В начале февраля 2026 года Kuaishou выкатила Kling 3.0 — и почти сразу за этим, 4 марта, открыла массовый доступ к обновлённому Motion Control. Сообщество ИИ-видео среагировало быстро: в тестах Kling 3.0 PRO занял первое место в ELO-рейтинге среди всех существующих инструментов переноса движений с результатом 1243 балла, обогнав Sora 2 Pro (1199) и собственный Kling 3.0 Omni Pro (1236).
Это не маркетинговые заявления — это результаты независимых слепых оценок, в которых реальные пользователи сравнивали одни и те же задачи на разных моделях, не зная, какая из них какая.
В этой статье — технический разбор Kling Motion Control 3 PRO: архитектура, спецификации, честное сравнение с конкурентами, разбор слабых мест и практический гайд по работе с инструментом.
Технические характеристики Kling Motion Control 3 PRO
Разрешение и частота кадров. Kling 3 PRO поддерживает генерацию в трёх режимах качества: 720p (базовый, доступен на бесплатном плане), 1080p (стандартный) и 4K при 60 fps (профессиональный, доступен с тарифа Pro). Предыдущие версии 1.x и 2.x ограничивались 1080p/24fps — разрыв существенный.
Длительность генерируемого видео. Референсное видео для Motion Control принимается длиной от 3 до 30 секунд. На выходе — клипы до 15 секунд в режиме Motion Control (при стандартной генерации через Omni — до 2 минут непрерывного видео, для аватаров — до 5 минут).
Multi-Shot. Новая возможность версии 3 PRO: до 6 кадров в одном клипе с сохранением персонажа и стиля между кадрами. Это позволяет создавать связные мини-истории без ручного монтажа.
Мультимодальный звук. Синхронная генерация аудио поддерживает 5 языков, включая русский. Модель умеет генерировать голос, синхронизированный с движением губ персонажа, а также фоновую музыку и эффекты.
Входные форматы. Изображение-референс: JPG, PNG, WebP (рекомендованное разрешение — не менее 512×512 px). Видео-референс: MP4, MOV (кодеки H.264/H.265). Выходной формат: MP4 (H.264), разрешение по выбору.
Задержка генерации. В зависимости от нагрузки серверов — от 1 до 5 минут на клип в 5–10 секунд при разрешении 1080p. 4K занимает в среднем 8–12 минут.
Параметр
Kling Motion Control 3 PRO
Максимальное разрешение
4K / 60 fps
Длительность референсного видео
3–30 сек
Длительность выходного видео
до 15 сек (MC), до 2 мин (Omni)
Multi-Shot
до 6 кадров
Аудиогенерация
да, 5 языков
Входные форматы
JPG, PNG, MP4, MOV
Выходной формат
MP4 (H.264)
Дата релиза
4 февраля / 4 марта 2026
Как работает Kling Motion Control 3 PRO: архитектура и принцип
Kuaishou не публикует детальный технический whitepaper по Motion Control 3, однако по патентным заявкам, интервью инженеров и реверс-инжинирингу сообщества можно восстановить ключевые компоненты системы.
Двухэтапная обработка: Pose Estimation + Diffusion. На первом этапе модель применяет skeleton tracking к референсному видео: извлекает набор ключевых точек тела (keypoints) для каждого кадра — суставы, конечности, голова, торс. Используется собственная версия ViTPose-архитектуры, адаптированная для видеопотока. На выходе первого этапа — покадровая «скелетная» карта движений, не привязанная к внешности конкретного человека.
На втором этапе диффузионная модель (видеодиффузия на основе трансформерной архитектуры, по архитектуре близкая к DiT — Diffusion Transformer) принимает на вход скелетную карту движений и исходное изображение персонажа. Задача модели — синтезировать видеоряд, в котором персонаж с исходного изображения выполняет движения из скелетной карты с сохранением идентичности, одежды и фона.
Физическое моделирование. Ключевое улучшение версии 3 — интеграция физически обоснованного слоя: модель учитывает гравитацию, инерцию и баланс тела. Это значит, что если персонаж прыгает — он реалистично приземляется, а не «зависает» в воздухе. Ткань одежды, волосы и мягкие объекты реагируют на движение с учётом физики.
