Kling AI har netop udgivet sin nye Kling 2.0 model , og med den følger forbedringer af billede-til-video og tekst-til-video . Især Kling 2.0 kan prale af bedre resultater med dynamiske, actionfyldte prompter og billeder, som kan føre til flere fantastiske videoer. Lad os gennemgå, hvad der er nyt med Kling 2.0, og hvordan du kan få mest muligt ud af dine tokens.
Kom godt i gang med Kling 2.0
Lad os først tale om, hvad du kan gøre med den nye Kling 2.0 model.
I øjeblikket understøtter KlingAI både tekst-til-video og billed-til-video-indstillinger med Kling 2.0. Du kan selvfølgelig bruge ethvert billede, du ønsker, inklusive genererede billeder; mine eksempler bruger billeder lavet med Flux . Du vil også bemærke en "Multi-Elements"-indstilling , som lader dig bytte, tilføje eller slette sektioner fra et videoklip.
Alt du skal gøre er at pause på bestemte tidspunkter af videoen, tilføje de sektioner, du vil redigere (i dette tilfælde bytter jeg), og Kling AI vil klare resten for dig.
Du vil også gerne tilføje point på forskellige områder af dit valg for at forbedre resultaterne. Generelt, jo flere point du tilføjer, jo bedre vil AI være til at spore og maskere bevægelserne. Jeg tilføjede en del punkter i dette udvalg, fordi menneskelig bevægelse er kompleks med mange bevægelige dele.
Men du er ikke helt færdig endnu. Når du refererer til videoer med særligt komplekse bevægelser (såsom dans), får du ikke de bedste resultater ved at tilføje markeringer til kun ét billede.
Hvis din video dog ikke har meget action, er du heldig. Du behøver ikke tilføje så mange masker for at få et anstændigt resultat. I dette eksempel har jeg kun to masker i videoens tidslinje, men alligevel formåede jeg at få et nogenlunde ensartet resultat, da bevægelserne er relativt enkle og kameraet ikke bevæger sig så meget.
Kling 2.0 vs WAN 2.1
Jeg nævnte tidligere, at Kling 2.0 lader dig oprette videoer meget ligesom WAN 2.1 VACE, som er en open source-model. Og selvom det er rart at have en gratis AI-model kørende lokalt på din computer, er de fleste brugere begrænset af hardware. Og medmindre du har en top-of-the-line GPU beregnet til AI-modeller, som H100, vil du sandsynligvis ikke få de bedst mulige resultater. Selv flagskibs forbruger-GPU'er som 4090 og 5090 vil kæmpe for at matche kvaliteten af videoer genereret gennem premium-modeller som Kling 2.0.
For at vise, hvor forskelligt WAN 2.1 VACE og Kling 2.0 fungerer, brugte jeg de samme billeder og de samme prompter og satte dem gennem billede-til-video. Resultaterne var meget, meget mærkbare.
Jeg brugte dette billede af feer, der laver en fødselsdagskage i begge modeller. Med WAN 2.1 var videoen ret forældet. Feerne stod for det meste stille, og den eneste rigtige bevægelse i videoen kom fra de magiske bobler, der svævede over kagen. Ikke ligefrem en dynamisk scene.
På den anden side var Kling 2.0's video langt mere actionfyldt. Den lille fe i midten løb rundt om kagen, magiske effekter fløj ud af deres tryllestave, og selve kagen voksede til en meget større størrelse. Det ser meget bedre ud end WAN 2.1's resultat. Faktisk overgår Kling 2.0's evne til at håndtere hurtige scener dens tidligere version, Kling 1.6.
Kling 2.0 vs Kling 1.6
I dette næste eksempel fik jeg Kling 2.0 til at generere en kampscene mellem to kvindelige karakterer. Den resulterende video havde komplekse kampsportsbevægelser og et hurtigt bevægende kamera, der kredsede om de to, mens de kæmpede. Der var også masser af partikeleffekter, der gav scenen den ekstra flair.
På den anden side kæmpede Kling 1.6 for at følge med Kling 2.0's tempo. Selv med de samme karakterer og prompt var Kling 1.6's video meget langsommere, med næsten ingen kamerabevægelse. Du kan virkelig se forbedringerne i Kling 2.0, når du sammenligner det med Kling 1.6 ved hjælp af actionscener og prompter.
Kling 2.0's quirks
Kling 2.0 har dog sine særheder. Når jeg prøver at være lidt for specifik med min prompt, håndterer modellen det ikke rigtig godt. Denne video af en kvinde på en jetski ser ud, fordi kvindens hoved er vendt bagud.
Hvis du ønsker at få naturlige resultater, skal du holde dine anvisninger enkle. Ved at bruge en forenklet prompt fik jeg et meget flottere resultat her. Dette ville også være et godt tidspunkt at nævne, at Kling 2.0 håndterer vand ret godt med realistiske bølger og stænk.
Så længe du holder dine prompter enkle, kan du også få karaktererne i dine videoer til at gøre interessante ting, såsom at ændre deres fokus væk fra kameraet.
Det første billede af denne video får kvinden til at se på kameraet, men mens det fortsætter, kører hun af sted og drejer hovedet mod vejen. Dette ser langt mere realistisk ud end WAN 2.1's version af den samme prompt; mens open source-modellen godt kunne klare refleksioner og lys, er der ikke megen bevægelse fra kvinden, der kører motorcyklen.