Kling AI 4.0 panostaa ohjaukseen, ei pelkkään kuvanlaatuun
Kling AI:n uusin päivitys, Kling 4.0, tuo tekoälyvideoiden luontiin uusia työkaluja. Malli keskittyy nyt enemmän luovaan ohjaukseen ja tarinankerrontaan visuaalisen laadun sijaan.
Tekoälyllä luotujen videoiden kilpailu on siirtymässä pelkästä visuaalisesta näyttävyydestä kohti luovempaa ohjausta, kuten Kling AI:n uusin Kling 4.0 -malli osoittaa. Aiemmin tekoälyvideoiden arviointi keskittyi pitkälti siihen, kuinka realistisia ja laadukkaita yksittäiset klipit olivat. Nyt keskustelu käy enemmän siitä, miten tekoälyllä voidaan luoda johdonmukaisia hahmoja, hallita kuvakerrontaa ja rakentaa yhtenäisiä tarinoita alusta loppuun.
Kling 4.0 tarjoaa parannuksia liikkeen suorituskykyyn, luovaan kontrolliin ja pitkien videoiden luomiseen. Malli mahdollistaa jopa 30 sekunnin yhtenäisen videon generoinnin kerralla. Lisäksi se tukee jopa 15 multimodaalista referenssiä ja 10 avainkuvaa, jotka antavat sisällöntuottajille aiempaa tarkemman otteen hahmojen, kohtausten, toimintojen ja kameran liikkeiden hallintaan. Tämä edustaa siirtymää, jossa visuaalisen laadun tavoittelu ei ole enää ainoa kilpailuetu.
Perinteisesti tekoälyvideoiden luonti on perustunut pitkälti tekstikehotteisiin. Kling 4.0:n uudet ominaisuudet, kuten multimodaalinen referenssien käyttö (kuvat, videot, ääni) ja avainkuvien avulla määriteltävät tapahtumien kulut ja siirtymät, tarjoavat lisää väyliä ohjata generointiprosessia. Nämä työkalut auttavat vastaamaan luovan ohjauksen ja tarinan jatkuvuuden haasteisiin, joita pelkät tekstikehotteet eivät kykene ratkaisemaan riittävän tarkasti.
Vaikka Kling 4.0 tukee pidempiäkin videoita ja olemassa olevien videoiden jatkamista, yhtiön mukaan pitkien videoiden suurin tekninen haaste on edelleen vakauden, hallittavuuden ja tarinallisen johdonmukaisuuden ylläpitäminen pitkien jaksojen aikana. Tekoälyvideoiden tulevaisuus ei piile vain yksittäisten luontitehtävien parantamisessa, vaan laajemmin ideointiin, referenssien syöttöön, kuvien generointiin, editoitiin ja iteratiiviseen viimeistelyyn ulottuvien työkalujen kehittämisessä. Viime kädessä kyse on siitä, pystyvätkö tekoälymallit antamaan sisällöntuottajille riittävästi hallintaa ja johdonmukaisuutta, jotta tuotantoprosessista tulee ennakoitavampi.