Kling 4.0, c'est quoi : génération de 30 secondes, 10 images clés et différences avec Kling 3.0

Capture de la page officielle de Kling AI — Kling 4.0 — Kling AI — Kling 4.0 · SourceCapture : 20 octobre 2026

Les captures montrent les pages officielles à la date indiquée et peuvent différer de celles de la publication. Sélectionnez une image pour l’agrandir.

Le 15 octobre 2026, Kling AI (可灵AI), le service de génération vidéo par IA du groupe chinois Kuaishou, a ouvert à tous les utilisateurs son nouveau modèle de génération vidéo Kling 4.0. Kuaishou l'a annoncé dans un communiqué de presse daté du 16 octobre. Les vidéos produites en une seule génération peuvent désormais durer jusqu'à 30 secondes, et le contenu peut être défini en détail avec jusqu'à 10 images clés (des images qui fixent les moments importants au fil de la vidéo) et jusqu'à 15 éléments de référence.

Les fonctionnalités, les tarifs et les conditions d'utilisation commerciale du service Kling AI dans son ensemble sont présentés en détail dans le guide de CoAI « Kling AI (可灵AI), c'est quoi ? Fonctionnalités, tarifs et conditions d'utilisation commerciale d'après les informations officielles ».

Ce qui change avec Kling 4.0

Kling AI résume les trois piliers de cette mise à jour par « réalisme, facilité de contrôle et qualité professionnelle ». Les principaux changements présentés dans les notes de version officielles et le communiqué de presse sont les suivants.

Mouvements stables : selon l'entreprise, l'image se dégrade moins dans les scènes très animées et les mouvements de caméra, comme l'action rapide, les plans de suivi (tracking) qui accompagnent le sujet ou les plans en orbite qui tournent autour de lui
Génération jusqu'à 30 secondes : une seule génération peut produire une vidéo de 3 à 30 secondes. L'entreprise estime que cela convient aux plans-séquences qui se prolongent sans coupe et aux vidéos dont l'histoire se déroule en continu
Jusqu'à 10 images clés : on peut ajouter jusqu'à 10 images marquant les points importants de la vidéo pour préciser l'état des personnages, les changements de scène et le déroulement de l'histoire
Prompts longs : les prompts (les instructions données à l'IA) peuvent atteindre 8 000 tokens
Audio stéréo : le modèle prend en charge l'audio stéréo sur deux canaux, gauche et droit, et l'entreprise affirme que la synchronisation labiale, qui accorde les mouvements de la bouche à la voix, est aussi plus précise
Plusieurs langues : les langues parlées comprennent notamment le chinois, l'anglais, le japonais, le coréen, l'espagnol, le portugais, l'allemand, le français et l'hindi. Selon l'entreprise, il peut aussi gérer des accents comme le mandarin de Pékin, le cantonais, ou l'anglais américain, britannique et indien
Texte à l'écran : l'entreprise affirme qu'il peut afficher lisiblement du texte dans diverses langues, dont le japonais, ainsi que des emojis et des logos, même lorsque la caméra bouge

Il s'agit dans tous les cas des explications de Kling AI elle-même. Les documents de l'annonce ne contiennent aucun chiffre de benchmark le comparant à d'autres modèles vidéo d'IA.

Omni Reference, pour combiner jusqu'à 15 éléments de référence

Omni Reference est une fonctionnalité qui combine des éléments de référence comme des images et des vidéos pour garder cohérents l'apparence et les mouvements des personnages ainsi que les mouvements de caméra. Avec Kling 4.0, une seule génération peut utiliser jusqu'à 15 des éléments suivants au total.

Images : jusqu'à 10. On peut aussi utiliser des fiches personnage montrant une personne de face, de profil et de dos, des storyboards et des wireframes (des croquis qui ne montrent que la disposition)
Vidéos : jusqu'à 5 (30 secondes au total maximum). Elles servent de référence pour le jeu et les mouvements des personnages, les mouvements de caméra et le rythme du récit. On peut aussi utiliser des vidéos de modèles 3D sans texture et des vidéos de cartes de profondeur qui représentent la profondeur
Éléments (personnages ou objets enregistrés) : jusqu'à 7. Parmi eux, 3 au maximum peuvent être créés à partir d'une vidéo, et il est aussi possible de définir une voix

L'entreprise indique avoir également renforcé Creative Recreation, qui remplace les produits ou les personnes d'une vidéo de référence tout en conservant son rythme et sa composition.

Où en est la prise en charge de la résolution et du HDR

Sur la résolution, les pages officielles ne concordent pas. Le tableau des caractéristiques des notes de version indique des résolutions de 720p, 1080p et 4K, ainsi que la prise en charge du HDR 10 bits, qui enregistre une gamme de couleurs plus large. Pourtant, le texte de ces mêmes notes de version précise que « la sortie HDR 10 bits en 4K et 1080p arrive bientôt ». Sur la page de présentation de Kling 4.0, même la sortie en 1080p et en 4K elle-même est indiquée comme « bientôt disponible ».

