Kling 4.0 без спроса рендерит 1080p и берёт деньги

Kling 4.0 API открыли в конце октября 2026 года, и команда агрегатора нейросетей Aigena почти сразу поймала на нём неприятную ошибку. При оживлении фото модель от Kuaishou рендерила 1080p и брала деньги за 1080p, хотя пользователь выбирал 720p. На одном ролике это незаметно. В серии рекламных креативов или ивент-анимаций переплата копится молча и съедает маржу. Ниже разбираю, откуда она берётся в Kling 4.0 API, что зафиксировать в запросе и как проверять готовые ролики, не открывая их в плеере.

Как Kling 4.0 API превращает 720p в 1080p и растит счёт

Главное отличие от предыдущей версии – единый идентификатор модели для всех режимов качества. В Kling 3.0 выбор между стандартным и высоким разрешением был зашит в название модели. В 4.0 всё зависит от размеров кадра, которые вы передаёте.

Отправили фото на оживление без ширины и высоты – модель решает сама. Она сохраняет пропорции снимка и берёт максимальное разрешение: для квадрата, например, 1440×1440 вместо 940×940. Счёт на трёхсекундном тестовом ролике вырос, а в настройках у пользователя по-прежнему стоял базовый тариф. Разница уходила из бюджета сервиса или продакшена, и увидеть её можно только в биллинге.

Есть и вторая деталь для смет. Фактическая тарификация через API отличалась от публичного прайса на сайте провайдера. Я бы считал себестоимость только по служебному полю стоимости в ответе API, а таблицу на сайте оставил бы для первой прикидки.

Мультикадровый промпт, звук и русские реплики

Пока вы чините биллинг, стоит заметить, что у Kling 4.0 есть механики, полезные для рекламы и диджитал-активаций:

– Склейка сцен по таймкодам. Промпт делится на эпизоды с секундами: 0–3 с один ракурс, 3–6 с второй, 6–10 с финал. Монтажные переходы модель собирает внутри одного файла. – Генеративный звук. В отличие от прошлых версий, аудиодорожка есть всегда, и звон разбитого стекла приходится на момент падения предмета в кадре. – Русский язык. В документации его поддержку не заявляют, но реплики модель озвучивает, если прямо указать язык и взять фразу персонажа в кавычки. Честно, как это держится на длинной дистанции, я не знаю, проверяйте на своих текстах.

Проверка роликов без плеера: ffprobe, контактный лист и Whisper

Когда генерируете десятки вариантов, смотреть каждый файл глазами слишком дорого по времени. Почти всё из технического задания проверяют скрипты и консольные утилиты:

1. Параметры файла. ffprobe за секунду показывает реальное разрешение, частоту кадров и наличие двухканального стереозвука. Именно он поймал бы наши 1080p вместо 720p.
2. Склейки. ffmpeg собирает контактный лист: один кадр в секунду на одной узкой картинке. Сразу видно, встали ли смены сцен на 3-й и 6-й секундах.
3. Звук и действие. Пиковые уровни громкости по полсекунды показывают, попал ли акцентный шум или музыкальный всплеск в нужный кадр.
4. Речь. Скрипт вытаскивает аудиотрек и отдаёт его в Whisper API, а на выходе получается дословная расшифровка реплик персонажа.

Что сделать до следующей генерации

– Задавайте ширину и высоту кадра в каждом запросе на оживление фото. Для Kling 4.0 это единственный способ удержать модель в 720p. Учтите нестандартные сетки: квадрат 720p у неё равен 940×940. – Берите стоимость из поля в ответе API и сверяйте с тем, что списал биллинг. Расхождение в серии роликов лучше увидеть в первый день. – Прогоняйте через ffprobe каждый готовый файл и сравнивайте разрешение с заказанным. Это пять строк в скрипте приёмки. – Выясняйте допустимые параметры новой модели через ошибки валидации. Заведомо неверный запрос бесплатно возвращает список разрешённых размеров и длительностей.

Если у вас в работе десятки генераций в неделю, такие утечки удобнее закрывать на этапе настройки процесса, а не при сверке счетов. Как выстроить автоматическую приёмку и научить команду работать с новыми моделями, я собрал на странице AI-консалтинг и обучение команд.