The Beat
Ein Musikvideo im Takt der Trommeln, voller Farbe und Bewegung.
Inszeniere eine ganze 30-Sekunden-Szene mit einem Prompt, mit dem Ton, den Dialogen und den Figuren deiner Wahl.
Kling 4.0 ist das KI-Videomodell, das Kuaishou am 15. Oktober 2026 veröffentlicht hat. Es macht aus einem Prompt, einem Foto oder einer Reihe von Referenzen ein Video von bis zu 30 Sekunden mit Stereoton, in einer einzigen Einstellung. Auf dieser Seite nutzt du es, und die schnellere Flash-Version, online mit Aleph-AI-Credits.
Ein Prompt reicht für eine ganze Szene: Anfang, Wendung und Ende, mit denselben Gesichtern, Kleidern und Orten vom ersten bis zum letzten Bild. 10-Bit-HDR und Verlängerungen auf bis zu 2 Minuten hat Kling als nächste Updates angekündigt.
Filme, die mit Kling 4.0 entstanden sind, vom offiziellen YouTube-Kanal von Kling AI. Sieh dir an, was das Modell aus Action, Musik und Story macht, und erstelle dann dein eigenes Video im Tool oben.
Ein Musikvideo im Takt der Trommeln, voller Farbe und Bewegung.
Ein filmischer Kurzfilm rund um eine einzige Spielkarte.
Regisseur Simon Meyer, einer der ersten Künstler mit Vorabzugang, erzählt von dem Musikvideo, das er mit Kling 4.0 gemacht hat.
Fünf Dinge, die Kling 4.0 auszeichnen.
Schreib die ganze Szene und Kling 4.0 dreht sie in einem Zug, ohne Stücke zum Zusammensetzen. Die Kurierin verlässt bei Sekunde 0 die U-Bahn und erreicht bei Sekunde 30 das Dach, in derselben Jacke, während die Nacht zum Morgen wird.

Lade ein Foto hoch und Kling 4.0 erweckt es zum Leben: Wind kommt auf, die Person dreht sich, die Kamera fährt heran, und Gesicht und Kleidung bleiben wie auf deinem Foto.

Füge bis zu 10 Bilder und 5 Videos hinzu: ein Gesicht, ein Outfit, einen Ort, eine Kamerabewegung zum Nachmachen. Markiere sie im Prompt als @Image1 oder @Video1 und das Modell bringt sie in dieselbe Einstellung.

Kling 4.0 erzeugt Stereoton zusammen mit dem Bild: Regen, Schritte, Musik und gesprochene Sätze. Setz den Text in Anführungszeichen, nenne den Akzent, und die Lippen bewegen sich passend.

Lade einen Clip mit bis zu 30 Sekunden hoch und sag, was sich ändern soll: Hintergrund, Licht, ein Gesichtsausdruck, ein Satz. Das Modell lässt den Rest des Bildes, wie er war.

Was jedes Modell auf Aleph AI bietet. Kling 4.0 und Flash laufen im Tool oben; Seedance 2.0 hat eine eigene Seite.
| Was du bekommst | Beste QualitätKling 4.0 | GünstigerKling 4.0 Flash | Seedance 2.0 |
|---|---|---|---|
| Maximale Länge | 30 Sekunden | 20 Sekunden | 15 Sekunden |
| Auflösung | 720p, 1080p, 4K | 720p | 480p, 720p |
| Startpunkt | Text, Bild, erstes und letztes Bild, Referenzen, ein Video zum Bearbeiten | Text, Bild, Referenzen | Text, Bild, erstes und letztes Bild, Referenzen, ein Video zum Bearbeiten oder Verlängern |
| Referenzen | 10 Bilder, 5 Videos | 10 Bilder, 5 Videos | 9 Bilder, 3 Videos, 3 Audios |
| Ton | Stereo mit Dialog, standardmäßig an | Stereo mit Dialog, standardmäßig an | Optional |
| Ideal für | Lange Szenen, Dialoge, Lieferung in 1080p und 4K | Schnelle Entwürfe vor dem finalen Take | Audio-Referenzen und Websuche |
| Credits für 5 Sekunden in 720p mit Ton | 150 Credits | 75 Credits | 400 Credits |
Tippe auf Diesen Prompt verwenden, um ihn ins Tool oben zu laden. Jeder Prompt zeigt eine Stärke von Kling 4.0.

Die Zeiten im Prompt sagen Kling 4.0, was wann passiert. Stell die Länge auf 30 Sekunden.
Ein durchgehender Take von 30 Sekunden. 0 bis 8 Sekunden: Ein Parkour-Läufer im schwarzen Hoodie sprintet in der Abenddämmerung über alte Backsteindächer, eine Drohne folgt ihm von hinten. 8 bis 16 Sekunden: Er springt über die Lücke zwischen zwei Gebäuden, die Kamera steigt mit ihm über den Abgrund. 16 bis 24 Sekunden: Er landet, rollt ab und rennt an einer Dachkante entlang, während die Lichter der Stadt angehen. 24 bis 30 Sekunden: Er bleibt am Rand stehen und blickt über die leuchtende Skyline, die Kamera kreist langsam um ihn. Ton: Wind, ferner Verkehr, sein Atem. Filmisch, 35-mm-Look.