Facial Motion Control как отдельный модуль. В версии 3 PRO мимика вынесена в отдельную ветку обработки. Система отдельно трекает 68 ключевых точек лица (веки, брови, уголки рта, ноздри) и синтезирует их независимо от телодвижений. Это устраняет главную проблему предыдущих версий, где при сильных движениях тела лицо «плыло» или теряло детали.
Identity Preservation Loss. Чтобы персонаж оставался узнаваемым при любом движении, модель использует специальную функцию потерь, штрафующую изменения в признаках лица между кадрами. По результатам тестов, Kling 3 PRO сохраняет идентичность персонажа значительно лучше предыдущих версий — особенно на быстрых движениях с поворотами головы.
Бенчмарки: ELO-рейтинг, win rate и независимые оценки
ELO-рейтинг (Artificial Analysis, март 2026). ELO-метрика для ИИ-видео работает по той же логике, что в шахматах: модели попарно сравниваются на одних и тех же задачах, пользователи голосуют «вслепую», и рейтинг пересчитывается по каждой паре результатов.
Модель
ELO (март 2026)
Kling 3.0 PRO
1243
Kling 3.0 Omni Pro
1236
Sora 2 Pro
1199
Veo 3.1
1187
Runway Gen-4
1174
Pika 2.2
1148
Wan2.2-Animate
1121
Win Rate в прямых сравнениях по переносу движений. В задачах конкретно Motion Control — то есть перенос движения с референса на персонажа — цифры ещё более выразительные: Kling 3 PRO против Wan2.2-Animate (Move Mode) — +404% win rate; против Runway Act-Two — +1667% win rate; против Dreamina Mimic Motion (DreamActor 1.5) — +343% win rate.
Цифра 1667% против Runway Act-Two означает, что в слепых тестах Kling побеждал в среднем в 17,7 раза чаще, чем проигрывал — при оценке реализма движения, сохранения идентичности и отсутствия артефактов.
Оговорки по бенчмаркам. ELO и win rate — это человеческие оценки в условиях слепого теста, а не объективные метрики типа FID или SSIM. Они отражают субъективное восприятие «реализма» и «качества», которое может расходиться с техническими метриками. Кроме того, Kuaishou сама публикует часть этих сравнений, что создаёт потенциальный конфликт интересов.
Kling Motion Control 3 PRO vs конкуренты: детальное сравнение
Runway Act-Two — ближайший западный конкурент в нише переноса движений. Runway делает ставку на удобство интеграции в профессиональные видеорабочие процессы, но по качеству самого motion transfer уступает Kling значительно: более заметные артефакты на руках и пальцах, хуже сохраняется идентичность лица при быстрых движениях. Максимальная длина выходного видео — 16 секунд. Цена за сопоставимый объём генераций выше примерно в 2–2,5 раза.
Wan2.2-Animate (Move Mode) от Alibaba — сильный азиатский конкурент с открытыми весами. Wan2.2 работает с полным телом хорошо, но значительно хуже справляется с мимикой и сложной хореографией. Преимущество — возможность локального деплоя для тех, кто работает с собственной инфраструктурой. В облачном режиме по качеству уступает Kling 3 PRO примерно в 4 раза по win rate.
Dreamina Mimic Motion (DreamActor 1.5) от ByteDance — интересная альтернатива с хорошей работой по стилизованным персонажам и аниме-иллюстрациям. На реалистичных людях уступает Kling. Плюс — низкая стоимость, минус — менее стабильные результаты на крупных планах лица.
Pika 2.2 — скорее инструмент для быстрого прототипирования, чем для финального Motion Control. Максимальная длительность 12 секунд, качество переноса движения заметно уступает на сложных последовательностях. Сильная сторона Pika — скорость: генерация быстрее, интерфейс проще.
Sora 2 Pro (OpenAI) — лидер по нарративной связности и «пониманию» сцены, но не имеет выделенного Motion Control в смысле переноса движения с референса. Sora управляет движением через текстовые подсказки, что даёт меньшую точность воспроизведения конкретной хореографии.
