Kling 4.0 Bild zu Video: Fotos mit Start- und Endbild animieren

Mit Kling Bild zu Video in Kling 4.0 wird aus einem unbewegten Foto ein 3 bis 30 Sekunden langer Videoclip: Du lädst ein Startbild hoch, fügst optional ein Endbild hinzu, um die letzte Einstellung festzulegen, und beschreibst die Bewegung dazwischen in einem Prompt. Die Ausgabe erfolgt in 720p oder 1080p. Da Kling 5 im November 2026 noch nicht veröffentlicht ist, ist dies der aktuelle Ablauf zum Animieren von Standbildern. Die Bilder, die du jetzt vorbereitest, bleiben auch später nützlich.

Du kannst diesen Ablauf bereits auf Kling5 AI mit unserem Kling 4.0 KI-Videogenerator nutzen. Kling5 AI ist eine unabhängige Plattform ohne Verbindung zu Kuaishou oder zum Kling-Team. Obwohl unser Seitenname „Kling 5“ enthält, bieten wir derzeit Kling 4.0 und Kling 3.0 an und warten auf eine künftige Veröffentlichung.

Was kann Kling Bild zu Video in Kling 4.0?

Kling 4.0 nimmt ein oder zwei Standbilder und erzeugt die Bewegung, die sie über einen Zeitraum von 3 bis 30 Sekunden verbindet. Kuaishou veröffentlichte Kling 4.0 am 15. Oktober 2026 für alle Nutzer auf kling.ai und öffnete am 28. Oktober 2026 den vollständigen API-Zugang einschließlich des Endpunkts /image-to-video/kling-4.0. Gegenüber Kling 3.0 mit höchstens 15 Sekunden pro Generierung verdoppelt Kling 4.0 die maximale Cliplänge in einem Durchgang auf 30 Sekunden und gibt Videos in 720p oder 1080p aus. 4K und 10-bit HDR führt Kling als demnächst verfügbar auf. Einen breiteren Überblick über das Modell jenseits der Standbildanimation findest du in unserem Leitfaden zu den Funktionen von Kling 4.0.

Wenn du ein Foto mit Kling animierst, erfüllen die hochgeladenen Bilder und dein Textprompt unterschiedliche Aufgaben:

• Ein einzelnes Startbild: Das Bild legt die erste Einstellung fest: Figur, Produkt, Umgebung, Beleuchtung und Seitenverhältnis. Das Modell hält diese visuelle Grundlage bei Sekunde null fest und entscheidet anhand deines Prompts, wie sich Motiv und Kamera im weiteren Verlauf bewegen.
• Start- und Endbild: Mit einem zweiten Bild legst du auch den letzten Moment des Clips fest. Kling 4.0 behandelt das erste Bild als Anfang und das zweite als Abschluss und erzeugt den Übergang von Pose A zu Pose B oder von Winkel A zu Winkel B.
• Der Textprompt: Da die visuellen Details bereits in deinen Fotos vorhanden sind, musst du das Bild nicht von Grund auf neu beschreiben. Stattdessen erklärst du, was sich zwischen Anfang und Ende verändert: die Bewegung des Motivs, den Weg der Kamera, die Reihenfolge der Ereignisse und die Regeln für Ton oder Text.

In der Kling-eigenen Anwendung gibt es für die bildbasierte Generierung zwei getrennte Einstiege, die sich nicht in einer Aufgabe kombinieren lassen: „Omni Reference“ akzeptiert Bilder, Videos und Sprache, während „Keyframes“ ausschließlich Bilder für pixelgenaue Konsistenz verwendet. Dabei sind ein Startbild, Start- und Endbild oder bis zu 10 Keyframe-Bilder möglich. Die Kling-eigene App bietet außerdem den leichteren Modus Kling 4.0 Flash. Er ermöglicht bis zu 20 Sekunden bei maximal 720p und unterstützt derzeit weder Start- und Endbilder noch mehrere Keyframes.

