Ist Kling Omni Reference (Kling 4.0) schon verfügbar?

In der eigenen App von Kling ja: Kling 4.0 ist dort am 15. Oktober 2026 offiziell gestartet. Die Entwickler-API steht noch als „demnächst verfügbar“ auf der Liste. RefVid läuft heute auf Kling 3.0 Omni und wechselt zu Kling 4 Omni Reference, sobald deren API öffnet; deine gespeicherten Assets bleiben erhalten.

Wie viele Referenzbilder sollte ich hochladen?

Meist funktionieren drei bis fünf gut. RefVid akzeptiert 1 bis 5 Bilder pro Asset. Decke die Hauptansichten des Motivs ab, mit gleichmäßigem Licht und einfachem Hintergrund. Mehr Blickwinkel bedeuten für das Modell weniger Raten.

Wie lang kann ein Clip sein?

Jede Länge von 3 bis 15 Sekunden, in 16:9, 9:16 oder 1:1, optional mit nativem Ton. Jeder Clip startet von derselben gespeicherten Figur oder demselben Produkt.

Modelle

Kling 4 Omni Reference: eine Figur, jede Szene

Kling's Omni-Modelle erlauben dir, dem Videomodell gleich mehrere Referenzbilder zu geben, etwa ein Gesicht von vorne, eine Dreiviertelansicht und eine Nahaufnahme einer Jacke, und dann eine neue Szene zu verlangen, die all das beibehält. Kling 4 Omni Reference ist die neueste Version dieses Ansatzes. Die App von Kling ist seit dem 15. Oktober 2026 gestartet, die Entwickler-API steht noch als „demnächst verfügbar“ auf der Liste. Diese Seite erklärt, was referenzbasiertes Video gut kann, wo es noch hakt und wie RefVid es einsetzt, damit du deine Referenzen einmal hochlädst, statt sie an jeden Prompt zu hängen.

Aktualisiert am 2026-10-22

Erstellt mit Kling 3.0 Omni in RefVid, dem Modell, das heute läuft, nicht Kling 4: eine erfundene Figur aus vier Fotos, drei Szenen-Prompts, dasselbe Gesicht in jeder.

Was „Omni Reference“ bedeutet

Die meisten Text-zu-Video- und Bild-zu-Video-Tools nehmen ein einzelnes Bild als Startframe. Für einen einzelnen Clip funktioniert das. Verlangst du aber eine zweite Szene, erfindet das Modell das Motiv neu: die Kieferlinie verrutscht, der Scheitel wechselt die Seite, das Logo auf der Tasse verändert sich. Ein Referenzmodell arbeitet anders. Statt ein Frame zu animieren, liest es eine kleine Bildauswahl als Beschreibung dessen, wer oder was zu sehen sein muss, und baut daraus eine neue Einstellung.

Die Omni-Reihe von Kling nimmt in einer Anfrage mehrere Referenzbilder entgegen, teils auch Referenzclips. Laut Klings Leitfaden akzeptiert Kling 3.0 Omni bis zu 7 Bilder oder ein Referenzvideo plus bis zu 4 Bilder, mit maximal 15 Sekunden pro Generierung. Je mehr Blickwinkel du angibst, desto weniger muss es raten.

Mehrere Referenzen in einer Anfrage: vier Fotos von Mia und drei eines erfundenen Parfümflakons, kombiniert in einer 3-Sekunden-Einstellung mit Kling 3.0 Omni in RefVid.

Wo Kling 4 heute steht

Kling 4.0 war ab Ende September 2026 im Early Access und ist am 15. Oktober 2026 offiziell in der eigenen App von Kling gestartet. Dort nimmt Omni Reference bis zu 15 Eingaben in einer Aufgabe entgegen: bis zu 10 Bilder, bis zu 5 Videos mit insgesamt 30 Sekunden, bis zu 7 Elemente und bis zu 3 Stimmprofile. Clips laufen 3 bis 30 Sekunden.

Kling 4.0 bringt außerdem bis zu 10 Keyframes für Einstellungen, in denen sich etwas über die Zeit verändern soll. Für eine konsistente Figur oder ein konsistentes Produkt ist Omni Reference der entscheidende Modus.

Die Entwickler-API ist noch nicht allgemein verfügbar. Die Entwicklerplattform von Kling und fal.ai führen sie als „demnächst verfügbar“. fal.ai hat vor der Freigabe bereits einen Preis für Kling 4.0 Reference-to-Video veröffentlicht: 0,157 $ pro Sekunde in 720p und 0,235 $ pro Sekunde in 1080p.

RefVid ist so gebaut, dass sich das darunterliegende Modell ändern kann, ohne dass du etwas neu machen musst. Heute läuft es über fal.ai auf Kling 3.0 Omni. Sobald die API von Kling 4 Omni Reference öffnet, wechselt RefVid darauf, und deine gespeicherten Figuren und Produkte bleiben unverändert erhalten.

