Multi-Shot dan Audio Native Kling 3.0: Apa yang Dilakukan Model Ini

Apa yang diumumkan Kling 3.0

Gambar diam di atas berasal dari Crimson Vow, diproduksi di situs ini; tangkapan layar storyboard di bagian bawah adalah halaman yang menentukan shot-shot-nya.

Kling 3.0 dan 3.0 Omni diumumkan pada Februari 2026 (siaran pers bertanggal 6 Februari 2026, dan materi di blog Kling sendiri). Kemampuan utamanya adalah generasi multi-shot: satu generasi menghasilkan beberapa shot dengan potongan di antaranya, bukan satu gerakan kamera yang tak terputus.

Menurut pengumuman: satu take berdurasi 3–15 detik; satu generasi dapat berisi hingga 6 pergantian shot; dan setiap shot dapat membawa durasi, framing, sudut, isi, dan gerakan kamera sendiri. Blog Kling menjelaskan AI Director yang menangani dialog shot-reverse-shot dan cross-cutting di dalam take. Ulasan pihak ketiga atas rilis yang sama memasarkan fitur ini sebagai Smart Storyboard dan Custom Storyboard.

Akses berjenjang di sisi Kling: halaman resmi menyatakan bahwa membuka 3.0 memerlukan keanggotaan Pro, Premier, atau Ultra.

Audio native: separuh kedua pengumuman

Kling 3.0 menghasilkan video dan audio dalam satu proses, bukan dub setelahnya. Daftar bahasa yang diumumkan adalah Inggris, Mandarin, Jepang, Korea, dan Spanyol, dengan aksen (antara lain Inggris Amerika, Inggris Britania, dan Inggris India, serta beberapa dialek Mandarin). Dalam adegan dengan beberapa pembicara, perilaku yang diumumkan adalah baris dialog ditetapkan ke pembicara yang tepat.

Konsekuensi praktisnya adalah timing. Saat dialog menjadi bagian dari render, gerak mulut, jeda, dan panjang shot ditentukan bersama; saat dialog ditambahkan belakangan, seseorang harus membengkokkan salah satunya agar cocok dengan yang lain. Alasan di balik pembuatan dialog secara native dibahas lebih dalam di Dialog native vs dubbing.

Mode referensi dan Character Identity 3.0

Mode yang diumumkan adalah text-to-video, image-to-video, frame pertama dan terakhir, referensi multi-gambar, element reference (sebuah subjek — orang, benda, tempat), dan video element reference.

Character Identity 3.0 adalah lapisan konsistensi: karakter dapat didefinisikan dari video referensi atau beberapa gambar. Panduan Kling menyebut konsistensi terkuat datang dari video karakter sekitar 3–8 detik. Sebuah Element juga dapat diikat ke suara (Element Voice Control), sehingga subjek yang sama hadir dengan suara yang sama.

Teks di layar adalah kemampuan terakhir yang diumumkan dan layak disebut: papan nama, subtitle, dan logo digambarkan tetap terbaca saat bergerak, yang penting untuk shot mana pun ketika sebuah papan membawa informasi cerita.

Enam shot dalam satu take: apa yang berubah dalam penulisan

Generasi yang bisa memotong secara internal mengubah fungsi sebuah take. Alih-alih satu gerakan kamera, Anda menulis urutan pendek: establishing shot, reaksi, two-shot, insert — dengan potongan yang sudah ada di dalam klip.

Dua konsekuensi menyusul, dan keduanya soal disiplin penyuntingan, bukan soal model:

• Potongan antar-shot di dalam take ditentukan saat pembuatan. Anda yang menulisnya, bukan menemukannya belakangan saat menyunting. Ini lebih dekat ke storyboard daripada ke prompt.
• Setiap shot di dalam take tetap butuh informasinya sendiri — siapa yang ada di frame, berapa lama, apa yang diucapkan. Take enam shot adalah enam adegan kecil dengan satu nomor take yang sama.

Ide storyboard, satu tingkat di atas

Semua yang diminta Kling 3.0 dari penulis — batas shot, durasi per shot, framing, siapa yang ada di frame, apa yang diucapkan — adalah apa yang sudah menjadi isi storyboard. Model ini menjadikan langkah di atas kertas itu bagian dari input.

