o clipe para a frente ou para trás, até 2 minutos no total.
Até 10 quadros-chave: planeje o plano quadro a quadro
No imagem para vídeo comum, os quadros inicial e final só dizem onde o plano começa e termina. O Kling 4.0 deixa você colocar até 10 imagens de quadro-chave na linha do tempo e gera o movimento entre elas. Use para acertar poses de uma dança, mostrar um produto em ângulos definidos ou levar um personagem por vários lugares em um plano contínuo. No PixExact, envie os quadros em ordem: o primeiro é o inicial, os do meio viram quadros-chave e o último pode ser o final.
15 referências: personagem, produto e voz no mesmo lugar
Em referência para vídeo, o Kling 4.0 aceita até 15 referências numa geração: até 10 imagens, até 5 clipes (30 segundos somados), até 7 sujeitos e referências de voz. Cite cada uma no prompt, como @Image1 ou @Video1, para dizer quem e o que vai aonde. O personagem mantém rosto, roupa e voz entre as cenas, e o produto mantém forma e rótulo. Isso importa em séries, mascotes e anúncios com vários produtos.
Edição de vídeo e recriação criativa
O Kling 4.0 também edita material que já existe. Dá para mudar a expressão ou o movimento do corpo, incluir, tirar ou trocar objetos e fundos, mover a câmera ou refazer clima, cores e materiais, com até 5 clipes de entrada (30 segundos somados) numa edição. A recriação criativa vai além: reaproveita o ritmo, a estrutura de planos e a apresentação de um vídeo de que você gosta e coloca os seus personagens ou produtos.
Recursos do Kling 4.0
Tudo o que o modelo Kling 4.0 faz, do som e do movimento à cor e ao texto na tela.
Som estéreo, diálogo e sincronia labial
O Kling 4.0 gera áudio estéreo de dois canais junto com a imagem: diálogo, efeitos, ambiente e música. A sincronia labial é mais precisa que no Kling 3.0, e a fala agora cobre português, alemão, francês e hindi, além de inglês, chinês, japonês, coreano e espanhol, com sotaques como inglês americano, britânico e indiano, cantonês e sichuanês.
4K nativo e HDR de 10 bits
O modelo chega a 4K nativo e acrescenta HDR de 10 bits em 1080p e 4K, com realces mais claros, sombras mais fundas e degradês mais suaves que o SDR de 8 bits do Kling 3.0. As proporções incluem 21:9 ultrawide para planos de cinema, além de 16:9, 9:16 e 1:1.
Movimento e física melhores
Lutas rápidas, esporte, dança e cenas grandes de ação se sustentam melhor. O Kling 4.0 melhora a mecânica do corpo, a consistência espacial e a interação entre pessoas e objetos, e mantém estáveis os movimentos de câmera de acompanhamento e órbita do começo ao fim.
Extensão de vídeo até 2 minutos
Continue qualquer clipe para a frente ou para trás em vários passes, até 2 minutos no total, mantendo os mesmos personagens, o cenário e o estilo.
Texto, logos e emojis legíveis
Placas, legendas, embalagens, logos e até emojis continuam legíveis e estáveis com a câmera em movimento, em vários idiomas. Útil para anúncios, vídeos de produto e qualquer peça com marca na tela.
Prompts longos e detalhados
O prompt pode chegar a 8.000 tokens. Dá para escrever a lista de planos de uma tomada de 30 segundos, com tempo, câmera, diálogo e indicações de som, e o modelo segue a ordem.
Dicas de prompt para o Kling 4.0
Alguns hábitos que melhoram o resultado em vídeos longos e com várias referências.
Escreva a tomada como uma linha do tempo
Em clipes acima de 10 segundos, quebre o prompt em trechos com um tempo aproximado, por exemplo 0 a 8s, 8 a 20s e 20 a 30s. Diga o que acontece e como a câmera se move em cada um.
Marque cada referência
Chame os envios pelo nome, como @Image1 para o personagem principal, @Image2 para o produto e @Video1 para o movimento de câmera. Referências sem marcação são mais difíceis de posicionar.
Coloque as falas entre aspas
Escreva o diálogo entre aspas e diga quem fala, em que idioma e com que tom. Por exemplo: a mulher diz em francês, com calma: «A gente já está quase chegando.»
Comece curto, depois vá para o longo
Teste o visual com um clipe de 5 segundos em 720p. Quando o estilo e os personagens estiverem certos, gere a tomada completa de 30 segundos em 1080p.
Como usar o Kling 4.0 no PixExact
Do prompt ao vídeo pronto em três passos. Sem edição e sem chave de API.
Descreva o vídeo
Escolha o Kling 4.0 na lista de modelos e escreva o prompt. Descreva a ação, a câmera, o clima e o som, e coloque o diálogo entre aspas.
Adicione quadros ou referências
No modo Quadros, envie um quadro inicial, até 8 quadros-chave e um quadro final. No modo Referência, adicione até 15 imagens, vídeos e áudios e marque cada um no prompt.
