As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
For anyone making an advertisement, an animated sequence or a short film with AI, the hard part has rarely been getting one striking shot. It has been getting the tenth shot to show the same character as the first, and making the cuts between them read as one story. Kling AI's new model, Kling 4.0, is built around that problem rather than around the picture alone.
Para quem produz um anúncio, uma sequência animada ou uma curta-metragem com IA, a parte difícil raramente foi obter um plano impressionante. Foi conseguir que o décimo plano mostre a mesma personagem que o primeiro e que os cortes entre eles se leiam como uma única história. O novo modelo da Kling AI, o Kling 4.0, foi concebido em função desse problema, e não apenas em função da imagem.
The mechanism rests on two tools. The first is what the company calls multimodal reference assets: the model accepts up to 15 inputs, which can be images, videos or audio, to learn how a video should look and feel. The second is keyframes, with up to 10 control points that plan a character's state, a change of action or a scene transition. The distinction is simple: references tell the model what the film should look like, and keyframes tell it how the story should move from one moment to the next. Until now, most AI video tools worked mainly from a text prompt, which makes it hard to describe a character's appearance, a camera move or the rhythm of an action precisely.
O mecanismo assenta em duas ferramentas. A primeira é aquilo a que a empresa chama recursos de referência multimodais: o modelo aceita até 15 entradas, que podem ser imagens, vídeos ou áudio, para aprender como deve ser o aspeto e a sensação do vídeo. A segunda são os fotogramas-chave (keyframes), com até 10 pontos de controlo que planeiam o estado de uma personagem, uma mudança de ação ou uma transição de cena. A distinção é simples: as referências dizem ao modelo como deve ser o filme, e os fotogramas-chave dizem-lhe como a história deve avançar de um momento para o seguinte. Até agora, a maioria das ferramentas de vídeo com IA funcionava sobretudo a partir de um texto, o que dificultava descrever com precisão a aparência de uma personagem, um movimento de câmara ou o ritmo de uma ação.
Duration is part of the update too. Kling 4.0 generates up to 30 seconds of video natively in a single generation, and existing videos can be extended. But the company's spokesperson is clear that length does not solve the core issue. As clips get longer, the model has to keep character identity, spatial relationships, action continuity, camera direction, lighting and audio-visual synchronisation consistent, and a few seconds of convincing footage can be obtained through repeated attempts and selection in a way a longer work cannot.
A duração também faz parte da atualização. O Kling 4.0 gera até 30 segundos de vídeo nativamente numa só geração, e os vídeos existentes podem ser prolongados. Mas o porta-voz da empresa é claro: a duração não resolve o problema central. À medida que os clips se alongam, o modelo tem de manter coerentes a identidade das personagens, as relações espaciais, a continuidade da ação, a direção da câmara, a iluminação e a sincronização audiovisual. Alguns segundos de imagens convincentes podem obter-se através de tentativas repetidas e seleção, o que não acontece com uma obra mais longa.
For professional creators, the gain would be fewer wasted attempts, if the features perform as described. The company says the company's next priorities are more precise creative control and a better understanding of scripts and storyboards. No timeline for wider availability was given in the material available for this article, and the effectiveness of these tools will depend on how complicated the scenes are. The figures and claims come from Kling AI itself, and no independent test is reported here.
Para os criadores profissionais, o ganho seria menos tentativas desperdiçadas, se as funcionalidades tiverem o desempenho descrito. A empresa diz que as suas próximas prioridades são um controlo criativo mais preciso e uma melhor compreensão de guiões e storyboards. O material disponível para este artigo não indica qualquer calendário para uma disponibilidade mais ampla, e a eficácia destas ferramentas dependerá da complexidade das cenas. Os números e as afirmações vêm da própria Kling AI, e não é aqui referido nenhum teste independente.
The test that matters, then, is not whether an AI model can produce a convincing shot. It is whether it can deliver the right shots, in the right order, consistently enough to serve a larger story. Human judgment remains essential for story development, shot selection and editing. What the update suggests is that the field is moving from making individual clips to making the production process itself more predictable.
O teste que importa, portanto, não é saber se um modelo de IA consegue produzir um plano convincente. É saber se consegue entregar os planos certos, pela ordem certa e com a consistência suficiente para servir uma história maior. O juízo humano continua a ser essencial para o desenvolvimento do argumento, a escolha dos planos e a montagem. O que a atualização sugere é que o setor está a passar de produzir clips isolados para tornar o próprio processo de produção mais previsível.