J’ai testé Kling 4.0 sur 10 clips
Dix vidéos pour examiner la parole polonaise, les mouvements et la continuité. Les références fonctionnent bien, mais certains accessoires restent indésirables.
👁 121 lectures
Kling 4.0 obtient 8,45/10 de moyenne sur mes 10 clips générés le 21 octobre 2026 dans kling.ai, en 720p. Les points forts : la parole (trois répliques en polonais transcrites sans une faute), le texte à l’image et la continuité des personnages. Les points faibles : une orbite de caméra arrêtée à mi-chemin et des accessoires de référence qui s’invitent là où on ne les veut pas. Je n’ai testé ni le français ni l’anglais parlé.
Le protocole : 10 clips, 720p, personnages fictifs
J’ai généré les vidéos manuellement dans l’interface kling.ai, avec Kling 4.0 en mode Omni reference. Toutes les sorties utilisaient le réglage 720p. Le programme associait des exercices ciblés, comme un mouvement autour d’une moto, à des scènes de boulangerie de plus en plus chargées.
Les personnages étaient fictifs. Le test de ressemblance porte donc sur la fidélité à des images de référence, sans chercher à reproduire une personne réelle. Les notes évaluent les clips obtenus, pas une probabilité de réussite sur toutes les générations futures. Chaque configuration n’a pas fait l’objet d’une série de répétitions comparable.
Le coût total des dix vidéos était de 585 crédits. Au réglage 720p utilisé, le tarif observé après réduction était de 9 crédits par seconde. C’est le coût de cette session, pas un prix fixe. Le dossier Kling 4.0 présente le contexte général du modèle.
Les notes clip par clip : de 7 à 9,5
| Scène | Durée demandée | Note /10 | Constat principal |
|---|---|---|---|
| Orbite autour d’une moto | 5 s | 7,0 | Mouvement fluide, trajet incomplet |
| Parole polonaise | 5 s | 9,5 | Texte exact, bouche cohérente |
| Inscription à la craie | 5 s | 9,0 | Signes diacritiques respectés |
| Eau qui déborde | 5 s | 8,0 | Bonne succession, flaque soudaine |
| Personnage après une coupe | 5 s | 8,5 | Apparence conservée |
| Boulanger, une référence | 5 s | 9,0 | Visage et vêtements fidèles |
| Boulangerie, trois références | 5 s | 8,5 | Distribution lisible, gants indésirables |
| Boulangerie, dix références | 5 s | 8,0 | Tous les éléments présents |
| Boulanger en plusieurs plans | 15 s | 8,5 | Coupes respectées, moustache variable |
| Entraîneur et teckel | 10 s | 8,5 | Scène amusante, mauvais équipement |
La moyenne résume le lot, mais elle masque des défauts de nature différente. Une scène agréable peut manquer une consigne décisive. À l’inverse, une composition encombrée peut réunir tous les objets demandés tout en dégradant un détail du personnage principal. Le bon critère reste l’usage prévu du plan.
Trois répliques en polonais sans faute, le français reste à tester
Le clip consacré à la parole demandait un virelangue polonais suivi d’un prix : « W Szczebrzeszynie chrząszcz brzmi w trzcinie, a ja płacę 32 złote. » (« À Szczebrzeszyn, un hanneton bourdonne dans les roseaux, et je paie 32 złotys. ») Whisper large-v3 a retrouvé les mots attendus. Le taux d’erreur de mots était nul après conversion du nombre écrit en toutes lettres pour la comparaison. L’examen visuel relevait aussi des mouvements de bouche cohérents avec la réplique.
Deux autres répliques, dans la scène longue du boulanger (« No, teraz jest idealny. », « Bon, là, c’est parfait. ») et dans celle de l’entraîneur, ont aussi été transcrites sans erreur. Le modèle a donc produit un polonais correct dans ces trois exemples, ce qui ne dit rien d’un dialogue long ni de toutes les voix possibles.
Le polonais ne figure même pas dans la liste officielle des 9 langues de Kling 4.0, où le français est présent. C’est encourageant pour une voix française, sans la valider. Aucun dialogue français n’a été généré dans cette session, et aucun dialogue anglais non plus. Un essai en français devra vérifier le texte, la prononciation, les liaisons et le rythme avec une écoute adaptée.
