Kling 3.0: Yapay Zekâ ile Video Üretimine Kapsamlı Bir Rehber

Bu alandaki en son sürümler hakkında daha fazla bilgi edinmek isterseniz, diğer üst düzey video üretim modelleri rehberimize göz atmanızı öneririm.

Kling AI nedir?

Kling AI, metin istemlerinden, görsellerden veya ikisinin birleşiminden videolar oluşturmaya yönelik bir üretken yapay zekâ platformudur. Çinli teknoloji şirketi Kuaishou tarafından geliştirilen bu model, karakter tutarlılığı konusunda hızla en iyi yapay zekâ modellerinden biri hâline geldi. Oluşturduğu videolar yerleşik sesle gelir; bu da onları cilalı ve kullanıma hazır hissettirir.

Kling AI Fiyatlandırma ve Erişim

Birçok yapay zekâ video modeli gibi, Kling AI’ın fiyatlandırması kredi esasına dayalıdır. Aylık belirli sayıda krediye erişim sağlayan bir abonelik ücreti ödüyoruz. Her abonelik katmanında bazı küçük özellikler de kilitli, ancak ana fark hâlâ bize verilen üretim kredilerinin sayısıdır.

Bu makaleyi yazmak için 3.000 kredili Pro planını (aylık 32,56 $) kullandım. Fdaha fazla ayrıntı için Kling AI resmî fiyatlandırma sayfasına bakın.

Bir video üretmek kaç video kredisine mal olur?

Kredi kullanımı temel olarak üç faktöre bağlıdır:

• Videonun uzunluğu (3 ila 15 saniye)
• Çözünürlük (720p veya 1080p)
• Sesin üretilip üretilmediği

Yerleşik sesle video ürettiğimizi varsayarsak, Pro abonelikle ayda yaklaşık 720p’de 6 dakika veya 1080p’de 4 dakika video bekleyebiliriz.

Kling 3.0’ın Başlıca Özellikleri

Bu bölümdeki örnekler, Kling 3.0 modelinin resmî kullanıcı kılavuzundan alınmıştır.

Örtük çok çekimli sahneler

Çoğu yapay zekâ video modeli, istem tek bir çekimi veya eylemi tarif ettiğinde en iyi sonucu verir. Kling 3.0, tek bir istemde birden fazla çekimi tarif eden bir betiği anlayabilir.

Aşağıdaki örnek istem, çekimleri açıkça listelemeden videonun mekânını ve dört çekimi tarif ediyor:

Outdoor terrace of a European villa, by a dining table with a blue and white checkered tablecloth, a young white woman in a blue and white striped short-sleeve shirt and khaki shorts, with a brown belt, sits barefoot, opposite a young white man in a white T-shirt.
The camera zooms in, the woman swirls the juice in a glass, her eyes looking at the distant woods, and says, "These trees will turn yellow in a month, won't they?"
Close-up of the man, he lowers his head and says, "But they'll be green again next summer."
Then the woman turns her head, smiles at the man opposite, and says, "Are you always this optimistic? Or just about summer?"
Then the man lifts his head, looks at the woman, and says, "Only about summers with you."Altyapı:

İstem bir görselle eşleştirildi ve model bu görseli videonun ilk karesi olarak kullandı.

Sonuç şöyle:

Bu video beni çok etkiledi. İsteme uyum güçlü ve video bana oldukça gerçekçi görünüyor.

Açık çok çekimli sahneler

Modelin, bir çekimin nerede bittiğini ve bir sonrakinin nerede başladığını bir metin isteminden anlayabilmesine rağmen kusursuz değil ve istemi niyet ettiğimizden farklı yorumlayabilir. Sahnenin yapısını, istemde çekimleri açıkça belirterek zorlayabiliriz.

Shot 1: Profile shot of a Black man driving a truck, cinematic handheld.
Shot 2: Frontal macro shot of the Black man driving, cinematic handheld.
Shot 3: Macro shot of his hands on the steering wheel, cinematic handheld.
Shot 4: Macro shot of a weathered photograph of a young Black child lying on the passenger seat, cinematic handheld.Altyapı:

Her çekimi belirtmek için, istem girişinin altındaki Özel Çok Çekim düğmesine tıklarız. Burada her çekim için bir istem sağlayabilir ve ayrıca süreyi ayarlayabiliriz. Model, video başına en fazla 6 çekime izin verir.

