Kling 3.0 auf Morphic: Multi-Shot-Video und native Audiospur

So verwenden Sie Kling 3.0 auf Morphic

1. Wählen Sie den Videomodus

Wählen Sie in der Prompt-Leiste den Videomodus aus. Damit wechselt die Oberfläche zur Videogenerierung, wo Sie Einstellungen wie Auflösung, Dauer und die native Audiospur konfigurieren können.

2. Wählen Sie Kling 3.0 als Modell

Öffnen Sie das Modell-Dropdown und wählen Sie Kling 3.0 aus der Liste der verfügbaren Video-Modelle. Morphic bietet mehrere Video-Modelle an, sodass Sie Ergebnisse verschiedener Generatoren vergleichen können, ohne die Plattform zu wechseln.

3. Fügen Sie Ihren Prompt hinzu

Beschreiben Sie die gewünschte Szene. Nennen Sie Details zu Motiv, Umgebung, Kamerabewegung, Licht und eventuellen Dialogen. Denken Sie wie ein Regisseur, nicht wie ein Fotograf: Beschreiben Sie, was über die Zeit hinweg passiert, nicht nur ein statisches Bild. Für mehrere Einstellungen aktivieren Sie den Multi-Shot-Umschalter oder kennzeichnen Sie jede Einstellung direkt im Prompt.

4. Generieren

Starten Sie den Prompt. Kling 3.0 erzeugt Videoclips mit einer Länge von 3 bis 15 Sekunden, bei aktivierter Option inklusive nativer Audiospur. Prüfen Sie das Ergebnis, passen Sie Ihren Prompt bei Bedarf an und generieren Sie erneut, bis der Clip passt.

Was ist Kling 3.0?

Kling 3.0 ist das neueste KI-Videomodell von Kuaishou, veröffentlicht im Februar 2026. Es baut auf den Modellen Kling Video 2.6 und Kling O1 auf und vereint beide in einer einheitlichen multimodalen Architektur, die Video, Audio und Text in einem einzigen Generierungsdurchlauf verarbeitet.

Frühere KI-Videomodelle erzeugten isolierte Einzeleinstellungen ohne Ton. Kling 3.0 generiert dagegen Multi-Shot-Sequenzen mit synchronisiertem Dialog und nativer Audioausgabe. Das Modell versteht filmische Bildsprache (Kamerafahrten, Nahaufnahmen, Schuss-Gegenschuss) und plant Szenenübergänge eigenständig, sobald Sie eine Handlung in Ihrem Prompt beschreiben.

Kling 3.0 steht auf Morphic als Teil der Video-Suite der Plattform zur Verfügung. Das bedeutet, Sie nutzen es im selben Workspace zusammen mit den Bild-, Musik- und Audio-Tools von Morphic.

Funktionen und Fähigkeiten von Kling 3.0

Multi-Shot-Storyboards mit zwei Steuerungsmodi

Das ist die Funktion, die Kling 3.0 von jedem anderen derzeit verfügbaren KI-Videomodell abhebt. Es erzeugt bis zu sechs Kameraschnitte in einer einzigen Generierung und bietet Ihnen zwei Wege, diese zu steuern:

• Automatischer Multi-Shot: Aktivieren Sie den Multi-Shot-Umschalter, und das Modell plant die Schnitte selbst anhand Ihres Prompts. Es liest Ihre Szenenbeschreibung und entscheidet, wo geschnitten wird, welcher Winkel genutzt wird und wie die Sequenz getaktet ist.
• Individueller Multi-Shot: Sie legen jede Einstellung selbst fest. Bestimmen Sie die Anzahl der Shots, die Dauer jedes einzelnen, den Kamerawinkel und das Geschehen im Bild. Das Modell folgt Ihrem Storyboard exakt.

Der automatische Modus eignet sich gut, wenn Sie aus einem narrativen Prompt schnelle Ergebnisse wollen. Der individuelle Modus ist besser, wenn Sie präzise Kontrolle brauchen, etwa bei einem Produktwerbespot mit genau festgelegtem Shot-für-Shot-Timing.

