Kling AI Avatar 2

Коротко

Разработчик

Kuaishou (Kling AI), вторая версия вышла в декабре 2025 года

На входе

одно фото и одна запись голоса до 5 минут, задание текстом по желанию

На выходе

видео MP4 с вашим звуком, пропорции как у фото; в нашей пробе Standard дал 720×1280, Pro — 1072×1920

Звук

ваша запись без изменений; удобнее всего загружать MP3, WAV или M4A

Русский язык

герой говорит на языке записи, наши ролики на русском; задание понимает по-русски

Модели

Standard и Pro, Pro чётче и дороже за секунду

Цена

от 10 ₽/сек.

Что умеет Kling Avatar 2.0

Модели нужны снимок и готовая запись речи. Слов она не придумывает: подгоняет под звук губы, а мимику, моргание и движения головы дорисовывает сама. Для проб мы придумали пасечника лет шестидесяти пяти. Его портрет сделала Nano Banana 2 Lite, такого человека не существует. Фразу «Мёд в этом году гречишный, тёмный. Попробуете?» прочитал голос «Владимир» в озвучке сайта «Мега», а мы срезали тишину по краям, чтобы запись уложилась в 3,8 секунды.

Standard и Pro на одном портрете

Одинаковые фото, запись и задание мы отправили в обе модели из поля Модель. Оба ролика пришли примерно через две с половиной минуты.

Движения у двух роликов почти совпали кадр в кадр. Пасечник щурится, на «Попробуете?» поднимает брови и чуть запрокидывает голову, руки висят вдоль тела, как мы и просили, а ульи за спиной стоят на месте. Глубокие морщины у глаз, седая щетина и потёртая кепка остались такими же, как на фото: кожу модель не разгладила ни в одной версии.

Разница видна в деталях. Pro отдала ролик в большем разрешении, и на увеличенном кадре у неё различимы строчка на кепке, отдельные волоски бороды и мелкие складки на лбу. У Standard то же лицо, только мягче.

Для телефона нам хватило бы Standard, а Pro мы бы оставили для большого экрана.

Оба ролика длятся ровно 4 секунды, хотя запись короче: в конце остаётся пара десятых секунды тишины.

Жесты на длинной записи

В готовом примере со страницы нейросети ведущая в неоновом городе 17 секунд объявляет «обновление системы». Портрет нарисовала нейросеть, голос сделан в «Меге», модель Standard. В задании попросили умеренную жестикуляцию.

Персонаж разговаривает, естественная мимика и движения головы, умеренная жестикуляция.

Сначала руки лежат на коленях, потом ведущая разводит открытые ладони и так помогает себе до конца фразы. Пальцы целые. А вот мелкие детали модель не удержала: светящиеся браслеты на запястьях, хорошо заметные на первом кадре, пропали, как только руки пришли в движение.

Как это работает

Нужны два файла. Снимок с хорошо видным лицом кладётся в поле Фото, запись речи — в поле Аудио. Звук нейросеть оставляет как есть и не переводит, поэтому герой скажет ровно записанное и на том же языке. Записи нет — сделайте её из текста в разделе «Озвучка текста». Поле Задание можно оставить пустым или описать в нём, как герою держаться, а в поле Модель выбрать Standard или Pro.

Списываются секунды записи, неполная идёт за целую, и итог виден на кнопке Отправить сразу после загрузки звука. Ролик появится в ленте под формой. Там же кнопки Скачать, Изменить (фото, запись и настройки вернутся в форму, можно что-то заменить) и Повторить (тот же запуск ещё раз, с новой оплатой).

Ещё 7 дней ролик хранится в Моих результатах. Нужный сохраните в библиотеку, там срока нет.

Настройки: что ставить

Какой файл со звуком подойдёт

Мы советуем загружать запись в MP3, WAV или M4A. Голосовое из Telegram сохраняется в OGG, а некоторые диктофоны пишут AAC: такой файл перед запуском лучше перевести в MP3 в Аудио-конвертере сайта, это займёт минуту. Файлы из озвучки сайта приходят в WAV или MP3 и подходят сразу.

Задание: как попросить мимику и жесты

Мы собираем задание из четырёх кусков: манера речи, лицо, руки и то, что должно стоять на месте. Последний кусок мы пишем всегда, чтобы фон и кадр не двигались.

Движение привязывайте к словам из записи. У пасечника брови поднялись точно на вопросе, хотя он звучит в последнюю секунду ролика. Писать можно по-русски: наше задание модель выполнила целиком.

Две частые ошибки. Первая — просить то, чего нет в кадре: на фото по плечи жесты руками вряд ли получатся. Вторая — переписывать в задание реплику героя: говорит он только то, что в записи, а в задании нужно поведение, а не слова. Задания, с которыми уже запускали эту модель, собраны на странице промптов.

Сколько стоит ролик

Цена считается за каждую секунду записи и зависит только от модели. Pro за секунду дороже Standard.

Для первой пробы хватит фразы на 3–5 секунд в Standard: по ней видно, удачное ли фото. Если запуск закончится ошибкой, деньги вернутся сами.

Для чего подойдёт

• Поздравление от бабушки или деда со старого снимка, когда важно, чтобы человека узнали. Карточку с трещинами сначала отреставрируйте в разделе «Улучшение фото».
• Видеообращение или короткий урок до 5 минут без съёмки: говорящая голова по своему снимку и записи с телефона.
• Ролик для соцсетей с выдуманным героем, как наш пасечник.
• Ведущий для презентации или стенда в Pro, если показывать будут на большом экране.
• Русская речь у героя из ролика видеонейросети, которая сама говорит только по-английски: возьмите кадр из ролика вместо фото.

Где модель ошибается и что делать

• Голос она не создаёт. Запишите себя на телефон или озвучьте текст в разделе «Озвучка текста».
• В кадре говорит один человек. Для пары на снимке с двумя репликами нужны нейросети с двумя записями из раздела «Говорящее фото».
• Украшения, часы и браслеты на руках при жестах могут пропасть. Если они важны, просите держать руки опущенными.
• Чем длиннее запись, тем дольше ждать. Проверьте снимок на нескольких секундах и только потом отправляйте всю речь.
• Оживлять чужое лицо или озвучивать чужим голосом можно лишь с согласия этого человека, об этом написано в пользовательском соглашении.

Чем заменить и с чем не путать

У Kling на сайте две нейросети для губ. Эта оживляет снимок, а Kling LipSync перерисовывает рот в уже готовом видео длиной от 2 до 60 секунд. Если нужна другая длина или другие настройки, посмотрите соседей.

Как эти нейросети справились с одним и тем же мастером, показано в статье о говорящем фото. Видеомодели Kling разобраны в статье о Kling, а возможности модели своими словами разработчик описывает в руководстве на английском.

Вопросы