Aşağıda bu çok çekimli istemin sonucu yer alıyor:

Ses ve ton kontrolleri

Şimdiye kadar gördüğümüz gibi, Kling 3.0 yerleşik sesle videolar üretmemize olanak tanıyor. Ama bununla da kalmıyor. Üretilen sesi, istemde istediğimizi belirterek yönlendirebiliyoruz. Örneğin:

Home setting with a faint hum of the living room air conditioner in the background for a realistic daily vibe.
Mom (softly, in a surprised tone): Wow, I didn't expect this plot at all.
Dad (in a low voice, agreeing, in a calm tone): Yeah, it's totally unexpected. Never thought that would happen.
Boy (in an excited tone): It's the best twist ever!
Girl (nodding along, in an enthusiastic tone): I can't believe they did that!Altyapı:

Bu örnekte, istem arka plan sesleri ve videodaki kişilerin nasıl konuşması gerektiği hakkında bilgi sağlıyor. Diyaloğa gelince, yapı genellikle şöyledir:

<who is speaking> (<how things are said>) <what they say>Altyapı:

Yukarıdaki istemle üretilen video şöyle:

Bu örnek, ilk kare görselinden üretildi. Bu, modelin karakterleri istemle ilişkilendirmesine yardımcı oluyor. Sadece görselle, modelin babanın, annenin, oğlanın ve kızın kim olduğunu belirleyebilmesi etkileyici.

Çok dilli konuşma yetenekleri

Model aşağıdaki dillerde konuşma üretebiliyor: 

• Çince
• İngilizce
• Japonca
• Korece
• İspanyolca

Konuşulan dili, ton açıklamasıyla birlikte belirtebiliriz:

<who is speaking> (<how things are said>, <language>) <what they say>Altyapı:

İşte bir örnek:

On the rooftop of a Korean high school, distant city lights glimmer in the background with a soft wind rustling, and stars twinkle in the night sky. The girl leans against the railing, lost in thought. The boy walks over with two cans of cola, hands one to her, and she takes it and pops the tab open.
Boy (casual tone, Korean): "숙제 다 했어? 왜 여기 있어?" 
Girl (sighing, Korean): "시험이 너무 무 서워"". 
Boy (gentle tone, Korean): "4정 마, 넌 잘할 거야."Altyapı:

Özne bağlama

Özne bağlama, oluşturulan bir video boyunca belirli karakterlerin veya görsel öğelerin tutarlı kalmasını sağlayan bir özelliktir. Bir öznenin görünümünü ve özelliklerini kilitlemek, yakınlaştırma, kaydırma veya eğme gibi kamera hareketleri olsa bile ana odağın sabit ve tanınabilir kalmasına yardımcı olur.

Bir görseli ilk kare olarak yükledikten sonra, Tutarlılığı artırmak için öğeleri bağla seçeneğini işaretleyerek bu özelliği etkinleştirebiliriz. Bu, sistemin görsel kararlılığı korumak ve video üretimi sırasında özne üzerinde istenmeyen değişiklikleri önlemek için kullandığı bir referans oluşturur.

Özne bağlama olmadan, model ilk görselde görünmeyen özellikleri tahmin etmek zorunda kalır. Örneğin, yukarıdaki görselde özne güneş gözlüğü takıyor. Bu nedenle, öznenin yüzünün olduğu bir görsel sağlamak faydalı olur. Öznenin sola ve sağa baktığı gibi farklı pozlar sunmak da, modelin kişinin nasıl göründüğünü “uydurmamasını” istiyorsak faydalıdır.

Bir öğe oluştururken en fazla üç görsel sağlayabiliriz. Ayrıca karakter için bir ses ve isim seçme seçeneği de sunuluyor.

Sonuç şöyle:

Kişisel olarak bu özellikleri oyunun kurallarını değiştiren türden buluyorum; çünkü karakter tutarlılığı, yapay zekâ ile video üretiminde çalışması en sinir bozucu bulduğum yönlerden biriydi. Genellikle çok ayrıntılı metin istemleri ve defalarca yineleme gerektiriyordu.

Omni modu

Kling AI’ın Omni modu tüm özellikleri tek bir modelde bir araya getiriyor. Bunu, öğeler (karakterler, sahneler, nesneler vb.) yaratıp hepsini tek bir istemde bir araya getirmemize olanak tanıdığı için, turbo şarjlı bir özne bağlama gibi düşünebiliriz. Bu sayede yüksek doğruluk düzeyinde çok karmaşık sahneler üretmek mümkün oluyor.

Örneğin, referans görseller sağlayarak bir karakter öğesi ve ardından bir sahne öğesi oluşturabilir, karakteri kolayca o sahneye yerleştirebiliriz. Başka bir örnek olarak, birden fazla karakter yaratıp, istemde bu karakterlere atıfta bulunarak aralarında karşılıklı diyalog geliştirebiliriz.

Omni modunu kullanırken, daha önce oluşturulan öğelere @ kullanarak atıfta bulunabiliriz. Bu, başvurmak istediğimiz öğeyi seçebileceğimiz bir açılır pencere açar.