Itulah struktur yang sama yang dipakai situs ini untuk sebuah serial. Naskah dibaca menjadi episode; setiap episode mendapat storyboard yang tersusun dari segmen; setiap segmen berisi shot bernomor, dan setiap shot membawa durasi dalam detik, orang di frame, dan dialog yang akan diucapkan. Segmen lalu dirender satu per satu dan dikomposit menjadi satu file per episode. Cara membuat drama pendek AI menelusuri alurnya dari awal sampai akhir.

Jadi jika Anda datang ke sini dari Kling 3.0, terjemahan yang berguna adalah: apa yang disebut model sebagai generasi multi-shot, disebut halaman storyboard sebagai segmen; apa yang disebutnya shot dengan durasi dan framing, disebut storyboard sebagai shot bernomor dengan detiknya. Kosakatanya berbeda; disiplinnya sama, dan itulah bagian yang bisa dibawa ke mana-mana.

Seperti apa storyboard di sini

Sebuah segmen di editor ini pendek dan spesifik. Dibuka dengan di mana dan kapan (lokasi, waktu, cuaca), lalu mendaftar shot bernomor. Setiap baris shot memuat durasinya dalam detik, karakter yang benar-benar ada di frame, dan dialog yang diucapkan, dengan suara dicatat terpisah. Mengedit teks apa pun di situ gratis; yang berbiaya adalah membuat ulang segmennya.

Dua kebiasaan membuat penulisan enam shot berhasil di kedua sisi:

• Satu ketukan per shot. Jika dalam sebuah shot ada dua hal yang terjadi, itu dua shot. Potongan di dalam take tetaplah potongan.
• Tulis daftar orang di frame secara jujur. Menyebut seseorang yang tidak terlihat dalam shot adalah salah satu penyebab paling umum frame menyimpang dari rencana. Cara menulis satu shot membahas apa yang termasuk di baris itu dan apa yang tidak.

Di mana kedua pendekatan ini berbeda

Generasi multi-shot menentukan potongan pada saat pembuatan, di dalam satu take. Situs ini memotong di antara segmen: setiap segmen dirender sebagai take-nya sendiri dan komposit episode menyambungkannya. Pertukarannya sederhana — potongan internal memberi kontinuitas di dalam adegan dan membuat Anda tidak bisa memotong ulang setelahnya; segmen terpisah membuat setiap sambungan bisa ditinjau dan dirender ulang sendiri.

Untuk produksi serial, polanya praktis sama di kedua sisi: kunci cerita di naskah, kunci daftar shot di storyboard, baru kemudian habiskan waktu render. Mengedit satu shot tanpa mengulang episode adalah wujud disiplin itu di sini.

Hal-hal yang perlu diingat tentang pengumuman ini

• Angka 3.0 adalah miliknya sendiri. 3–15 detik dan 6 shot menggambarkan 3.0; pengumuman 4.0 berikutnya menggeser angkanya lagi. Bandingkan yang sepadan.
• Dibatasi keanggotaan. Halaman resmi mengaitkan akses 3.0 dengan tingkat keanggotaan berbayar Kling; tingkat gratis tidak mencapainya.
• Nama dari pihak ketiga adalah pemasaran. “Smart Storyboard” dan “Custom Storyboard” berasal dari liputan rilis tersebut; blog Kling sendiri menjelaskan kemampuan yang sama sebagai generasi multi-shot dengan AI Director.
• Rentang video karakter. Panduan 3–8 detik untuk identitas karakter terkuat adalah rekomendasi Kling sendiri, bukan batas pada format yang boleh Anda coba.

Sumber

• Kling: panduan multi-shot dan audio native Video 3.0 Omni (blog kling.ai, Juni 2026) — jumlah shot, durasi, bahasa audio, mode referensi, dan Character Identity 3.0.
• Bernama: siaran pers Kling 3.0 (6 Februari 2026) — peluncuran dan daftar model (Video 3.0, Video 3.0 Omni, Image 3.0, Image 3.0 Omni).

Kling adalah merek dagang pemiliknya dan disebut di sini hanya untuk mengidentifikasi produk; SceneMixer tidak berafiliasi dengannya. Spesifikasi dikutip sebagaimana diumumkan dan dapat berubah.

FAQ

Diperbarui 15 Oktober 2026

Harga·Panduan·Contoh·Alternatif·Tanya Jawab·Dukungan·Privasi·Ketentuan·Informasi hukum·Hubungi kami·Program afiliasi·© 2026 SceneMixer