Auf Kling5 AI konzentrieren wir uns im Bild-zu-Video-Tab von Kling 4.0 auf die grundlegende Kombination aus Start- und Endbild: Du gibst ein erforderliches Startbild und ein optionales Endbild an, insgesamt höchstens zwei Bilder.

Wie animierst du ein Foto mit Kling 4.0 auf Kling5 AI?

Auf Kling5 AI führt dich ein direkter Ablauf im Webgenerator vom Datei-Upload bis zum fertigen Clip in 720p oder 1080p. So funktioniert die Einrichtung auf unserer Seite:

1. Generator öffnen: Gehe zur Kling 4.0-Seite auf Kling5 AI (/kling-4). Dort findest du drei Generierungsmodi: Text zu Video, Bild zu Video und Referenz zu Video.
2. Bild-zu-Video-Modus auswählen: Wechsle zu Bild zu Video, um deine Bilder hochladen zu können.
3. Startbild hochladen: Lade dein Ausgangsbild als Startbild hoch. Es ist bei jeder Bild-zu-Video-Generierung erforderlich und bestimmt sowohl die Anfangskomposition als auch das Seitenverhältnis des ausgegebenen Videos.
4. Optionales Endbild hinzufügen: Soll der Clip mit einer bestimmten Pose, einem Produktwinkel oder einem Bildausschnitt enden, lade ein zweites Bild als Endbild hoch. Wenn die Bewegung ohne vorgegebenes Ende allein deinem Prompt folgen soll, lade nur das Startbild hoch. Auf Kling5 AI sind höchstens zwei Bilder möglich; mittlere Keyframes unterstützt unsere Plattform nicht.
5. Bewegungsprompt schreiben: Beschreibe die Handlung, Kamerabewegung und Reihenfolge der Ereignisse zwischen deinen Bildern. Ein Prompt ist auf Kling5 AI erforderlich und darf bis zu 2.500 Zeichen enthalten.
6. Dauer wählen: Wähle eine beliebige ganze Sekunde von 3 bis 30 Sekunden. Der Standardwert auf Kling5 AI beträgt 5 Sekunden.
7. Auflösung auswählen: Wähle zwischen 720p als Standard und 1080p. Im Bild-zu-Video-Modus von Kling5 AI gibt es keine Auswahl für das Seitenverhältnis. Anders als Text zu Video und Referenz zu Video, bei denen du 16:9, 9:16, 1:1 oder 21:9 auswählen kannst, übernimmt die Bild-zu-Video-Ausgabe automatisch das Seitenverhältnis deiner hochgeladenen Bilder.
8. Credit-Kosten prüfen und generieren: Der Credit-Verbrauch steigt mit der gewählten Dauer und Auflösung. Der Generator zeigt die genauen Kosten vor dem Start der Aufgabe an. Einzelheiten zu den Tarifen kannst du jederzeit auf unserer Preisseite nachlesen.

Wer längere Bild-zu-Video-Clips mit mehreren Werkzeugen erstellt, nutzt neben Kling 4.0 manchmal auch Seedance 2.5 auf AI Video Studio.

So wählst du gute Start- und Endbilder aus

Ein flüssiger Übergang zwischen Start- und Endbild in Kling 4.0 setzt zwei Bilder voraus, die dieselbe visuelle Welt, Motividentität und Bildaufteilung teilen. Laut Klings Schnellstart-Leitfaden zu Start- und Endbildern sollten sich die Inhalte der beiden Bilder möglichst ähneln. Bei erheblichen Unterschieden zwischen Anfangs- und Endbild kann das Modell einen abrupten Objektiv- oder Einstellungswechsel einfügen, statt beide durch eine kontinuierliche Bewegung zu verbinden.

