Análise do Kling 3.0: multi-shot e pontos fracos

Minha análise do Kling 3.0 após duas semanas de testes: cenas multi-shot, áudio nativo em cinco idiomas, 4K, onde ele supera o Veo 3.1 e onde não.

Todo lançamento se anuncia como o assassino do Sora, então comecei esta análise do Kling 3.0 esperando me decepcionar um pouco. Trabalho no time de engenharia das ferramentas de vídeo da Flami. Na prática, isso quer dizer que boa parte da minha semana vai para rodar modelos em tarefas reais e sem graça, não para ler comunicados de lançamento sobre eles. Coube ao Kling 3.0 encarar duas semanas assim. Tênis num fundo liso. Uma cena de café com um único ator. Vídeos de produto em que a câmera tinha que se mover rápido e o objeto precisava manter a forma.

Eis o que saiu dessas duas semanas.

Os fatos, antes de eu dar minha opinião

A Kuaishou lançou o Kling 3.0 em 5 de fevereiro de 2026. Se o nome da empresa não te diz nada: a Kuaishou opera um dos maiores apps de vídeos curtos da China, rival direto do Douyin, e o Kling é a família de modelos de vídeo da casa. No lançamento, a Kuaishou afirmou que o Kling já tinha sido usado por 60 milhões de criadores.

Quatro modelos saíram no mesmo dia. Video 3.0 e Video 3.0 Omni, além de Image 3.0 e Image 3.0 Omni. O Omni é o irmão mais completo, aceita áudio ou clipes de vídeo como entrada além de texto e imagens, e é a versão que faz multi-shot. Já o Video 3.0 puro fica só no texto-para-vídeo e imagem-para-vídeo.

Comparado com o Kling 2.6, o que mudou:

duração do clipe: até 15 segundos por geração, contra os 10 do 2.6;
áudio: o 2.6 já gerava som junto com a imagem desde dezembro de 2025, e o 3.0 amplia a fala para cinco idiomas com sotaques regionais;
storyboard multi-shot: dentro de um único pedido, cada plano ganha sua duração e seu enquadramento, com seu próprio movimento de câmera;
resolução: 2K e 4K para imagens já no lançamento, com vídeo nativo em 4K chegando depois.

"Native audio generation across multiple languages, dialects, and accents."
Comunicado de lançamento da Kuaishou, 5 de fevereiro de 2026

No fim das contas são cinco idiomas: inglês, espanhol, chinês, japonês e coreano. Quem fala português ou alemão fica sem sorte por enquanto, e essa já é a primeira limitação que vale conhecer.

A linha não parou depois de fevereiro. Segundo o balanço do segundo trimestre, de 19 de agosto, a Kuaishou cita um novo modelo Kling 3.0 Turbo e vídeo nativo em 4K em toda a série 3.0. Nesse mesmo trimestre, o Kling faturou mais de RMB 850 milhões, alta de mais de 200% na comparação anual, segundo a reportagem da TechNode. Dinheiro não é sinônimo de qualidade, claro.

Em votos às cegas, ele fica no meio da tabela. Já o ranking de imagem para vídeo da arena.ai, atualizado em 21 de setembro de 2026, coloca o kling-v3-pro na 19ª posição, com 1.354 pontos. Modelos mais novos da MiniMax e do Google ocupam os primeiros lugares. Quem vota nesse ranking está escolhendo entre dois clipes aleatórios, não avaliando se o seu produto fica bem filmado, então trato essa posição como ruído de fundo, não como indicação de compra.

O que eu gostei

Movimento é onde o Kling sai na frente de tudo que eu testei. A câmera contorna o objeto, as coisas se movem com um peso que convence, e quando dois objetos se tocam, o contato parece físico de verdade. Se um plano precisa de energia, esse é o modelo que eu escolho.

Já o multi-shot me surpreendeu ainda mais. Testei em um vídeo promocional para uma marca de roupa pequena. A mesma pessoa em vários enquadramentos. E não eram três clipes separados colados um no outro. Era uma sequência contínua, com cortes dentro dela. O resultado chegou perto de um comercial pronto de 15 segundos saído de uma única geração, sem passar pelo editor.

Depois vêm as mãos. Mostre um produto sendo usado (desdobrado, pressionado, cortado) e o Kling 3.0 desenha os dedos de um jeito mais preciso do que o Veo 3.1, pelo que vi nos meus testes. Parece pouco. Não é, porque as mãos são onde a maioria dos vídeos de IA se entrega.