Wofür referenzbasiertes Video taugt

Serieninhalte. Ein Markenmaskottchen in einem wöchentlichen Kurzfilm, ein Produkt in fünf verschiedenen Räumen, eine Moderatorin, die jedes Tutorial eröffnet: überall dort, wo Zuschauer merken, wenn sich das Motiv zwischen Clips verändert.

Anzeigen und UGC-artige Varianten. Dieselbe Person und dasselbe Produkt bleiben erhalten, während du verschiedene Hooks, Settings und Kamerabewegungen testest. Genau das braucht Anzeigentests.

Geschichten und Anime-Sequenzen. Figuren bleiben von Szene zu Szene wiedererkennbar, sodass eine kurze Story nicht auseinanderfällt, sobald die Kamera schneidet.

Talking Head

Reel

Eine gespeicherte Person, zwei Anzeigenformate: ein 10-Sekunden-Talking-Head mit Ton und ein 5-Sekunden-Gang auf die Kamera zu. Mia, eine erfundene Figur, auf Kling 3.0 Omni in RefVid.

Wo es noch hakt

Referenzmodelle sind deutlich besser als Animation aus einem einzelnen Bild, aber nicht perfekt. Kleiner Text auf Produkten, etwa Zutatenlisten und Kleingedrucktes, wird oft neu gezeichnet. Hände, die kleine Objekte halten, können noch falsch aussehen. Blickwinkel, die keine deiner Referenzen zeigt, etwa der Hinterkopf oder die Unterseite eines Schuhs, werden erfunden statt übernommen. Die Lösung sind fast immer bessere Referenzen, nicht ein längerer Prompt.

So bereitest du Referenzen vor, die funktionieren

Nimm drei bis fünf Bilder. Bei einer Person gehören eine klare Frontalansicht, eine Dreiviertelansicht und ein Profil dazu. Bei einem Produkt die Hauptansicht, die Rück- oder Seitenansicht und eine Nahaufnahme von Logo oder Oberfläche.

Halte das Licht gleichmäßig und die Hintergründe schlicht. Eine einfarbige Wand oder ein neutraler Hintergrund hilft dem Modell, Motiv und Szene zu trennen. Unruhige Hintergründe sickern in das Ergebnis ein.

Das Motiv muss über alle Bilder gleich bleiben: gleiche Kleidung, gleiche Frisur, gleiche Produktfarbe. Willst du zwei Outfits, lege zwei Figuren an.

Vermeide starke Filter, Wasserzeichen und Textüberlagerungen. Das Modell behandelt sie als Teil des Motivs.

Diese Regeln gelten für Kling 3.0 Omni und Kling 4.0 gleichermaßen. Referenzen, die du heute vorbereitest, bleiben nach dem Wechsel gute Referenzen.

Zwei Referenzsets hinter den Beispielen von RefVid: gleichmäßiges Licht, schlichter Hintergrund, dasselbe Motiv auf jedem Bild.

So nutzt RefVid es

In RefVid legst du eine Figur oder ein Produkt einmal an und lädst 1 bis 5 Referenzbilder hoch. Danach startet jede Generierung von diesem Asset. Du schreibst Szene und Handlung, wählst eine Länge von 3 bis 15 Sekunden und ein Seitenverhältnis von 16:9, 9:16 oder 1:1, und RefVid übergibt die Referenzen so, wie das Modell sie erwartet.

Eine Generierung kostet 31 Credits pro Sekunde, ein 3-Sekunden-Clip also 93 Credits. Die ersten 50 Konten erhalten 630 Gratis-Credits. Ton ist optional: nativer Audio-Output, und Zitate werden gesprochen.

Häufige Fragen

Ist Kling Omni Reference (Kling 4.0) schon verfügbar?: In der eigenen App von Kling ja: Kling 4.0 ist dort am 15. Oktober 2026 offiziell gestartet. Die Entwickler-API steht noch als „demnächst verfügbar“ auf der Liste. RefVid läuft heute auf Kling 3.0 Omni und wechselt zu Kling 4 Omni Reference, sobald deren API öffnet; deine gespeicherten Assets bleiben erhalten.
Wie viele Referenzbilder sollte ich hochladen?: Meist funktionieren drei bis fünf gut. RefVid akzeptiert 1 bis 5 Bilder pro Asset. Decke die Hauptansichten des Motivs ab, mit gleichmäßigem Licht und einfachem Hintergrund. Mehr Blickwinkel bedeuten für das Modell weniger Raten.
Wie lang kann ein Clip sein?: Jede Länge von 3 bis 15 Sekunden, in 16:9, 9:16 oder 1:1, optional mit nativem Ton. Jeder Clip startet von derselben gespeicherten Figur oder demselben Produkt.