Le texte à l’image a également donné un bon résultat. L’inscription « ŻÓŁTA ŁÓDŹ » (« bateau jaune ») conservait tous ses signes diacritiques sur le tableau à la craie. Cet exemple montre une restitution précise de caractères polonais, sans permettre de garantir chaque mot, chaque police ou chaque langue dans une autre scène.
L’orbite de 180 degrés s’arrête à 90
La moto gardait sa forme, les reflets étaient corrects et le mouvement de caméra restait fluide. Pourtant, l’orbite demandée de 180 degrés s’arrêtait à environ 90 degrés. La note de 7/10 traduit ce décalage : le clip est visuellement exploitable pour certains usages, mais il ne montre pas le parcours demandé.
Dans l’exercice avec l’eau, le jet, les bulles, la montée du niveau puis le débordement arrivaient dans le bon ordre. La flaque apparaissait assez brusquement à la fin et tirait légèrement vers le jaune. La logique de l’action était respectée, avec une finition encore imparfaite sur la transition.
La continuité après une coupe était plus solide. Les cheveux roux courts, les lunettes, la veste jaune et le sac à dos restaient cohérents. Le personnage devenait toutefois petit dans le plan large, ce qui réduit la précision du contrôle facial. La séquence longue du boulanger suivait aussi les changements de plan demandés, malgré une moustache moins marquée au début.
Les gants du coach, ou le piège des références
Le problème le plus répétitif venait des références du coach. Ses gants de boxe réapparaissaient dans la boulangerie, puis remplaçaient les accessoires d’entraînement attendus dans la vidéo avec le teckel. Le modèle conservait donc un objet visible sur la référence même lorsqu’il gênait la nouvelle action.
- Préparer des références sans accessoires temporaires.
- Vérifier les détails distinctifs, comme une moustache, après chaque coupe.
- Décrire les plans et les coupes lorsque leur ordre est essentiel.
- Contrôler la parole indépendamment de la qualité des images.
- Comparer le début et la fin d’un mouvement de caméra à la consigne.
Pour la séquence du boulanger, les indications « Shot 1 » et « Hard cut » figuraient dans le prompt. L’interface testée n’offrait pas de bouton distinct pour activer plusieurs plans. Le résultat suivait les trois moments décrits : cuisine de nuit, détail des mains et du four, puis comptoir à l’aube.
L’interface acceptait jusqu’à 10 images et des durées de 3 à 30 secondes. Les options 720p et 1080p étaient visibles, tandis que la 4K restait annoncée comme à venir. Seul le 720p a été généré ici. La limite observée était de trois tâches simultanées, avec une nouvelle tentative nécessaire après libération d’une place.
Pour reproduire un exercice simple, ce lien de recommandation mène à Kling. Un premier clip avec un objectif vérifiable permet de juger le résultat plus utilement qu’une scène accumulant d’emblée personnages, texte et mouvements complexes.
FAQ
Le test confirme-t-il une bonne parole française ?
Non. Il confirme des répliques polonaises correctes dans les trois passages examinés. Le français devra faire l’objet d’une génération et d’une écoute spécifiques.
Pourquoi l’orbite ne reçoit-elle que 7/10 ?
La caméra parcourt environ 90 degrés au lieu des 180 demandés. La fluidité et la stabilité de la moto ne compensent pas entièrement cette consigne manquée.
Les dix références ont-elles toutes été utilisées ?
Oui, tous les éléments étaient visibles dans la scène correspondante. La présence était complète, mais certains détails, notamment la moustache du boulanger, perdaient en fidélité.
Sources
- Mon propre test dans kling.ai, le 21 octobre 2026 : dix clips générés avec Kling 4.0 et notés par moi ; parole polonaise transcrite avec Whisper large-v3.
- Kling AI, notes de version de Kling 4.0 (liste des langues, durées, références) : kling.ai
Vérifié le 29 octobre 2026.
More on this from PROMPTIF
benchmarks·Comparatif LLM en polonais : 4 modèles ouverts face à 12 testsJ'ai soumis quatre grands modèles ouverts à un banc d'essai de 12 requêtes courtes en polonais.