A conversão de imagem para vídeo é limpa. Eu subia uma foto de produto e recebia de volta um movimento suave, sem o objeto se deformar. Isso o Veo também resolve bem, só que o Kling me pareceu mais barato e mais rápido.

E velocidade. No modo Quality, o Kling terminava em 2 ou 3 minutos para mim, enquanto o Veo no Quality costumava levar de 3 a 5. Rode um catálogo inteiro pelos dois e essa diferença cresce rápido.

Onde ele pisa na bola

Áudio fora do inglês. A fala em inglês é decente. Nos outros idiomas suportados, ficou visivelmente mais crua nos meus testes, e para qualquer coisa fora desses cinco eu nem tentaria. Minha solução é gerar o clipe mudo e colocar uma locução por cima, seja da ElevenLabs ou de uma pessoa de verdade.

Rostos em close são o segundo problema. O Kling monta cenas ótimas com movimento, mas um plano fechado no rosto pode escorregar para aquele efeito estranho. As piscadas acontecem na hora errada e a pele fica meio parecendo cera. Acho que os olhos atrapalham mais do que a pele nesse efeito. Para um retrato que precisa convencer, o Veo é mais forte.

Também não tem um visual de cinema. O que o Kling entrega é prático, não artístico. Um anúncio de perfume ou joia, em que cada brilho no vidro importa, não é o forte dele.

Histórias longas também desmontam. Uma geração multi-shot se segura bem sozinha. Quando comecei a encadear gerações para uma história mais longa, a luz começou a variar. O personagem também, do jeito que acontece com a maioria dos modelos de vídeo.

Por que usar o Kling se você já tem o Veo?

Cheguei a uma regra simples para mim. Uso o Veo para aquele plano principal que precisa parecer caro, e gasto o Kling em todo o resto da lista de planos.

Na prática, isso se divide em quatro tipos de trabalho.

Vídeos de produto em que algo precisa se mexer. Um anúncio no Mercado Livre, uma página de produto na Shopee, um anúncio no TikTok Shop, qualquer lugar em que o item precise aparecer em ação e com a câmera se movendo também. Eletrônicos saíram mais rápidos e mais baratos no Kling do que no Veo. Equipamento de academia, ferramentas elétricas e utensílios de cozinha seguiram o mesmo caminho.

Lotes grandes. Na Flami, um clipe padrão do Kling custa mais ou menos metade dos créditos de um clipe do Veo em Quality, às vezes menos. Os números atualizados ficam na página do Kling 3.0. Um clipe, tanto faz. Duzentos SKUs, e a diferença vira dinheiro de verdade.

Anúncios curtos com um personagem recorrente. Dá para conseguir algo parecido no Veo usando o Extend, mas o multi-shot do Kling deixa eu dirigir cada plano separadamente, algo que acho mais prático de controlar.

Dar vida a uma foto de produto. Se você já tem uma boa foto de anúncio e quer que ela se mova, essa é a rota mais rápida e mais barata que eu conheço.

Onde o Veo ainda ganha, sem rodeios

Expressão facial sutil. Quando uma pessoa em close precisa carregar um sentimento bem específico, o Veo 3.1 é mais convincente, e não foi disputa parelha nos meus testes.

Luz com cara de cinema, tipo contraluz, degradê suave, brilho no vidro. O Veo acerta isso com mais frequência.

Diálogos mais longos, principalmente costurados pelo Extend. O multi-shot resolve outro problema. Ele entrega uma sequência de planos conectados, não uma pessoa falando direto para a câmera por 20 segundos. Minha análise do Veo 3.1 entra nesse ponto com mais detalhe.

Como o multi-shot funciona na prática

Imagine um anúncio de 30 segundos do jeito antigo. Você gera três ou quatro pedaços, depois corta e junta, e em cada emenda alguma coisa muda. A luz muda de tom. Uma manga vira de um azul diferente. O ângulo dá um salto.

Com o Kling 3.0 Omni você descreve a sequência inteira em um único prompt, plano por plano. Algo assim:

plano 1, cerca de 4 segundos: um cara se aproxima da vitrine, plano médio;
plano 2, 6 segundos: close enquanto ele examina o produto;
plano 3, os últimos 5: plano aberto, ele sai da loja com uma sacola.

