Kling 2.6 убивает немое кино: первый AI-генератор видео со встроенным звуком

Вчера китайцы сделали то, чего все ждали от Sora. Видео + голоса + звуки + музыка — за один клик.

Помните эру немого кино? Так вот, для AI-видео она закончилась вчера. 3 декабря 2025 года Kuaishou (китайский аналог TikTok) выкатил Kling 2.6 — первую модель, которая генерирует видео сразу со звуком. Не «сначала картинка, потом озвучка» — а всё вместе, за один проход.

Пока OpenAI обещает, а Google тестирует — китайцы делают.

Раньше все AI-генераторы видео работали так: модель создаёт картинку → ты отдельно генеришь озвучку → склеиваешь в редакторе → молишься, чтобы губы совпали со словами.

Kling 2.6 работает иначе. Модель понимает, что собака открывает пасть — значит, нужен лай. Машина едет вдалеке — звук тише. Персонаж шепчет — громкость падает. Всё это генерируется одновременно с видео, а не накладывается потом.

Это не липсинк. Липсинк берёт готовый звук и подгоняет под него картинку. Здесь наоборот — модель создаёт и видео, и аудио из одного промпта, понимая физику и контекст сцены.

Диалоги — персонажи говорят с синхронизацией губ. Можно задать эмоции: шёпот, крик, усталый голос, драматичная подача. Поддерживаются английский и китайский.

Звуковые эффекты — разбитое стекло, потрескивание огня, шаги по снегу, звук дождя. Модель сама понимает, какие звуки нужны для сцены.

Пение и музыка — да, персонажи могут петь. Рэп, опера, поп — задаёшь жанр в промпте.

Амбиентные звуки — фоновый шум города, тишина леса, гул толпы. Создаёт атмосферу без ручной работы.

Разрешение — 1080p, длительность 5 или 10 секунд. Для соцсетей и рекламы — идеально.

Тут важно понимать: модель ждёт режиссёрских указаний, а не просто описания. Промпт нужно разбивать на четыре части:

Визуал: что мы видим Звук: что мы слышим (голоса, эффекты) Атмосфера: фоновые звуки Эмоция: настроение сцены

Чем детальнее режиссёрские указания — тем точнее результат.

Kling 2.6 не единственная модель с аудио. Google Veo 3 тоже умеет генерировать звук. Но есть нюансы:

Kling 2.6:

Veo 3 (Google):

Sora 2 (OpenAI):

Runway Gen 4.5:

Вывод: если нужно видео со звуком прямо сейчас и без VPN — Kling 2.6 единственный реальный вариант.

Официально:

Через агрегаторы (иногда удобнее):

Цены на официальной платформе:

Членство даёт скидку 30% до 17 декабря.

Как и у любого китайского AI, есть нюансы:

1. Цензура. Модель следует правилам КНР. Политика, насилие, откровенный контент — не пройдут.

2. Только английский и китайский. Русский текст в диалогах не поддерживается. Промпты можно писать на русском — модель переведёт, но голоса будут на английском.

3. Watermark на бесплатном тарифе. Логотип Kling в углу. Убирается подпиской.

4. Очередь. Бесплатные пользователи генерируют медленнее — платные в приоритете.

5. 10 секунд максимум. Для длинных роликов придётся склеивать несколько генераций.

Kling запустил Audio Challenge в честь релиза 2.6. До 16 декабря можно выиграть:

Условие — создать крутой контент с нативным аудио и выложить с хештегом. Если всё равно собирались тестировать — почему бы не поучаствовать.

Маркетологи: быстрые рекламные ролики с озвучкой. Загрузил фото продукта → получил видео с голосом и музыкой.

Контент-мейкеры: короткие видео для TikTok/Reels без возни с монтажом звука.

Геймдевы: прототипы кат-сцен с диалогами за минуты, а не дни.

Рекламщики: A/B тесты роликов — сгенерил 10 вариантов, выбрал лучший.

Kling 2.6 — это не революция качества картинки. Это революция воркфлоу. Раньше: генерация видео → генерация голоса → генерация звуков → синхронизация → экспорт. Теперь: один промпт → готовый ролик.

По оценкам, это сокращает время продакшена на 50–80% для определённых типов контента.

Качество пока не идеальное — Veo 3 лучше синхронизирует губы, Sora 2 лучше понимает физику. Но Kling 2.6 доступен прямо сейчас, работает из России и стоит разумных денег.

Эра немого AI-кино закончилась. Добро пожаловать в эпоху звука.

Делитесь в комментариях — интересно услышать первые впечатления.