Kling AI hat gerade sein neues Modell Kling 2.0 veröffentlicht, das Verbesserungen bei Bild-zu-Video und Text-zu-Video mit sich bringt. Insbesondere mit dynamischen, actiongeladenen Eingabeaufforderungen und Bildern liefert Kling 2.0 bessere Ergebnisse, was zu noch beeindruckenderen Videos führt. Wir stellen Ihnen die Neuerungen von Kling 2.0 vor und zeigen Ihnen, wie Sie Ihre Token optimal nutzen können.
Erste Schritte mit Kling 2.0
Lassen Sie uns zunächst darüber sprechen, was Sie mit dem neuen Modell Kling 2.0 tun können.
KlingAI unterstützt mit Kling 2.0 aktuell sowohl Text-zu-Video- als auch Bild-zu-Video-Optionen. Sie können natürlich jedes beliebige Bild verwenden, auch generierte Bilder; meine Beispiele verwenden mit Flux erstellte Bilder. Außerdem gibt es die Option „Multi-Elemente“ , mit der Sie Abschnitte eines Videoclips austauschen, hinzufügen oder löschen können.
Sie müssen lediglich an bestimmten Stellen des Videos eine Pause einlegen und die Abschnitte hinzufügen, die Sie bearbeiten möchten (in diesem Fall tausche ich aus), und Kling AI erledigt den Rest für Sie.
Sie können auch Punkte in verschiedenen Bereichen Ihrer Auswahl hinzufügen, um die Ergebnisse zu verbessern. Je mehr Punkte Sie hinzufügen, desto besser kann die KI die Bewegungen verfolgen und maskieren. Ich habe in dieser Auswahl einige Punkte hinzugefügt, da menschliche Bewegungen komplex sind und viele bewegliche Teile beinhalten.
Aber Sie sind noch nicht ganz fertig. Beim Referenzieren von Videos mit besonders komplexen Bewegungen (z. B. Tänzen) erzielen Sie nicht die besten Ergebnisse, wenn Sie Auswahlen nur zu einem Frame hinzufügen.
Wenn Ihr Video jedoch nicht viel Action enthält, haben Sie Glück. Sie benötigen nicht so viele Masken, um ein gutes Ergebnis zu erzielen. In diesem Beispiel habe ich nur zwei Masken in der Video-Timeline, konnte aber dennoch ein recht konsistentes Ergebnis erzielen, da die Bewegungen relativ einfach sind und die Kamera sich nicht so stark bewegt.
Kling 2.0 vs. WAN 2.1
Ich habe bereits erwähnt, dass Kling 2.0 die Videoerstellung ähnlich wie WAN 2.1 VACE ermöglicht, einem Open-Source-Modell. Zwar ist es schön, ein kostenloses KI-Modell lokal auf dem Computer laufen zu haben, doch die meisten Nutzer sind durch die Hardware eingeschränkt. Ohne eine erstklassige GPU für KI-Modelle wie die H100 werden Sie wahrscheinlich nicht die bestmöglichen Ergebnisse erzielen. Selbst Flaggschiff-GPUs für Verbraucher wie die 4090 und 5090 werden kaum mit der Qualität von Videos mithalten können, die mit Premium-Modellen wie Kling 2.0 erstellt wurden.
Um die Unterschiede zwischen WAN 2.1 VACE und Kling 2.0 zu demonstrieren, habe ich dieselben Bilder und Eingabeaufforderungen verwendet und sie einer Bild-zu-Video-Analyse unterzogen. Die Ergebnisse waren sehr, sehr auffällig.
Ich habe dieses Bild von Feen, die eine Geburtstagstorte backen, in beiden Modellen verwendet. Mit WAN 2.1 wirkte das Video ziemlich langweilig. Die Feen standen meist still, und die einzige wirkliche Bewegung im Video kam von den magischen Seifenblasen, die über der Torte schwebten. Nicht gerade eine dynamische Szene.
Das Video von Kling 2.0 hingegen war deutlich actionreicher. Die kleine Fee in der Mitte rannte um den Kuchen herum, Zaubereffekte flogen aus ihren Zauberstäben, und der Kuchen selbst wuchs deutlich an. Es sieht deutlich besser aus als das Ergebnis von WAN 2.1. Tatsächlich übertrifft Kling 2.0 seine Vorgängerversion Kling 1.6 bei der Darstellung rasanter Szenen.
Kling 2.0 vs. Kling 1.6
Im nächsten Beispiel ließ ich Kling 2.0 eine Kampfszene zwischen zwei weiblichen Charakteren generieren. Das resultierende Video enthielt komplexe Kampfkunstbewegungen und eine schnell bewegte Kamera, die die beiden während des Kampfes umkreiste. Zahlreiche Partikeleffekte verliehen der Szene zusätzlich Flair.
Andererseits hatte Kling 1.6 Mühe, mit dem Tempo von Kling 2.0 mitzuhalten. Selbst mit denselben Charakteren und Prompts war das Video von Kling 1.6 deutlich langsamer und zeigte kaum Kamerabewegungen. Die Verbesserungen von Kling 2.0 sind deutlich zu erkennen, wenn man es mit Kling 1.6 hinsichtlich Actionszenen und Prompts vergleicht.
Macken von Kling 2.0
Kling 2.0 hat allerdings seine Macken. Wenn ich versuche, meine Eingabeaufforderung etwas zu konkret zu formulieren, kommt das Modell nicht besonders gut damit zurecht. Dieses Video einer Frau auf einem Jetski wirkt seltsam, weil der Kopf der Frau nach hinten gedreht ist.
Für natürlich wirkende Ergebnisse sollten Sie Ihre Eingabeaufforderungen einfach halten. Mit einer vereinfachten Eingabeaufforderung habe ich hier ein deutlich ansprechenderes Ergebnis erzielt. Erwähnenswert ist auch, dass Kling 2.0 mit realistischen Wellen und Spritzern sehr gut mit Wasser umgeht.
Solange Sie Ihre Aufforderungen einfach halten, können Sie die Charaktere in Ihren Videos auch interessante Dinge tun lassen, wie zum Beispiel ihren Fokus von der Kamera weg richten.
Im ersten Bild dieses Videos blickt die Frau in die Kamera, fährt dann aber los und dreht den Kopf zur Straße. Das wirkt deutlich realistischer als die WAN 2.1-Version derselben Aufforderung; das Open-Source-Modell konnte zwar gut mit Reflexionen und Licht umgehen, doch die Frau auf dem Motorrad bewegt sich kaum.