Sätze in Anführungszeichen, Akzent genannt, Ton beschrieben. Ton eingeschaltet lassen.
Nacht in einem Steinhaus am Meer, Regen an der Scheibe. Ein alter Fischer im Wollpullover sitzt mit einer Pfeife am Kamin, ihm gegenüber eine junge Frau mit einer Tasse. Er beugt sich vor und sagt mit tiefer Stimme und bayerischem Akzent: „Das Meer gibt zurück, was es nimmt. Bloß nie dann, wenn du's willst.“ Sie lächelt und antwortet leise: „Dann warte ich.“ Ton: knisterndes Feuer, Regen und Wind draußen. Langsame Fahrt nach vorn, warmes Feuerlicht, 35-mm-Look.

Ein Markenname, der scharf bleibt, während die Kamera kreist. Wähle 1080p oder 4K.
Ein 15-sekündiger Werbespot für eine Luxusuhr. Eine mattschwarze Uhr mit tiefgrünem Zifferblatt hebt sich in einem dunklen Studio langsam auf einem schwarzen Drehsockel. Ein schmaler Lichtstrahl gleitet über das Gehäuse, feiner Nebel zieht vorbei, der glänzende schwarze Boden spiegelt alles. Die Kamera umkreist die Uhr einmal und fährt dann auf das Zifferblatt zu. Über der Uhr erscheint das Wort NOCTIS in feinen weißen Serifenbuchstaben und bleibt scharf. Ton: ein tiefer, filmischer Bass bei jedem Lichtstrahl.

Stell das Format auf 9:16 für TikTok, Reels und Shorts.
Hochformat 9:16, Handyvideo aus der Hand auf einem Nachtmarkt. Ein Straßenkoch wirft Nudeln aus einem brennenden Wok hoch in die Luft, Feuer und Dampf steigen auf, die Kamera ist nah auf Brusthöhe. Er grinst in die Kamera und sagt: „Heiß, schnell und nur heute Abend!“ Ton: zischender Wok, Stimmengewirr. Lichterketten im Hintergrund. Natürlich, spontan, wie echtes Handyvideo.
Vier Schritte von der Idee zum Download.
Nimm das volle Modell für bis zu 30 Sekunden und 4K oder Flash für günstigere Entwürfe in 720p. Wähle dann einen Modus: Text zu Video, Bild zu Video, Erster & Letzter, Multimodal oder Video bearbeiten.
Sag, wer da ist, wo, was passiert und was man hört. Bei langen Clips Zeiten ergänzen, etwa 0 bis 10 Sekunden. Gesprochene Sätze in Anführungszeichen setzen.
Lade die Bilder oder Videos hoch, die der Modus verlangt, und markiere sie als @Image1 oder @Video1. Stell Länge, Auflösung und Seitenverhältnis ein. Ton ist standardmäßig an.
Tippe auf Erstellen; die Kosten stehen vorher auf dem Button. Das Video landet in Letzte Aufgaben und lässt sich ohne Wasserzeichen herunterladen.
Erscheinungsdatum, Preis, Länge, Ton und der Vergleich mit anderen Modellen.
Am 15. Oktober 2026. Die Flash-Version öffnete früher, am 28. September 2026, für Klings Ultra-Jahresabonnenten.
Neue Aleph-AI-Konten bekommen kostenlose Credits zum Ausprobieren. Für mehr Kling-4.0-Videos, längere Clips und höhere Auflösungen wechselst du auf ein Abo oder Credit-Paket.
Wähle im Tool auf dieser Seite das volle Modell oder Flash, schreib deine Szene und tippe auf Erstellen. Alles läuft im Browser, bezahlt wird mit Aleph-AI-Credits.
Bis zu 30 Sekunden in einer Einstellung, mit der Flash-Version bis zu 20 Sekunden. Im Tool wählst du 5, 10, 15, 20, 25 oder 30 Sekunden.
Das volle Modell rendert 720p, 1080p und 4K, Flash 720p. Beide unterstützen 16:9, 9:16, 1:1 und 21:9.
Ja. Es erzeugt Stereoton zusammen mit dem Video: Atmo, Effekte, Musik und Dialoge in 9 Sprachen mit Lippensynchronität. Ton ist standardmäßig an; schalte ihn für einen stummen Clip aus.
Das neue Modell macht doppelt so lange Clips, 30 statt 15 Sekunden. Dazu kommen bis zu 15 Referenzen, Stereodialoge in 9 Sprachen, lesbarer Text im Bild und das Bearbeiten vorhandener Videos.
Nimm Kling 4.0 für Szenen über 15 Sekunden, für 1080p oder 4K und für Dialoge. Nimm Seedance 2.0, um einen Clip mit Audio-Referenzen oder Websuche zu steuern.
Ja. Diese Seite läuft in jedem mobilen Browser, ohne Installation. Stell für Hochformat-Videos 9:16 ein.
Szene schreiben, Erstellen tippen, bis zu 30 Sekunden mit Ton bekommen.