شرکت Kling AI از نسل جدید مدل هوش مصنوعی خود با نام Kling 3.0 رونمایی کرد. مدلی معرفی شده به عنوان زیرساخت یکپارچه برای تولید محتوای چندرسانه ای مبتنی بر هوش مصنوعی.
بر اساس گزارش ها، این محصول در فضای رقابتی عرضه می شود که بازیکنان سرشناسی مانند Runway، Sora و Veo برای جایگاهی در آن رقابت می کنند. Kling 3.0 با تمرکز ویژه بر بهبود کیفیت تصویر، حفظ تداوم بصری کاراکترها و هماهنگی دقیق صدا و تصویر توسعه یافته است و سعی دارد همزمان با گسترش سریع بازار مولد هوش مصنوعی، نیازهای حرفه ای بیشتری را پوشش دهد.
معرفی مدل ویدیویی Kling 3.0
طبق اعلام KlingAI، مدل Kling 3.0 قرار است در چند محور اصلی با رقبا متفاوت باشد. محور اول، پایداری بسیار بالا در شخصیت ها و عناصر صحنه است که هدف آن حفظ چهره، لباس و جزئیات بصری در طول نماهای مختلف است. این ویژگی برای تولیدکنندگان محتوا بسیار مهم است زیرا تغییر ناخواسته چهره یا اشیاء کلیدی در نسخه های قبلی یکی از انتقادات اصلی کاربران بود.
محور دوم تولید ویدئوی انعطاف پذیر است. Kling 3.0 امکان ایجاد کلیپ های 15 ثانیه ای را با کنترل دقیق بر روی عکس ها، حرکت دوربین و ترکیب چند شات را فراهم می کند. این مدل بر واقع گرایی بالای تصویر و امکان طراحی سکانس تاکید دارد تا کاربر بتواند به جای شات، سکانس کوتاهی شبیه به سکانس فیلم تولید کند. این رویکرد به تولیدکنندگان محتوا اجازه میدهد تا ساختار روایی منسجم تری در خروجی خود داشته باشند.
محور سوم صدای ارتقا یافته است. Kling 3.0 از صدای چند کاراکتری پشتیبانی می کند و زبان ها و گویش های بیشتری را پوشش می دهد. این قابلیت به تولید ویدیوهایی که صدا و تصویر همزمان دارند کمک می کند و کاربر مجبور نیست صدا را به صورت جداگانه در نرم افزارهای دیگر تولید یا هماهنگ کند. پشتیبانی از چندین کاراکتر صوتی برای سناریوهای دیالوگ محور نیز مهم است.
محور چهارم بهبود تولید تصویر است. Kling 3.0 خروجی تصویر 4K را ارائه می دهد و حالت جدیدی را برای تولید مجموعه ای از تصاویر متوالی معرفی می کند که برای طراحی استوری بورد یا کمیک و همچنین تولید عکس های سینمایی استفاده می شود. تمرکز بر جلوههای سینمایی و جزئیات بیشتر در نور و بافتها، Kling 3.0 را به ابزاری نزدیکتر به نیازهای تولید حرفهای تبدیل میکند.
دموهای Kling 3.0 از نظر دینامیک، فرمان پذیری متن و واقع گرایی بصری عملکردی در حد رقبا نشان می دهند و کاهش خطاهای حرکتی و تصویری در آنها مشهود است. اما برای کاربران عادی تفاوت محسوسی بین خروجی این مدل با سایر رقبا وجود ندارد و رقابت بیشتر به عوامل فنی، سرعت، هزینه و ابزارهای کنترلی محدود می شود.
Kling 3.0 در حال حاضر با وضوح 1080p و 720p در دسترس است. تولید ویدیو با این مدل بر اساس اعتبار است و میزان اعتبار مصرفی بستگی به طول ویدیو و نوع ورودی دارد. کاربران علاقه مند می توانند جزئیات بیشتر در مورد استفاده، هزینه ها و محدودیت ها را در وب سایت KlingAI بیابند. این مدل نیز مانند سایر مدلهای هوش مصنوعی ویدیوساز در مرحلهای قرار دارد که نمیتوان آن را جایگزین کاملی برای تولید ویدیوی سنتی دانست، اما گزینهای قابل توجه برای آزمایش ایده، ساخت نمونههای اولیه و تولید محتوای کوتاه است.
