Kling 4.0 e la nuova corsa alla controllabilità nel video AI

La più grande critica al video AI non è mai stata davvero la qualità. È stata il controllo. Scrivi un prompt, il modello produce qualcosa di splendido, e poi il cliente chiede un piccolo cambiamento, e devi rigenerare tutto sperando che il volto del personaggio e l'illuminazione escano identici. È in quel divario che punta Kling 4.0.

Kling di Kuaishou ha annunciato il modello il 28 settembre. La versione completa arriverà a ottobre; una variante più leggera "Flash", limitata a 720p e a clip da 20 secondi, è entrata in accesso anticipato lo stesso giorno per gli abbonati annuali Ultra. Il modello completo estende la generazione a singola ripresa a 30 secondi e aggiunge l'output 1080p e 4K, con HDR a 10 bit previsto alle risoluzioni più alte.

Le specifiche che contano non sono i numeri della risoluzione. Sono le funzioni di editing. Tre di queste si distinguono.

La prima è l'editing locale. Puoi prendere un video finito e cambiare una cosa, un'espressione, un movimento, un movimento di camera, uno stile o lo sfondo, mentre tutto il resto rimane bloccato. Puoi fornire fino a cinque clip, inclusa una master. Questa è la differenza tra "il cliente ha cambiato un dettaglio" che diventa un rifacimento completo e un singolo intervento. È anche la funzione che colma il divario tra il video AI come demo e il video AI come ciclo di revisione.

La seconda sono i keyframe. L'image-to-video ora accetta fino a dieci immagini keyframe più il primo e l'ultimo fotogramma. Fissi lo scatto del prodotto, la scena d'uso e il primo piano della confezione in ordine, e lasci che il modello riempia il movimento tra loro. Per chi fa video di prodotto, questo trasforma la generazione in storyboard. Lo storyboard viene confermato prima di spendere crediti, ed è lì che si trova il vero risparmio di tempo. Uno storyboard è anche un contratto: il cliente approva la sequenza prima che inizi la parte costosa.

La terza è Omni Reference, che accetta fino a 15 input contemporaneamente: dieci immagini, cinque video per un totale di 30 secondi e fino a sette soggetti con riferimenti vocali. Li indirizzi nel prompt con @image1 e @video1, dicendo a ciascun riferimento quale compito ha. Un riferimento mantiene l'identità, un altro lo stile, un altro la posa. È lo stesso principio che si usa già nell'editing delle immagini, esteso al footage in movimento.

Queste tre funzioni condividono un unico filo conduttore. Mirano tutte a ridurre il numero di volte in cui devi ricominciare da capo. La prima era del video AI era una slot machine: tiravi la leva, ottenevi una clip e tiravi di nuovo se non ti piaceva. Kling 4.0 sta spingendo verso una pipeline deterministica in cui le parti che ti interessano sono fissate e solo il movimento è lasciato al caso.

Il prezzo è aggressivo in un modo che dice che Kuaishou punta al volume. La fatturazione annuale porta il tier base a circa 21 $ al mese per 180 crediti, circa 1,90 $ per video, e il tier top a 90 $ al mese per circa 1,10 $ per video. Nessuna filigrana a nessun livello, così le clip finite vanno direttamente ai clienti. Per contesto, il tier standard di Veo 3.1 di Google costa circa 0,40 $ al secondo, mentre Wan 3.0 di Alibaba va da 0,05 a 0,20 $. I modelli video cinesi stanno comprando quote di mercato con il prezzo, e Kling non lo nasconde.

I controlli si innestano su un modello che ha già dimostrato di saper mantenere un personaggio attraverso le scene. Quella combinazione, controllo più coerenza più un prezzo basso al secondo, è ciò che fa sembrare Kling 4.0 una categoria diversa dalle prime demo dell'era Sora, del tipo "wow, guarda cosa ha generato". Le demo sono finite. Ora il lavoro è fatto di iterazione.

