Kling 3.0 Multi-Shot e audio nativo: cosa fa il modello

Cosa ha annunciato Kling 3.0

Il fotogramma qui sopra viene da Crimson Vow, prodotto su questo sito; la schermata dello storyboard più in basso è la pagina che ne ha deciso le inquadrature.

Kling 3.0 e 3.0 Omni sono stati annunciati a febbraio 2026 (un comunicato stampa datato 6 febbraio 2026 e materiale sul blog di Kling). La capacità principale è la generazione multi-shot: una generazione produce più inquadrature con stacchi tra l'una e l'altra, invece di un unico movimento di camera continuo.

Secondo l'annuncio: una clip dura 3–15 secondi; una generazione può contenere fino a 6 cambi di inquadratura; e ogni inquadratura può avere durata, composizione, angolo, contenuto e movimento di camera propri. Il blog di Kling descrive un AI Director che gestisce dialoghi in campo-controcampo e montaggio alternato dentro la clip. Le analisi di terzi della stessa uscita presentano la funzione come Smart Storyboard e Custom Storyboard.

L'accesso è a livelli dal lato di Kling: la pagina ufficiale indica che per sbloccare la 3.0 serve un abbonamento Pro, Premier o Ultra.

Audio nativo: l'altra metà dell'annuncio

Kling 3.0 genera video e audio in un'unica passata invece di doppiare dopo. L'elenco delle lingue annunciate è inglese, cinese, giapponese, coreano e spagnolo, con accenti (tra cui inglese americano, britannico e indiano, più diversi dialetti cinesi). Nelle scene con più parlanti, il comportamento annunciato è che le battute vengono assegnate al parlante giusto.

La conseguenza pratica è il tempismo. Quando la battuta fa parte del rendering, movimento della bocca, pausa e durata dell'inquadratura si decidono insieme; quando una battuta viene aggiunta dopo, qualcuno deve piegare l'una per adattarla all'altra. Il ragionamento dietro la generazione nativa dei dialoghi è approfondito in Dialogo nativo o doppiaggio.

Modalità di riferimento e Character Identity 3.0

Le modalità annunciate sono text-to-video, image-to-video, primo e ultimo fotogramma, riferimento a più immagini, element reference (un soggetto — una persona, un oggetto, un luogo) e riferimento a un elemento video.

Character Identity 3.0 è lo strato di coerenza: un personaggio può essere definito da un video di riferimento o da più immagini. Secondo Kling, la coerenza più forte viene da un video del personaggio di circa 3–8 secondi. Un Element può anche essere legato a una voce (Element Voice Control), così lo stesso soggetto arriva con lo stesso suono.

Il testo a schermo è l'ultima capacità annunciata che vale la pena citare: insegne, sottotitoli e loghi restano leggibili durante il movimento, il che conta in ogni inquadratura in cui un cartello porta informazioni sulla storia.

Sei inquadrature in una clip: cosa cambia nella scrittura

Una generazione che può tagliare al suo interno cambia a cosa serve una clip. Invece di un solo movimento di camera, scrivi una breve sequenza: un campo di apertura, la reazione, il due-campi, l'inserto — con gli stacchi già dentro la clip.

Ne derivano due conseguenze, entrambe riguardano la disciplina di montaggio più che i modelli:

• Lo stacco tra le inquadrature dentro la clip si decide al momento della generazione. Lo scrivi tu, non lo trovi dopo in montaggio. È più vicino a uno storyboard che a un prompt.
• Ogni inquadratura dentro la clip ha comunque bisogno delle sue informazioni — chi è nel campo, quanto dura, cosa si dice. Una clip da sei inquadrature sono sei piccole scene con un unico numero di clip.

L'idea dello storyboard, un livello più su

Tutto ciò che Kling 3.0 chiede a chi scrive — confini delle inquadrature, durata per inquadratura, composizione, chi è nel campo, cosa si dice — è già quello che è uno storyboard. Il modello ha reso il passaggio su carta parte dell'input.