İşte Omni’nin gücünü ve esnekliğini gösteren üç çekimli bir örnek:

Shot 1 (3s): Mid-shot, background @Image. @Grace sits on the sofa eating cookies as @Alan walks in holding @Samoyed.@Samoyed lunges for the cookie in @Grace's hand. @Grace says, "Hey! Watch your dog!" 
Shot 2 (2s): @Alan sits beside her, pulling the leash and lifting @Samoyed. Close-up, @Alan says, "He just likes cookies more than me." 
Shot 3 (3s): Close-up, @Grace smiles and says, "Well, he has good taste at least."Altyapı:

Bu örnekte @Image, @Grace, @Alan ve @Samoyed ayrı ayrı oluşturulmuş öğeler olup tek bir istemde birlikte kullanılmıştır.

Kling 3.0’ı Test Etme

Önceki bölümde, Kling 3.0’ın temel yeteneklerini öğrendik ve resmî web sitelerinden alınmış birkaç örnek gösterdik. Sonuçların çok etkileyici olduğunu düşünüyorum; ancak şirketlerin sunduğu örneklere her zaman şüpheyle yaklaşmak gerekir; zira genellikle en iyi örnekler seçilip derlenir.

Bu bölümde, gerçekten beklentileri karşılayıp karşılamadığını görmek için yeni örneklerle deniyoruz.

Örnek 1: Bir karakter oluşturma

Yapay zekâyı kullanarak bir fantezi karakteri oluşturdum. Tüm vücut görseli ve ardından sola bakma, sağa bakma ve öfkeli ifade gibi birkaç farklı poz oluşturdum.

Bu öğeleri birleştirerek Elias adını verdiğim bir karakter yarattım. Ardından videonun ilk karesi için bir görsel ürettim ve özne bağlamayı kullanarak ikisini eşleştirdim.

Kullandığım istem şöyleydi:

Elias stands alone in front of the burning village. Elias is breathing heavily, his hands clenched into tight fists at his sides. 
Elias looks at something just off-camera, something we cannot see. Elias says, in a low and dangerous voice, "I told you what would happen if you crossed that line." 
Elias pauses for a second. 
The camera zooms in close to his face. His face burns with anger, and he says, "I gave you my word, and I gave you a choice." Altyapı:

Omni modunu kullanmadığım, yalnızca özne bağlama kullandığım için @ referansları kullanmadığına dikkat edin. İşte sonuç

Örnek 2: Omni ile bir komedi skeçi üretme

Burada arkadaşlar arasında bir sitcom sahnesi yaratmayı denedim. Yapay zekâyı kullanarak Alex, Jamie ve Sam adında üç karakter oluşturdum. Önceki gibi, her biri için birkaç farklı poz ürettim.

Mekân için de bir görsel ürettim ve bununla bir sahne öğesi oluşturdum.

Kullandığım son istem bu. Sahneyi altı çekimle sınırladığı için çok çekim işlevleri yerine çekimleri metinle tarif etmeyi tercih ettim. Görünen o ki Kling 3.0 bunu da gayet iyi halledebiliyor.

Shot 1: Mid-shot, background @Image.
Shot 2: @Jamie and @Sam sit on the couch as @Alex rushes into the coffee shop and says, "I just liked my ex’s photo from 2016."
Shot 3: @Jamie turns to @Alex and says, "How bad?"
Shot 4: @Alex replies, "She’s with the guy she left me for."
Shot 5: Camera focuses on @Sam, and he replies, "Delete it, dude!"
Shot 6: @Alex replies, "I did, but what if she saw?"
Shot 7: @Sam says, "Then act confident, like her wedding photo."
Shot 8: @Jamie laughs, and @Alex says, "I need new friends..."Altyapı:

Ve sonuç şöyleydi:

Videoda birkaç hata görüyoruz:

• Boş kanepeyle başlayan bir ilk kare var. Muhtemelen bu benim hatamdı; çünkü çekim 1’de karakterlerin kanepede olması gerektiğini belirtmedim. Ancak yeniden denediğimde de boş başladı. Karakterlerin kanepede oturduğu bir ilk kare sağladığımda beklenen sonucu elde ettim. Fakat bu durumda da Alex’in kahve dükkânına girmesini sağlamak zordu.
• Kanepede fazladan bir karakter var.

Buna rağmen sonucu oldukça etkileyici buldum. Karakterler canlı ve sahici hissettiriyor ve genel olarak sahne gayet akıcı.