Elementreferenzen mit Stimmbindung

Die meisten KI-Videomodelle lassen Sie ein Referenzbild hochladen, um das Aussehen einer Figur zu verankern. Kling 3.0 geht weiter. Sie können einen kurzen Videoclip als Referenz hochladen, und das Modell extrahiert sowohl das visuelle Erscheinungsbild der Figur als auch ihren natürlichen Stimmklang. Diese Stimme wird an das Figurenelement gebunden, sodass die Stimme jedes Mal, wenn diese Figur in Ihrem Video spricht, konsistent bleibt, ohne dass Sie sie erneut im Prompt angeben müssen.

Sie können außerdem Elemente aus 2 bis 4 Referenzbildern erstellen und einen Stimmklang separat zuweisen, indem Sie Audio hochladen oder aus verfügbaren Stimmen wählen. Das ist besonders nützlich für wiederkehrende Figuren über mehrere Videogenerierungen hinweg.

Dialekt, Akzent und mehrsprachiges Code-Switching

Native Audioausgabe in Kling 3.0 unterstützt fünf Sprachen: Englisch, Chinesisch, Japanisch, Koreanisch und Spanisch. Das Modell geht dabei über einfache Sprachunterstützung hinaus: Es kann bestimmte Dialekte und Akzente reproduzieren, darunter Kantonesisch, Nordost-Chinesisch, Sichuanesisch und den Peking-Dialekt für Chinesisch sowie amerikanischen, britischen und indischen Akzent für Englisch.

Es beherrscht außerdem Code-Switching: Figuren können mitten im Gespräch innerhalb desselben Videos zwischen Sprachen wechseln. Ein zweisprachiges Geschäftstreffen, ein Tourist, der auf gebrochenem Spanisch nach dem Weg fragt, oder eine Familienszene mit gemischten Dialekten, alle werden mit natürlichen Lippenbewegungen und stimmigen Gesichtsausdrücken generiert.

Natives 4K-Videooutput

Das Modell unterstützt bis zu 4K-Auflösung nativ, nicht hochskaliert aus einer niedrigeren Auflösung. Texturen, Hautdetails und feine Elemente wie Stoffgewebe und einzelne Haarsträhnen behalten dadurch authentische Details, statt der weichgezeichneten Optik, die beim Upscaling entsteht. Niedrigere Auflösungen (1080p und 720p) stehen ebenfalls zur Verfügung, und das Modell unterstützt die Seitenverhältnisse 16:9, 9:16 und 1:1.

Text- und Logoerhalt bei Kamerabewegung

Kling 3.0 kann Text aus hochgeladenen Bildern lesen, etwa von Schildern, Produktetiketten oder Logos, und diesen Text während des gesamten Videos lesbar halten, selbst wenn sich die Kamera bewegt. Es kann außerdem neuen Textinhalt direkt im Video erzeugen. Für kommerzielle Arbeiten, bei denen Markentext während einer Produktumkreisung oder Kamerafahrt scharf bleiben muss, entfällt dadurch die Notwendigkeit für Text-Overlays in der Postproduktion.

Figurenkonsistenz über Multi-Shot-Sequenzen hinweg

Laden Sie Referenzbilder oder ein kurzes Referenzvideo hoch, und das Modell fixiert das Erscheinungsbild einer Figur über den gesamten Clip hinweg. Gesichter, Outfits, Proportionen und markante Details bleiben bei Kamerabewegungen wie Zooms, Schwenks und Neigungen stabil. Das Modell unterstützt drei oder mehr unterschiedliche Figuren in derselben Szene, ohne deren Merkmale zu vermischen, was für Dialogszenen und jedes Video mit mehreren Personen entscheidend ist.

Flexible Dauer von 3 bis 15 Sekunden

Generieren Sie zwischen 3 und 15 Sekunden durchgehendes Video in einem einzigen Durchlauf. Die zusätzliche Länge dient nicht nur längeren Clips, sie gibt dem Modell Raum, komplexere Handlung zu entwickeln, Szenenübergänge aufzubauen und einen Handlungsbogen sich entfalten zu lassen, statt nach fünf Sekunden abzubrechen.