تخيل Kling AI 3.0 كنظام إنتاج مؤثرات بصرية هوليوودي متكامل مضغوط داخل علامة تبويب في متصفحك. تم تطويره بواسطة Kuaishou—عملاق التكنولوجيا الصيني الذي يقف خلف إحدى أكبر منصات الفيديوهات القصيرة في العالم—ليكون محرك فيديو موحد يولد أصواتاً متزامنة تماماً، وقصصاً متعددة المشاهد، ومقاطع بدقة 4K انطلاقاً من النص فقط. في حين تجبرك النماذج الأخرى على تجميع المقاطع معاً والأمل في الحفاظ على التناسق، يتعامل Kling 3.0 مع المشهد بأكمله في عملية توليد متكاملة واحدة.
السر يكمن في التدريب متعدد الوسائط الأصلي. فبدلاً من إضافة الصوت إلى الفيديو بعد إنتاجه، تم تدريب Kling 3.0 على فهم الحركة البصرية والصوت كنظام واحد متشابك. النتيجة هي تزامن حركة شفاه احترافي يطابق الحوار الحقيقي، وحركة تحترم قوانين الفيزياء حيث تتحرك الأجسام وكأن لها كتلة حقيقية، ومقاطع مدتها 15 ثانية بدقة 1080p بمعدل 60 إطاراً في الثانية تبدو وكأنها خرجت للتو من استوديو إنتاج سينمائي وليس من موجز نصي.