Kling 3 PRO
Runway Act-Two
Wan2.2
Dreamina
Pika 2.2
Перенос движения
★★★★★
★★★
★★★★
★★★
★★
Сохранение лица
★★★★★
★★★
★★★
★★★★
★★★
Макс. длина видео
15 сек (MC)
16 сек
15 сек
10 сек
12 сек
Разрешение
4K/60fps
1080p
1080p
1080p
1080p
Физика движения
★★★★★
★★★
★★★
★★
★★
Цена (Pro)
$29.99/мес
~$76/мес
—/API
бесплатно+
$8/мес
Открытые веса
нет
нет
да
нет
нет
Качество генерации: что работает хорошо, а где ещё есть проблемы
Движения тела — сильнейшая сторона. Ходьба, бег, танец, прыжки, боевые движения — здесь Kling 3 PRO показывает результаты на уровне студийного mocap. Модель корректно воспроизводит инерцию, смещение центра тяжести и взаимодействие конечностей. Особенно хорошо работают крупные непрерывные движения с предсказуемой траекторией.
Мимика — значительно улучшена. Благодаря отдельному Facial Motion Control модулю, эмоции и артикуляция теперь передаются точнее. Улыбка, поворот головы, моргание — работают стабильно. Синхронизация с речью возможна, но требует правильно подобранного референса с чёткой артикуляцией.
Руки и пальцы — всё ещё слабое место. Это системная проблема для всего класса диффузионных видеомоделей: мелкая моторика пальцев воспроизводится нестабильно. На крупных планах рук заметны артефакты — «лишние» пальцы, неестественные углы сгиба, смазанные детали. Kling 3 PRO лучше предыдущих версий, но полностью проблема не решена.
Одежда и ткань. Физика ткани работает хорошо на простых движениях (ходьба, медленные жесты). На быстрых движениях — особенно на широких юбках и плащах — иногда появляются артефакты «прилипания» или нереалистичные деформации.
Фон и окружение. При переносе движения фон исходного изображения в целом сохраняется, но на быстрых движениях с большой амплитудой граница между персонажем и фоном может «плыть». Если фон сложный или детализированный — рекомендуется использовать однотонный или размытый фон на исходном изображении.
Стабильность между кадрами. Flickering (мерцание) и temporal inconsistency — проблемы, заметно улучшенные в версии 3 по сравнению с 2.x. Длинные клипы (10–15 сек) показывают хорошую связность, хотя на некоторых переходах между фазами движения всё ещё бывают резкие смены.
Тарифы и кредитная система Kling AI 3 PRO
Kling AI использует кредитную систему: каждое действие (генерация видео, обработка Motion Control) списывает определённое количество кредитов. Стоимость зависит от длины клипа, режима качества и типа генерации.
Тариф
Цена (мес.)
Кредитов/мес
Без водяного знака
Коммерческое использование
Free
$0
~66/день
нет
нет
Standard
$6.99
660
да
да
Pro
$29.99
3 000
да
да
Ultra
$59.99
8 000
да
да
Годовая скидка
−20%
—
—
Стоимость одной генерации (в кредитах):
Тип генерации
5 сек
10 сек
Standard Mode (1080p)
~10 кредитов
~20 кредитов
Professional Mode (1080p)
~35 кредитов
~70 кредитов
Motion Control (Standard)
~45 кредитов
~90 кредитов
Motion Control (Professional)
~135 кредитов
~270 кредитов
На тарифе Pro (3 000 кредитов/мес) при работе с Motion Control в Standard Mode можно сделать около 66 клипов по 5 секунд. В Professional Mode — около 22 клипов. Для активной работы с Motion Control Pro-тариф — минимальная рабочая конфигурация. Кредиты не имеют срока годности и могут докупаться отдельно.
Ограничения и слабые стороны: что нужно знать перед использованием
Пальцы и мелкая моторика. Крупные планы рук — особенно при сложных жестах — регулярно дают артефакты: деформированные пальцы, неправильные изгибы, «размытые» суставы. Если финальный монтаж предполагает крупные планы рук, закладывайте несколько попыток генерации.