Defina a duração e gere
Escolha de 3 a 30 segundos, 720p ou 1080p, e 16:9, 9:16, 1:1 ou 21:9. Clique em Gerar e baixe o MP4 com som.
Perguntas frequentes sobre o Kling 4.0
O que é o Kling 4.0?
O Kling 4.0 (também chamado de Kling VIDEO 4.0) é o modelo de vídeo de IA de quarta geração da Kling AI, da empresa chinesa Kuaishou. Ele transforma texto, imagens, quadros-chave e vídeos de referência em clipes de até 30 segundos com áudio estéreo nativo, e também edita e estende vídeos existentes.
Quando o Kling 4.0 foi lançado?
A Kling abriu o acesso antecipado ao Kling 4.0 Flash em 28 de setembro de 2026, e o modelo completo do Kling 4.0 foi lançado no mundo em outubro de 2026. Dá para usar no PixExact agora.
Qual é a diferença entre Kling 4.0 e Kling 3.0?
O Kling 4.0 dobra a duração do clipe de 15 para 30 segundos, adiciona até 10 quadros-chave, sobe as referências para 15 itens (incluindo até 5 vídeos e referências de voz), passa de mono para estéreo, inclui HDR de 10 bits e mais idiomas de fala, e traz a edição de vídeo para o modelo principal. O Kling 3.0 continua uma boa escolha para clipes mais curtos, 4K nativo com preço menor por segundo e cenas com vários planos. A tabela acima mostra cada diferença.
Qual a duração máxima dos vídeos do Kling 4.0?
Cada geração pode ter de 3 a 30 segundos, como uma tomada contínua. Com a extensão, o clipe continua para a frente ou para trás em vários passes, até 2 minutos no total. No PixExact você escolhe qualquer duração de 3 a 30 segundos.
O Kling 4.0 suporta 4K e HDR?
Sim. O Kling 4.0 gera até 4K nativo, com HDR de 10 bits em 1080p e 4K, enquanto o Kling 3.0 usava SDR de 8 bits. No PixExact, o Kling 4.0 oferece 720p ou 1080p.
Como funcionam os quadros-chave no Kling 4.0?
Quadros-chave são imagens que você coloca na linha do tempo. O Kling 4.0 aceita até 10 e anima o caminho entre elas, então você controla poses, ângulos e lugares em pontos definidos, e não só o primeiro e o último quadro. No PixExact, use o modo Quadros: a primeira imagem é o quadro inicial, as do meio são quadros-chave e a última pode ser o quadro final, até 10 imagens no total.
Quantas referências posso usar no Kling 4.0?
Até 15 referências por geração. O modelo aceita até 10 imagens, até 5 vídeos de referência com 30 segundos somados, até 7 elementos de sujeito e referências de voz. No modo Referência do PixExact dá para adicionar até 10 imagens, 5 vídeos e 3 áudios, 15 no total, e marcá-los no prompt como @Image1, @Video1 ou @Audio1.
Quais idiomas o Kling 4.0 fala?
O Kling 4.0 gera fala em inglês, chinês, japonês, coreano e espanhol, e acrescenta português, alemão, francês, hindi e outros. Também trata sotaques e dialetos como inglês americano, britânico e indiano, cantonês e sichuanês. Escreva as falas entre aspas e indique o idioma no prompt.
O que é o Kling 4.0 Flash?
O Kling 4.0 Flash é uma versão mais leve e rápida do Kling 4.0, que entrou em acesso antecipado antes do modelo completo. Serve para rascunhos rápidos e volume alto. O Kling 4.0 completo entrega a melhor qualidade, as tomadas mais longas e o maior controle.
Quanto custa o Kling 4.0 no PixExact?
O Kling 4.0 é cobrado por segundo de vídeo, com o som sempre incluso: 8 créditos por segundo em 720p e 12 créditos por segundo em 1080p. Um clipe de 10 segundos em 1080p custa 120 créditos. Com vídeos de referência, a taxa passa a 5 créditos por segundo em 720p ou 8 em 1080p, e a duração desses vídeos também entra na conta. O gerador mostra o custo exato antes de começar, e contas novas ganham créditos grátis.
Posso usar os vídeos do Kling 4.0 comercialmente?
Sim. Vídeos criados com o Kling 4.0 no PixExact podem ir para anúncios, redes sociais, páginas de produto e trabalho de cliente, sujeito aos nossos Termos de Serviço. Confirme que você tem os direitos de qualquer imagem, vídeo ou voz enviado como referência.
O Kling 4.0 é grátis ou open source?
O Kling 4.0 não é open source. Os pesos pertencem à Kuaishou e ele não roda localmente. Dá para testar no PixExact com os créditos grátis das contas novas, sem assinatura da Kling e sem chave de API.
Faça seu primeiro vídeo de 30 segundos com o Kling 4.0
Cadastre-se, ganhe créditos grátis e transforme um prompt, alguns quadros-chave ou um conjunto de referências em um vídeo com som.