Kling 4.0, 30초 영상 생성과 다국어 립싱크에 MCP·CLI 접근까지 열어

AI 영상 생성기 Kling AI가 버전 4.0을 내놨다. 이번 업데이트의 축은 세 가지다. 한 번의 생성으로 더 긴 영상을 뽑아내는 생성 능력, 참조 자산을 대량으로 넣어 장면 일관성을 잡는 제어 기능, 그리고 2채널 오디오와 다국어 립싱크로 대표되는 후반 작업 영역의 보강이다. 여기에 속도와 비용을 낮춘 Flash 변형이 별도 모델로 함께 배포된다.

생성 스펙부터 보면 한 번의 패스로 최대 30초 길이의 영상을 만들 수 있다. 입력으로는 최대 10장의 키프레임 이미지를 넣어 장면 전환, 캐릭터 상태, 이야기 흐름의 기준점을 지정할 수 있다. 프롬프트 해석 한도는 8,000 토큰까지 늘어났다. 긴 지시문을 여러 줄로 적어 넣어도 모델이 앞부분만 반영하고 뒤를 흘려버리는 일이 줄어든다는 뜻이다.

'옴니 레퍼런스(Omni Reference)'는 한 번의 생성에 최대 15개의 참조 자산을 받는다. 이미지 10장, 합쳐서 30초를 넘지 않는 비디오 5개, 요소 7개가 조합 대상이다. 참조 소재의 형태도 넓어서 스토리보드, 와이어프레임, 이미지 그리드, 화이트 모델 영상, 뎁스맵 영상까지 입력으로 쓸 수 있다. 3D 파이프라인에서 뽑아낸 뎁스 정보를 그대로 영상 생성에 넘길 수 있다는 점은 기존 CG 작업 흐름과 맞물리는 부분이다.

'크리에이티브 리크리에이션(Creative Recreation)'은 이미 있는 영상을 템플릿 삼아 등장 제품이나 캐릭터를 갈아끼우는 기능이다. 표정, 몸동작, 카메라 앵글, 배경 같은 개별 요소를 건드리면서 나머지 장면은 유지할 수 있다고 회사 측은 설명한다. 광고 소재를 여러 버전으로 찍어내야 하는 팀에게는 촬영을 다시 하지 않고 변형본을 만드는 경로가 생기는 셈이다.

오디오 쪽 변화도 눈에 띈다. 2채널 스테레오 오디오가 들어갔고, 립싱크는 독일어, 영어, 일본어, 한국어, 스페인어를 포함해 10개 이상 언어에서 개선됐다. 방언과 억양도 일부 커버한다. 영상 안에 텍스트를 생성하는 기능 역시 여러 언어를 지원하며, 카메라가 움직이는 동안에도 텍스트가 흔들리지 않게 유지된다. 4K와 1080p에서의 10비트 HDR 출력, 클립을 최대 2분까지 늘리는 영상 연장 기능은 아직 '출시 예정' 목록에 올라 있다.

별도 모델인 Kling 4.0 Flash는 더 빠르고 저렴한 생성을 겨냥한다. 대신 해상도는 720p, 길이는 20초에서 멈춘다. 제작 인터페이스도 새로 디자인됐고, Kling 4.0은 MCP와 CLI를 통해서도 호출할 수 있게 됐다. AI 에이전트가 영상 생성 단계를 직접 실행하는 자동화 워크플로를 짤 수 있다는 의미다.

배경에는 중국계 영상 모델 간의 경쟁이 깔려 있다. 공개된 비교 영상에서 Kling 4.0은 경쟁 모델인 Wan 3.0, Seedance 2.5와 어깨를 나란히 하지만 앞서지는 못한다. 특히 샷의 논리적 연결, 물리 표현, 대사가 자연스럽게 들리는지 같은 항목에서 격차가 드러난다. AI 영상 모델의 발전 속도가 정점을 지나 평탄해지는 초기 신호일 수 있다는 관측이 나오는 이유이며, 다음 Wan과 Seedance 릴리스가 이 판단을 가를 전망이다.

개발자 입장에서 실무 변화는 통합 지점에 있다. MCP와 CLI가 열리면서 영상 생성이 별도 웹 도구가 아니라 에이전트 파이프라인의 한 노드로 들어온다. 참조 자산을 15개까지 넣을 수 있다는 점은 캐릭터·제품 일관성을 코드로 관리하려는 시도에 유리하고, 뎁스맵이나 와이어프레임을 입력으로 받는 점은 기존 3D·합성 파이프라인과의 접속을 쉽게 만든다. 비용이 중요한 대량 생성 작업이라면 720p·20초 제약을 감수하고 Flash를 쓰는 선택지가 생긴다.

주의할 부분도 분명하다. Kling 4.0 API 가격은 아직 공개되지 않았고 API 지원 자체가 '출시 예정'으로 표시돼 있다. HDR 출력과 2분 영상 연장도 마찬가지로 예고 단계다. Flash는 해상도와 길이 상한이 낮고, 경쟁 모델 대비 우위가 확인된 것도 아니다. 도입을 검토한다면 확정된 스펙과 예고된 스펙을 구분해 일정을 잡아야 한다.