Ограниченная длина Motion Control клипа. Максимум 15 секунд в режиме Motion Control — заметно меньше, чем могут давать некоторые конкуренты в текст-в-видео режиме (сам Kling Omni — до 2 минут). Для длинных сцен с переносом движения придётся разбивать на части и монтировать вручную.
Нет поддержки нескольких персонажей одновременно. Motion Control работает только с одним субъектом на кадре. Если на референсном видео несколько людей — модель либо фокусируется на одном, либо даёт непредсказуемый результат. Это ограничение архитектурное, не косметическое.
Чувствительность к качеству референсного видео. Размытое, тёмное или сильно сжатое референсное видео даёт плохой skeleton tracking на первом этапе, что деградирует весь результат. Минимальные требования к референсу: хорошее освещение, чёткий силуэт, разрешение не ниже 720p.
Нарративная связность — не конёк. Kling лучший по физике движений, но когда задача — создать видео с внутренней логикой сцены, пространственной когерентностью объектов и «пониманием» происходящего — Sora 2 Pro пока впереди.
Закрытая инфраструктура. В отличие от Wan2.2 (открытые веса), Kling — полностью закрытая модель. Невозможно запустить локально, дообучить на своих данных или использовать в изолированном окружении. Для корпоративных клиентов с требованиями по data privacy это существенный минус.
Практический гайд: как получить лучший результат от Kling Motion Control 3 PRO
Подготовка исходного изображения. Лучший результат даёт фото или иллюстрация с нейтральным фоном (однотонный, или с лёгким боке), чётким силуэтом персонажа и хорошей освещённостью лица. Поза на исходнике желательно — нейтральная стойка или A-pose: это помогает модели корректно «наложить» скелет. Минимальное разрешение — 512×512 px, рекомендованное — 1024×1024 px и выше.
Подготовка референсного видео. Критически важные параметры: чёткий силуэт (не обрезайте конечности кадром), ровное освещение без резких теней, однотонный или нейтральный фон для точного skeleton tracking. Разрешение — не ниже 720p. Длина — от 3 до 15 секунд для Motion Control; более длинные референсы не улучшают результат.
Ракурс совпадения. Угол съёмки референса и исходного изображения не обязаны совпадать идеально, но слишком большое расхождение — например, референс снят сбоку, а исходник строго в фас — может дать нестабильный результат. Оптимально: расхождение по ракурсу не более 45°.
Параметры запуска. В интерфейсе Kling Motion Control доступны: выбор модели (3 / 3 PRO), режим качества (Standard/Professional), длина генерируемого видео (5 или 10 сек), и опциональное текстовое описание сцены. Текстовый промпт при Motion Control работает как уточнение стиля, а не как управление движением — основной контроль идёт через видео-референс.
Типичные ошибки: тёмный или перегруженный фон на референсе нарушает skeleton tracking — выбирайте референс с контрастным фоном. Очень быстрые движения (менее 3 кадров на позу) дают рваный результат — для сложной хореографии предпочтителен 60fps референс. Значительное несоответствие пропорций тела между референсом и исходником приводит к артефактам на конечностях — подбирайте референс с похожими пропорциями.
Интеграции, API и автоматизация
Официальный API Kling AI. Kuaishou предоставляет REST API для Kling 3, включая Motion Control. API работает по кредитной системе. Доступны эндпоинты для image-to-video, text-to-video и motion-control генерации. Для подключения нужен Pro-тариф или выше.
Пример базового запроса к Motion Control API:
{
"model": "kling-v3",
"mode": "pro",
"image": "<base64 или URL>",
"motion_ref_video": "<base64 или URL>",
"duration": "5",
"cfg_scale": 0.5
}
Параметр cfg_scale (0–1) управляет степенью «следования» референсу: значение 1.0 — максимально точное копирование движения, 0.3–0.5 — более свободная интерпретация с адаптацией под персонажа.
Replicate. Модель доступна на платформе Replicate как kwaivgi/kling-v3-motion-control. Это позволяет интегрировать генерацию в любой пайплайн через Replicate API без необходимости прямой работы с Kling API.
ComfyUI. Существует нода для ComfyUI, позволяющая вызывать Kling Motion Control API как часть визуального пайплайна. Типичный workflow: генерация базового изображения через Flux → Motion Control через Kling → озвучка через ElevenLabs — всё в одном ComfyUI графе.