Örnek 3: Bir karakteri çok sahneli bir videoda yeniden kullanma

Bu son örnekte, yarattığım karakterleri farklı bir bağlamda yeniden kullanmayı denedim. Amacım, aynı karakterlerle birden fazla sahne oluşturma fikrinin uygulanabilir olup olmadığını görmek için, karakterlerin videolar arasında ne kadar tutarlı kaldığını hissetmekti. Çünkü karakterler görünüm ve hissiyat olarak aynı kalırsa, Kling 3.0’ın daha uzun içerikler üretmek için kullanılabileceğine gerçekten inanıyorum.

Bu durumda, her çekimi tarif etmek için çok çekim işlevini kullandım. Sahne yapılandırması şöyle:

Üretilen video şöyle:

Yine, sonucun istediğime çok yakın olduğunu düşünüyorum. Çekime duygu katmak için bazı duraklamalar ve son çekimde karakterin konuşmasının görünmemesi dışında oldukça iyi yapılmış.

Kling 3.0 ve Runway Gen-4.5 Karşılaştırması

Bana göre, daha önce denediklerim arasında en iyi yapay zekâ video modeli Runway Gen-4.5’ti. Bu yazıyı, Runway hakkında yazdığım bu makaledeki birkaç istemi kullanarak Kling 3.0 ile karşılaştırarak bitirmek istedim.

Fizik anlayışı

Bu örnek, bir tahterevallide bir fil ve bir farenin yer aldığı bir kurgu üzerinden modelin fiziği ne kadar iyi anladığını test etmeyi amaçlıyor. İlk durumda fare tahterevallinin üzerinde oturuyor ve gökten bir fil düşmeli; ikincisinde ise tam tersi.

Her iki model de farenin file göre daha hafif olduğunu anlıyor gibi görünüyor. Kling 3.0, iki durumda da filin ve farenin gökten düşmesi gerektiği için, isteme biraz daha fazla uydu.

Karakter duyguları

İkinci örnek, her modelin karakter duygularını ne kadar iyi aktarabildiğini test ediyor. İstem, çok üzücü bir mesaj alan birinin videosunu üretmenizi istiyor.

Bu örnekte Kling 3.0 açık ara kazanan. Duygular gerçek hissettiriyor; Runway 4.5 videosunda ise garip gözyaşları ve hatta karakterin ağzından çıkan su bile var.

Karmaşık fantezi sahnesi

Son örnekte, kahramanın şeyleri çizebilen ve hayata geçirebilen sihirli bir fırçaya sahip olduğu karmaşık bir fantezi sahnesi üretmesini her iki modelden de istedik. Kahraman kötü adamlardan kaçıyor ve çıkmaz bir sokaktan kurtulmak için fırçayı kullanıyor.

Modellerin hiçbiri bu sahneyi tamamen oluşturamıyor, ancak Runway’in sonucu daha isabetli. Bununla birlikte, bunların her ikisi de tek bir uzun istemle üretildi. Bence sahne, Kling’in Omni özellikleri kullanılarak uygulanabilir.

Sonuç

Kling 3.0, bana gerçekten kafamdakini birebir hayata geçirebileceğimi hissettiren ilk video yapay zekâsı oldu; sadece yaklaşmakla kalmıyor. 

Yeterli kredi ve kilitlenmiş bir senaryoyla, karakter kimliğini, tonu ve sahneler arası sürekliliği korurken, tam ve tutarlı bölümler hatta bir filmi bile taşıyabileceğinden eminim. Elbette yineleme ve kalite kontrol hâlâ gerekli, ancak nihayetinde bu, modeli yola getirmek için boğuşmak yerine normal bir prodüksiyon işi gibi hissettiriyor.

Deneylerimde her seferinde kusursuz olmadı; ara sıra iki karakteri karıştırdı veya çekimler arasında sol-sağ konumlarını değiştirdi ve nadiren de olsa bir repliği yanlış kişiye verdi. Ama genel olarak, her sahnenin ilk denemesi genellikle istenen çıktıya çok yakındı.

Bununla birlikte, Kling’i hâlâ biraz pahalı buluyorum; özellikle de benim gibi hobi amaçlı kullanıcılar için. Daha uzun format içeriklere yönelmek isterdim ama mevcut fiyatlandırmada kredi hesabı, denemeyi ve yeniden çekimleri haklı çıkarmayı zorlaştırıyor. 

İyi haber şu ki gidişat net: kalite hızla yükseliyor, verimlilik artıyor ve rekabet kızışıyor. Maliyetlerin düşeceğine ve erişimin genişleyeceğine, hafta sonu projeleri ve bağımsız yapımlar için bile yapay zekâ video üretiminin hem ucuz hem de yeterince isabetli olmasının uzun sürmeyeceğine inanıyorum.

Yapay zekâ becerilerinizi geliştirmek ve yapay zekânın iş piyasasında temel bir beceri olduğu bir dünyaya hazırlanmakla ilgileniyorsanız, AI Fundamentals kursumuza göz atın.