Kling 4.0 : trente secondes générées, cohérence à vérifier

Dans son communiqué de lancement, daté du 17 octobre 2026 et publié à Hong Kong, Kuaishou confirme que Kling 4.0 a été lancé le 15 octobre 2026 sur Kling AI : jusqu’à trente secondes de vidéo en une génération, quinze références combinées (au plus dix images, cinq vidéos et sept sujets selon la catégorie) et dix images clés pour baliser une séquence. Ces plafonds décrivent des possibilités de création ; ils ne mesurent pas la fidélité du résultat.

Le contrôle de disponibilité de Kingy AI, réalisé le 15 octobre 2026, a retrouvé le modèle complet dans l’interface de création, mais son auteur n’a généré ni évalué de vidéo et précise que les modes Omni Reference et Keyframes sont distincts. Le lancement est donc observable dans l’interface ; la tenue d’un produit, d’un personnage ou d’une inscription au fil d’un plan complexe relève encore d’une évaluation séparée.

Une prise plus longue, sans raccord imposé

La génération en une passe permet de placer un début, une action et sa conclusion dans un même fichier. Pour un plan publicitaire ou narratif, cela évite de fabriquer un raccord entre plusieurs clips uniquement pour obtenir la durée voulue. La caméra peut suivre un sujet, changer d’échelle puis revenir à lui sans que la construction du plan soit interrompue par la limite d’un fragment plus court.

Cette continuité de fabrication ne garantit pas celle des détails. Dans un plan hypothétique, un flacon peut conserver sa silhouette mais changer de bouchon, de finition ou de nom au moment où il tourne. Un personnage peut rester reconnaissable de face et perdre un trait distinctif après une occultation ou un changement d’angle. Un mouvement convaincant ne compense pas nécessairement cette dérive lorsque l’identité du sujet porte le message.

Références et images clés répondent à deux besoins

Un même produit photographié sous plusieurs angles pour fournir des références visuelles à Kling 4.0.

Omni Reference rassemble des repères visuels et sonores destinés à définir les sujets, l’action ou les mouvements de caméra. Une vue de produit peut préciser sa forme ; une vidéo de référence peut fournir un mouvement ou un rythme. Les limites par catégorie s’inscrivent dans le plafond combiné : elles ne constituent pas des quotas que l’on peut additionner pour une même génération.

Le mode Keyframes sert à placer des moments visuels déterminés le long du récit, comme un état du personnage ou une transition de scène. Il agit sur la progression attendue du plan, alors que les autres références décrivent surtout ce qui doit être reconnu ou repris. Cette distinction compte lorsque l’on interprète un résultat : une meilleure transition obtenue avec des images clés ne démontre pas que des références supplémentaires stabilisent aussi l’identité d’un objet.

Les premiers essais éclairent le mouvement, moins les détails de marque

Dans un essai rapporté de Kling 4.0, un carton se déforme sous le poids d’un personnage pendant une poursuite urbaine.

Dans ses essais publiés sur ReelDance, Neo Dong décrit une poursuite urbaine avec un étal de fruits, une boîte en carton qui se déforme sous un personnage et un combat dans un ascenseur dont l’enchaînement lui a paru lisible ; il présente ses observations comme une expérience personnelle, sans benchmark contrôlé. Ces scènes mettent en jeu des interactions successives plutôt que la qualité d’une seule image arrêtée.

La déformation d’un carton après un contact est un indice de continuité physique dans la scène décrite. Elle renseigne sur la réaction d’un objet au mouvement, mais pas sur la reproduction exacte d’un emballage, d’un visage ou d’un texte durant le plan entier. Pour un contenu commercial, ces questions doivent rester séparées : un mouvement crédible et une inscription erronée peuvent coexister dans la même vidéo.

Les séquences publiées montrent des résultats possibles, sans établir à quelle fréquence ils apparaissent. L’absence d’un relevé complet des tentatives et des réglages empêche de transformer une démonstration réussie en taux de réussite général. Ce manque est particulièrement sensible pour un produit dont la forme ou le nom doit rester exact : le spectateur peut accepter une légère irrégularité du mouvement, tandis qu’une lettre changée modifie l’objet annoncé.

Un test reproductible pour un plan complet

Une grille utile sépare la continuité du produit, celle du personnage et la fidélité du texte. Le protocole proposé consiste à fixer un brief, les mêmes références, le même mode, la durée demandée et les réglages disponibles, puis à conserver toutes les sorties. Les générations fondées sur Omni Reference et celles fondées sur Keyframes formeraient des séries distinctes, afin que leur effet ne soit pas confondu.

Produit : comparer silhouette, proportions, finition et petits signes distinctifs au départ, après une rotation ou une manipulation, puis lors du retour à une vue comparable. Une forme plausible ne suffit pas si le bouchon ou une pièce reconnaissable change.
Personnage : suivre visage, tenue et accessoires avant et après les passages où le sujet se déplace vite, sort du champ ou se trouve masqué. Le retour du même personnage doit pouvoir être distingué d’un simple personnage ressemblant.
Texte : relever chaque moment où une inscription demandée est censée être lisible, puis comparer son contenu lettre par lettre. Faire disparaître l’étiquette pendant un passage difficile ne revient pas à en préserver la fidélité.

Pour chaque sortie, le relevé indiquerait si le plan entier répond au brief, où apparaît le premier écart et s’il impose une nouvelle génération ou une correction locale. Il distinguerait aussi une erreur fugace dans l’arrière-plan d’un changement du produit ou de son nom. Garder les essais rejetés évite de présenter la meilleure séquence comme le résultat habituel du modèle.

Le prochain élément décisif serait une série de vidéos intégrales produites avec des paramètres publiés et toutes les tentatives conservées. Elle permettrait de relier la longueur nouvellement disponible au nombre de plans réellement acceptables, plutôt qu’à la seule qualité de leurs premières secondes.