O modelo renderiza os três como uma única cena, com a mesma luz e o mesmo rosto. O resultado é um comercial de 15 segundos sem costura nenhuma.

Funcionou em 7 das minhas 10 tentativas. Nas outras três, o cara virava outra pessoa no terceiro plano, ou o fundo mudava. O recurso é novo, e isso aparece.

Como acessar

Dá para se cadastrar no próprio site do Kling e comprar pacotes de créditos por lá. Isso funciona bem se o Kling for o único modelo que você usa. Só que vira mais uma conta e mais um saldo para acompanhar assim que você também quiser usar o Veo ou o Hailuo.

Na Flami, o Kling 3.0 já vem incluído na assinatura normal e fica no mesmo painel dos outros modelos, então dá para rodar o mesmo prompt no Kling, no Veo e no Hailuo um atrás do outro e escolher a versão que ficou melhor.

Custo e tempo de espera

Um clipe padrão de 8 a 10 segundos no modo Quality leva de 2 a 3 minutos para mim. Uma cena multi-shot de 15 segundos leva 4 ou 5 minutos e custa cerca de três vezes os créditos de um clipe único. A Flami ainda não mostra preços em dólar para contas internacionais, então vou deixar só em créditos.

Compare isso com o caminho do estúdio para um clipe de produto simples de 15 segundos. Você reserva o espaço e perde um dia inteiro de gravação. Depois, geralmente é uma semana de espera até a edição ficar pronta. A comparação é um pouco injusta, eu sei, porque um estúdio entrega outro tipo de qualidade. Para feed de rede social e anúncio de marketplace, essa diferença quase nunca decide algo.

Serve para o que você produz?

O Kling garante seu lugar na minha rotina para lotes cheios de movimento, muitos clipes de um catálogo inteiro, imagem para vídeo a partir de uma foto de produto já pronta e anúncios curtos em multi-shot que você não quer costurar na mão.

Eu deixo ele de lado assim que a voz precisa estar em um idioma fora desses cinco (aí eu adiciono depois, na pós-produção), quando um close precisa carregar uma emoção real no rosto de alguém, terreno em que o Veo e o Hailuo se saem melhor, ou quando o briefing pede uma cara premium, de cinema, que é o forte do Veo.

O que vem a seguir

Hailuo e Runway Aleph são os próximos da minha lista. O Runway é o estranho dos dois. Funciona menos como gerador e mais como um editor de vídeo inteligente, o que o coloca num trabalho completamente diferente. Já escrevi sobre o Aleph separadamente na análise do Runway Aleph, e também tem um teste lado a lado em que o Kling enfrenta o Veo e o Runway nos mesmos planos de produto.

Suba a sua própria foto de produto na Flami e veja como o Kling coloca ela em movimento.

Respostas rápidas

*O que é o Kling 3.0?* Um modelo de geração de vídeo da Kuaishou, lançado em 5 de fevereiro de 2026. Os clipes chegam a 15 segundos. Ele suporta cenas multi-shot e gera fala em cinco idiomas. O vídeo nativo em 4K chegou mais tarde no ano.

*No que ele é diferente do Kling 2.6?* Os clipes vão a 15 segundos em vez de 10. A fala agora cobre cinco idiomas com sotaques, o storyboard multi-shot é novidade, e a consistência do personagem melhorou.

*Kling 3.0 ou Veo 3.1?* Para um catálogo de 200 SKUs, eu vou de Kling, pelo preço. Para aquele produto principal em que um rosto precisa vender o sentimento, eu troco esse plano para o Veo.

*Quais idiomas o áudio nativo suporta?* Cinco: inglês, espanhol, chinês, japonês e coreano. Prompts em outros idiomas geralmente são entendidos, mas a fala gerada não sai neles.

*Quanto dura uma geração?* Até 15 segundos, e isso inclui uma cena multi-shot inteira no Omni.

*Dá para animar uma foto de produto?* Dá. Suba a foto e descreva o movimento. Você recebe de volta um clipe em movimento. É um dos pontos mais fortes do modelo.

*O que o Omni acrescenta?* Áudio e clipes de vídeo como entradas extras, além da geração multi-shot.

Verificado com base nos comunicados da Kuaishou e no ranking da arena.ai em 30 de setembro de 2026.

Análise do Kling 3.0: duas semanas testando vídeos de produto, cenas multi-shot e alguns tropeços