Ограничения API. Rate limiting — не более 10 параллельных запросов на Pro-аккаунте. Timeout для одного запроса — 10 минут. Поддержка webhooks для асинхронной обработки есть.
Итоговая оценка: кому подойдёт Kling Motion Control 3 PRO
Категория
Оценка
Комментарий
Качество переноса движения
9.5/10
Лучший на рынке по ELO и win rate
Сохранение идентичности
9/10
Сильно улучшено в v3, проблема мелкой моторики осталась
Разрешение и FPS
9/10
4K/60fps — класс для ИИ-видео
Физическое моделирование
9/10
Гравитация, инерция, ткань — заметный прогресс
Ценообразование
7/10
Pro $29.99/мес — справедливо, но Motion Control «дорогой» в кредитах
Доступность API
8/10
Replicate + ComfyUI + нативный API — хорошая экосистема
Работа с несколькими персонажами
4/10
Не поддерживается
Длина клипа (MC)
6/10
15 сек — меньше, чем хотелось бы
Кому однозначно подойдёт. Контент-мейкеры, работающие с вирусным видео для соцсетей. Маркетологи, которым нужны рекламные ролики без видеосъёмки. Аниматоры и иллюстраторы, оживляющие авторских персонажей. Разработчики, строящие автоматизированные пайплайны генерации видео через API.
Кому стоит рассмотреть альтернативы. Если ключевая задача — нарративное видео с несколькими персонажами и сложной сценой, стоит рассмотреть Sora 2 Pro. Если важна возможность локального деплоя и открытые веса — Wan2.2. Если бюджет сильно ограничен — Dreamina Mimic Motion предлагает приемлемое качество по более низкой цене.
Общая оценка: 8.7/10. Kling Motion Control 3 PRO — лучший доступный инструмент для переноса движений по совокупности метрик. Разрыв с ближайшими конкурентами в ключевой задаче существенный. Ограничения по длине клипа и мелкой моторике — реальные, но не блокирующие для большинства практических сценариев.
Часто задаваемые вопросы
В чём разница между Kling 3.0 и Kling 3 PRO?
Kling 3.0 — базовая версия модели. Kling 3 PRO — расширенная конфигурация с доступом к максимальному разрешению (4K/60fps), Professional Mode генерации и приоритетной обработкой в очереди. PRO-режим доступен на тарифах Pro и Ultra.
Можно ли использовать Kling Motion Control для коммерческих проектов?
Да, начиная с тарифа Standard ($6.99/мес). На бесплатном плане коммерческое использование запрещено условиями сервиса, а видео выходят с водяным знаком.
Насколько хорошо работает Motion Control с нефотореалистичными персонажами — аниме, 3D-рендерами, иллюстрациями?
Лучше, чем с предыдущими версиями. Kling 3 PRO хорошо переносит движение на стилизованных персонажей при условии чёткого силуэта. На аниме-персонажах результат немного хуже, чем на реалистичных фото: мимика иногда «ломает» стиль. Dreamina Mimic Motion в нише аниме — конкурентоспособная альтернатива.
Что такое cfg_scale в API и как его настраивать?
Параметр cfg_scale (0–1) управляет «жёсткостью» следования референсу. При значении 1.0 модель максимально точно копирует каждое движение из референсного видео. При 0.3–0.5 — интерпретирует движение более свободно. Для точной хореографии — выше. Для общей «атмосферы» движения — ниже.
Как Kling обрабатывает ситуацию, если референсное видео снято не в полный рост?
Если на референсе виден только верхний пояс — модель перенесёт только движения рук и головы, нижняя часть тела будет синтезирована автоматически с минимальным движением. Лучший результат — референс с видимостью всего тела, или хотя бы от колен и выше.
Является ли использование чужого видео в качестве референса законным?
Технически сервис не проверяет авторские права на загружаемые референсные видео. Однако юридическая ответственность за использование чужого контента лежит на пользователе. Для коммерческих проектов рекомендуется использовать референсы собственной съёмки или лицензированный стоковый контент.