Questo è il tema silenzioso che attraversa tutto il campo della generazione video in questo momento. Gen-4.5 di Runway spinge sulla coerenza guidata dai riferimenti, lasciando che una singola immagine di riferimento mantenga un soggetto attraverso più inquadrature. Veo 3.1 vende audio e immagine generati insieme, così i passi cadono dove cadono i piedi. Wan 3.0 compete sul prezzo e sui pesi aperti. Kling 4.0 punta il suo claim sul problema poco glamour di cambiare idea dopo aver visto il risultato. Quello è sempre stato il vero collo di bottiglia nel lavoro creativo, ed è quello che un benchmark non misura mai.

La ragione per cui questo conta commercialmente è che chi paga per il video AI non è chi realizza un singolo clip virale. Sono coloro che producono cento video di prodotto al mese, e perdono più tempo in revisione che in generazione. Uno strumento che rende economica la revisione attacca il vero centro di costo. Ecco perché l'editing locale e i keyframe di Kling, non la sua specifica 4K, sono il vero annuncio.

C'è un modo utile per misurare il cambiamento. Nel vecchio flusso di lavoro, un singolo "rigenera" era l'unità di fallimento. Ogni variazione indesiderata costava una generazione completa, un credito completo e un'attesa completa. L'editing locale di Kling 4.0 trasforma quell'unità di fallimento in una piccola operazione. La differenza emotiva conta quanto quella economica: i creatori smettono di trattare il modello come una slot machine e iniziano a trattarlo come un collaboratore che possono dirigere. È il momento in cui uno strumento passa da novità a flusso di lavoro, ed è il momento in cui il mercato del video AI ha davvero iniziato a maturare.

Il lato audio di Kling 4.0 è facile da trascurare ma vale una menzione. Il modello completo genera audio stereo a due canali sincronizzato con l'immagine, con lip sync migliorato e supporto per nove lingue, inclusi diversi dialetti cinesi. Per i video di prodotto e i corti drammatici, dove un voiceover che corrisponde alla bocca è la differenza tra credibile e stridente, è una cosa più importante dell'aumento di risoluzione. Il primo video AI produceva footage muto e ti lasciava il doppiaggio dopo; i modelli che generano suono e immagine insieme eliminano un intero passaggio di post-produzione.

Vale la pena fare un passo indietro per vedere il quadro strategico. Kuaishou è una piattaforma di short video, e Kling è il suo braccio AI. Questo significa che Kling 4.0 non è un'azienda di strumenti che cerca di venderti un abbonamento. È una piattaforma che alimenta il proprio ecosistema di contenuti, e il prezzo aggressivo riflette un endgame diverso da quello di un fornitore indipendente. Lo stesso vale per Seedance e Dreamina di ByteDance. I modelli video cinesi sono sovvenzionati da piattaforme che traggono beneficio dai contenuti che generano, il che è un vantaggio strutturale che i laboratori occidentali non hanno, ed è per questo che la guerra dei prezzi continua a pendere in una direzione.

L'unica cosa a cui l'annuncio non ha risposto del tutto è il dettaglio che tutti nella produzione vogliono sapere: il prezzo dei crediti e l'accesso API per il modello completo. Kling ha pubblicato i tier di abbonamento ma non il costo per credito di Kling 4.0 stesso, e i suoi pacchetti API non supportano ancora il nuovo modello. Quel vuoto si colmerà quando il modello completo uscirà a ottobre, ma vale la pena segnalarlo perché l'economia di un modello favorevole alla revisione è diversa da quella di un modello one-shot. Se un edit locale costa una frazione di una rigenerazione completa, la proposta di valore è ovvia. Se costa quasi lo stesso, la funzione è una comodità più che una svolta sui costi. In ogni caso, la direzione è chiara, e i dettagli di prezzo determineranno quanto velocemente i team l'adotteranno.

Per chi produce video di prodotto, clip di marketing o corti drammatici, il takeaway pratico è semplice. Guarda oltre la specifica di risoluzione. Chiediti cosa succede quando il cliente chiede un'angolazione diversa. Se la risposta è "rigenera tutto", vivi ancora nel 2025. Kling 4.0 scommette che nel 2026 la risposta sarà "modifica una cosa e mantieni il resto". Qualunque fornitore vinca quella scommessa dominerà la prossima fase del mercato, perché la revisione è dove vanno davvero il tempo e i soldi.