È la stessa struttura che questo sito usa per una serie. Un copione viene letto e diviso in episodi; ogni episodio ottiene uno storyboard fatto di segmenti; ogni segmento contiene inquadrature numerate, e ogni inquadratura porta i suoi secondi, le persone nel campo e le battute da pronunciare. I segmenti vengono poi renderizzati uno alla volta e uniti in un unico file per episodio. Come creare un drama breve con l'AI percorre tutta la pipeline.

Quindi, se arrivi qui da Kling 3.0, la traduzione utile è questa: quella che il modello chiama generazione multi-shot è ciò che una pagina di storyboard chiama segmento; quella che chiama inquadratura con durata e composizione è ciò che lo storyboard chiama inquadratura numerata con i suoi secondi. Il vocabolario è diverso; la disciplina è la stessa, ed è la parte che si trasferisce.

Come appare uno storyboard qui

Un segmento in questo editor è breve e preciso. Si apre con dove e quando (luogo, ora del giorno, meteo), poi elenca le inquadrature numerate. Ogni riga di inquadratura porta la durata in secondi, i personaggi che sono davvero nel campo e l'eventuale battuta, con il suono annotato a parte. Modificare questo testo è gratis; è rigenerare il segmento che costa.

Due abitudini fanno funzionare la scrittura a sei inquadrature da entrambi i lati:

• Un solo momento per inquadratura. Se in un'inquadratura succedono due cose, sono due inquadrature. Uno stacco dentro una clip è comunque uno stacco.
• Scrivi con onestà l'elenco di chi è nel campo. Nominare qualcuno che non si vede nell'inquadratura è una delle cause più comuni di un fotogramma che si allontana dal piano. Come scrivere un'inquadratura spiega cosa va sulla riga e cosa no.

Dove i due approcci differiscono

La generazione multi-shot decide il taglio al momento della generazione, dentro un'unica clip. Questo sito taglia tra segmenti: ogni segmento viene renderizzato come clip a sé e il montaggio dell'episodio li unisce. Il compromesso è chiaro — i tagli interni comprano continuità dentro una scena e costano la possibilità di rimontare a posteriori; i segmenti separati rendono ogni giunzione verificabile e rigenerabile da sola.

Per il lavoro sulle serie lo schema pratico è lo stesso in entrambi i casi: fissa la storia nel copione, fissa l'elenco delle inquadrature nello storyboard, e solo dopo spendi tempo di rendering. Modificare una sola inquadratura senza rifare l'episodio è la versione di questa disciplina qui.

Cose da tenere a mente sull'annuncio

• I numeri della 3.0 sono suoi. 3–15 secondi e 6 inquadrature descrivono la 3.0; il successivo annuncio della 4.0 ha spostato di nuovo i numeri. Confronta cose omogenee.
• Riservato agli abbonati. La pagina ufficiale lega l'accesso alla 3.0 ai livelli di abbonamento a pagamento di Kling; il livello gratuito non ci arriva.
• I nomi di terzi sono marketing. “Smart Storyboard” e “Custom Storyboard” vengono dalla stampa sul lancio; il blog di Kling descrive la stessa capacità come generazione multi-shot con un AI Director.
• Durata del video del personaggio. L'indicazione di 3–8 secondi per la massima identità del personaggio è una raccomandazione di Kling, non un limite sui formati che puoi provare.

Fonti

• Kling: guida a Video 3.0 Omni multi-shot e audio nativo (blog kling.ai, giugno 2026) — numero di inquadrature, durate, lingue dell'audio, modalità di riferimento e Character Identity 3.0.
• Bernama: comunicato stampa su Kling 3.0 (6 febbraio 2026) — il lancio e l'elenco dei modelli (Video 3.0, Video 3.0 Omni, Image 3.0, Image 3.0 Omni).

Kling è un marchio del suo titolare ed è citato qui solo per identificare il prodotto; SceneMixer non è affiliato. Le specifiche sono riportate come annunciate e possono cambiare.

FAQ

Aggiornato il 15 ottobre 2026

Prezzi·Guide·Esempi·Alternative·Risposte·Supporto·Privacy·Termini·Note legali·Contatti·Programma di affiliazione·© 2026 SceneMixer