Les formats d'image pris en charge sont le 21:9 (un format large comme au cinéma), le 16:9, le 1:1 et le 9:16. Le moyen le plus sûr de savoir si vous pouvez générer en 4K dès maintenant est de vérifier l'écran de génération de votre propre compte.

Par ailleurs, l'« extension vidéo », qui allonge une vidéo générée en plusieurs étapes jusqu'à 2 minutes, est elle aussi annoncée comme bientôt disponible.

Kling 4.0 Flash, axé sur la vitesse

En parallèle, Kling AI a lancé Kling 4.0 Flash, une version allégée destinée aux usages où l'on fait de nombreux essais. Selon l'entreprise, elle génère plus vite et reste abordable. Ses caractéristiques sont plus modestes que celles de la version standard : des vidéos de 3 à 20 secondes, une résolution de 720p et des couleurs en SDR 8 bits classique.

D'après le quotidien économique chinois 21st Century Business Herald, Kling AI avait annoncé le 28 septembre qu'elle lancerait Kling 4.0 en octobre, et laissait depuis certains utilisateurs essayer la version Flash en avant-première.

Où l'utiliser : le web, MCP et la CLI, l'API bientôt

Kling 4.0 s'utilise en le sélectionnant comme modèle sur l'écran de génération vidéo de kling.ai. Cet écran a d'ailleurs été repensé : les éléments de référence image, vidéo et audio peuvent désormais être placés ensemble dans un seul champ de saisie. Le changement d'affichage de la liste, une fonction permettant de créer en vérifiant tout sur une seule timeline, ainsi que les fonctions de canevas et d'agents pour construire des flux de travail en reliant des nœuds ont aussi été renouvelés.

Kling 4.0 est également pris en charge par MCP, un mécanisme commun qui permet aux agents d'IA d'utiliser des outils externes, et par la CLI, qui s'utilise avec des commandes. Selon l'entreprise, la génération vidéo avec Omni Reference et des images clés peut être lancée automatiquement depuis des agents.

En revanche, l'API qui permet aux développeurs et aux entreprises de l'intégrer à leurs propres services est annoncée comme « bientôt disponible ». Au 20 octobre 2026, la page des tarifs de l'API de Kling indiquait que « ces offres ne prennent pas encore en charge Kling 4.0 ».

Tarifs et utilisation au Japon

En consultant la page des tarifs de kling.ai (affichage mensuel) le 20 octobre 2026, nous avons trouvé quatre offres, Standard, Pro, Premier et Ultra+, et les avantages des offres Pro et supérieures affichaient « Kling 4.0 : 10 % de réduction pour une durée limitée ». La page de présentation de Kling 4.0 mentionne elle aussi une réduction de 10 % pour une durée limitée. Nous n'avons toutefois pas pu vérifier sur les pages officielles combien de crédits Kling 4.0 consomme par seconde. Les prix affichés varient selon la période et les réductions, vérifiez donc dans votre propre compte avant de l'utiliser.

À titre de référence, le guide officiel du modèle précédent, Kling VIDEO 3.0, indique que « le 1080p avec audio coûte 12 crédits par seconde ».

Concernant la disponibilité au Japon, aucune mention ne restreint particulièrement les régions. Le sélecteur de langue de la page des tarifs comprend le japonais, et l'entreprise affirme que Kling 4.0 prend en charge la parole et le texte à l'écran en japonais.

Les différences avec Kling 3.0

Sur sa page de présentation, Kling AI résume ainsi les différences avec la version 3.0.

Durée par génération : de 15 à 30 secondes
Images clés : jusqu'à 10 peuvent désormais être définies
Éléments de référence : jusqu'à 15 au total peuvent désormais être combinés
Meilleure qualité pour les mouvements rapides, les mouvements physiques comme les collisions entre objets, les mouvements de caméra et la génération à partir d'éléments de référence

Dans le guide officiel de VIDEO 3.0 daté du 6 février 2026, la durée de génération allait de 3 à 15 secondes, la résolution était de 1080p et 720p, et la fonction principale consistait à définir la première et la dernière image. Les grandes différences de Kling 4.0 tiennent au doublement de la durée et à la possibilité de définir en détail les scènes intermédiaires.

Le regard de CoAI

Le principal changement de Kling 4.0 est qu'il peut désormais produire jusqu'à 30 secondes d'un coup, et que les images clés et les éléments de référence permettent de décider en détail « ce qui se passe dans quelle scène ». Au-delà des courtes scènes marquantes, cette mise à jour vise clairement la production de vidéos et de publicités qui racontent une histoire. La prise en charge de MCP et de la CLI va aussi dans le sens de la tendance qui consiste à confier la production vidéo à des agents d'IA.

En revanche, les pages officielles décrivent différemment la prise en charge de la 4K et du HDR, et l'extension vidéo comme l'API en sont encore au stade du « bientôt ». L'amélioration de la qualité d'image relève elle aussi des affirmations de Kling AI, et aucune évaluation externe n'a encore été publiée. Pour un usage professionnel, mieux vaut faire des essais à la résolution et à la durée dont vous avez réellement besoin, et vérifier les crédits consommés et le rendu avant de décider.