Kling 3 Produktvideo: Wo das Modell überzeugt, wo es patzt

Ein gebürsteter Edelstahl-Wasserkocher steht auf der Küchenarbeitsplatte. Die Kamera gleitet seitlich, Morgenlicht fällt durchs Fenster dahinter. Eine einfache Einstellung, genau die Art, an der die meisten Video-Modelle scheitern: Schon in den ersten Sekunden verformt sich die Tülle, und der Griff entwickelt ein Eigenleben. Kling 3 Produktvideo bleibt genau dort stabil, wo andere Tools einbrechen, und das ist seine größte Stärke.

Warum die Form bei anderen Modellen wegdriftet

Ein Video-Modell erzeugt jedes neue Frame mit Blick auf das vorherige, kopiert es aber nicht. Es baut die Szene jedes Mal neu auf und versucht dabei, nah am vorherigen Bild zu bleiben.

Bei einer Naturszene ist das kein Problem. Ein Blatt, das sich am Baum minimal anders bewegt als erwartet, fällt niemandem auf. Bei einem Produkt ist das K.-o.-Kriterium: Der Kunde starrt genau auf dieses Objekt, und jede Verschiebung der Proportionen wirkt sofort unecht.

Daraus ergibt sich ein praktischer Test, um Modelle für Produktarbeit zu bewerten. Nicht wie hübsch das Bild aussieht, sondern ob das Objekt von der ersten bis zur letzten Sekunde dasselbe Objekt bleibt.

Kategorien, bei denen der Unterschied sofort auffällt

Elektronik und Geschirr. Gerade Kanten, Griffe, Tüllen, Knöpfe. Alles mit einer erkennbaren Silhouette.

Schuhe. Umriss und Sohle müssen die Form auch bei einer Drehung halten.

Verpackungen mit Etikett. Der Text verrutscht trotzdem, das lässt sich kaum vermeiden, aber die Schachtel selbst behält ihre Proportionen.

Schmuck. Eine harte Nuss für jedes Modell am Markt. Kling besteht diesen Test eher, als dass es ihn glänzend meistert.

Hände, die ein Produkt halten. Hier zieht das Modell tatsächlich davon: Finger, die eine Verpackung öffnen oder einen Knopf drücken, bleiben konsistenter als bei Veo, und Hände sind ohnehin meistens die Stelle, an der die ganze Illusion zusammenbricht.

Wo das Modell noch strauchelt

Kleine Schrift auf Verpackungen. Verrutscht wie überall sonst auch. Wenn das Etikett wichtig ist, lässt sich der Text leichter in der Nachbearbeitung einfügen, als der Generierung zu vertrauen.

Glas und durchsichtige Oberflächen. Eine Kamerafahrt im Kreis ist genau da, wo Kling die Konkurrenz schlägt, Bewegung ist seine Stärke. Aber umkreist die Kamera ein Glasobjekt, erfindet das Modell Spiegelungen, die in der Szene nie vorhanden waren.

Kleine mechanische Teile: Reißverschlüsse, Verschlüsse, das Gewinde eines Deckels. Die allgemeinen Gründe dafür stehen in unserem Beitrag dazu, warum KI Hände und Text verunstaltet.

Spiegelnde Oberflächen. Das Modell rät bei den Reflexionen nur.

Sehr lange Clips. Fünfzehn Sekunden pro Durchlauf sind möglich, mehr als bei den meisten Konkurrenten. Gegen Ende der längsten Generierungen lässt die Stabilität aber etwas nach.

So drehe ich Produktvideos mit diesem Modell

Diese Reihenfolge hat sich nach Dutzenden Clips bewährt.

Ich starte mit einem Standbild, nicht mit einem Video. Eine solide, statische Aufnahme des Produkts zuerst, den Ablauf dazu beschreiben wir in unserem Beitrag zum Animieren eines Produktfotos. Ein schlechtes Ausgangsbild garantiert einen schlechten Clip.

Ich bitte nur um minimale Bewegung. Ein langsamer Zoom, ein leichtes seitliches Schwenken, kaum merkliche Bewegung im Hintergrund: Dampf, ein Lichtreflex, Stoff, der sich leicht bewegt.

Ich halte den Clip kurz, fünf bis sechs Sekunden. Nicht weil das Modell keine fünfzehn Sekunden könnte, sondern weil ein Listing nicht mehr braucht. Wenn ich mehrere Szenen brauche, bietet Omni Multi-Shot: verbundene Einstellungen in einer Generierung, ohne dass ich sie nachträglich zusammenschneiden muss.

Ich prüfe Frame für Frame, mit Pause genau an den Kanten des Objekts.

Wahrscheinlich bin ich bei diesen Kanten strenger, als ich sein müsste. Kunden schauen das Video in normaler Geschwindigkeit und übersehen die Hälfte dessen, was mich bei der Pause stört.

Brauche ich ein längeres Video, setze ich mehrere Clips in der Nachbearbeitung zusammen.

Manchmal fordere ich trotzdem eine kompliziertere Bewegung an, als nötig wäre, weil ich mir ein schöneres Ergebnis erhoffe. Meistens lande ich dann doch wieder bei der schlichten Version, und die funktioniert besser.

Kling 3 Produktvideo: Wann ich es nicht nehme

Für Produktarbeit greife ich standardmäßig zu Kling 3.0. In zwei Fällen weiche ich aus: wenn eine Nahaufnahme eines Gesichts im Bild ist, oder wenn ich bestehendes Material bearbeiten muss, statt etwas Neues zu generieren. Wohin ich dann wechsle, steht in unserer Übersicht zur Kombination von Bild- und Video-Modellen. Die vollständige Funktionsübersicht gibt es in unserem Kling-3-Test, die Testergebnisse stehen in einer separaten Auswertung.

FAQ

Warum wird Kling für Produktvideos empfohlen? Das Modell hält die Form eines Objekts während der Bewegung besser als die meisten Alternativen. Für ein Listing zählt das mehr als eine hübsche Einstellung, der Kunde muss das Produkt erkennen, das er tatsächlich bekommt.

Wie lang sollte ein Video für ein Listing sein? Fünfzehn Sekunden pro Generierung sind möglich, meist reichen aber fünf bis sechs für eine Produktseite. Längere Clips werden einfach nicht angeschaut.

Was ist mit Text auf der Verpackung? Darauf sollte man sich bei der Generierung nicht verlassen, kleine Schrift verrutscht. Zuverlässiger ist es, den Text in der Nachbearbeitung über den fertigen Clip zu legen.

Brauche ich zuerst ein Standbild? Bei Produkten ja. Eine statische Aufnahme ist günstiger in der Produktion, zeigt jeden Fehler in der Szene sofort, und nur ein sauberes, geprüftes Bild lohnt sich als Grundlage für das Video-Modell.

Quellen

1. Flami: Kling 3.0 Rezension
2. Flami: Kling 3.0 Testergebnisse
3. Flami: Image-to-Video, ein Produktfoto animieren