Praktische Möglichkeiten, Start- und Endbilder aufeinander abzustimmen

• Beleuchtung, Thema und Bildausschnitt konsistent halten: Beide Bilder sollten wie zwei Momente aussehen, die dieselbe Kamera im selben Raum oder in derselben Umgebung aufgenommen hat. Zeigt das Startbild eine warme Innenaufnahme einer Kaffeetasse auf einem Walnussholztisch in Nahaufnahme und das Endbild dieselbe Tasse draußen bei kühlem Tageslicht in einer Totalen, gibt es keinen physischen Weg für einen flüssigen Übergang. Das Modell wird wahrscheinlich von einer Szene zur nächsten schneiden.
• Das Startbild bearbeiten, um das Endbild zu erstellen: Klings Leitfaden erklärt, dass viele Nutzer zunächst mit einem Bildgenerator ein passendes Paar ähnlicher Bilder erzeugen oder vorbereiten und es anschließend in den Videoablauf übernehmen. Wenn du von einem vorhandenen Foto oder Produktbild ausgehst, gibt eine kleine Änderung genau dieses Bildes dem Modell einen klaren visuellen Weg zwischen den beiden Zuständen. Du kannst etwa den Kopf einer Figur drehen, einen Schachteldeckel öffnen oder den Kamerawinkel leicht verändern, während der Hintergrund erhalten bleibt.
• Die Abmessungen beider Uploads abstimmen: Da Bild zu Video dem Seitenverhältnis der hochgeladenen Bilder folgt, solltest du Start- und Endbild vor dem Upload auf genau dasselbe Verhältnis zuschneiden.

Bildanforderungen von Klings API

Wenn du beim Export deiner Ausgangsfotos eine klare technische Grundlage möchtest, findest du in Klings Dokumentation der Kling 4.0 Bild-zu-Video-API mit Stand November 2026 folgende Regeln für Eingabebilder:

• Dateiformate: .jpg, .jpeg oder .png.
• Dateigröße: Bis zu 30 MB pro Bild.
• Mindestabmessungen: Breite und Höhe müssen jeweils mindestens 300 px betragen.
• Grenzen des Seitenverhältnisses: Zwischen 2:5 und 5:2.

Wenn du deine .png- oder .jpg-Bilder innerhalb dieser API-Grenzen vorbereitest und vor dem Upload auf übliche Videoformate wie 16:9 oder 9:16 zuschneidest, vermeidest du eher Verzerrungen oder unerwartete Bildausschnitte.

Wie schreibst du einen Kling-Prompt für Bild zu Video?

Ein guter Bild-zu-Video-Prompt für Kling konzentriert sich auf konkrete physische Bewegungen, Kamerarichtung, Ereignisfolge und Audiovorgaben statt auf abstrakte Qualitätsbegriffe. In der Dokumentation zur Kling 4.0 API empfiehlt Kling, Prompts um vier klare Elemente aufzubauen: Rollen der Referenzen, Gesamtszenerie, Reihenfolge der Ereignisse und Audioanforderungen.

Prompt-Regeln aus Klings Dokumentation

1. Konkrete Bilder statt abstrakter Etiketten beschreiben: Klings Nutzerleitfaden rät ausdrücklich von vagen Formulierungen wie "premium look" ab. Statt eine "cinematic luxury vibe" zu verlangen, beschreibe sichtbare Bewegung: Kondenswasser, das an einer Glasflasche herunterläuft, weiches Studio-Hauptlicht, das über gebürstetes Aluminium wandert, oder eine langsame Kamerafahrt nach vorn.
2. Die Rolle jedes Bildes ausdrücklich angeben: In Klings API-Dokumentation können Bilder IDs erhalten und im Prompt als @image_1 und @image_2 referenziert werden. Kling weist darauf hin, dass das Modell selbst erschließt, wie es Referenzen verwenden soll, wenn deren Zweck im Prompt nicht ausdrücklich genannt wird. Das kann von deiner Absicht abweichen. Auch in einem allgemeinen Bild-zu-Video-Prompt hilft eine klare Beschreibung, wie die Einstellung beim Startbild beginnt und im Endbild zur Ruhe kommt, den Übergang zu verankern.
3. Den zeitlichen Ablauf des Prompts an die gewählte Dauer anpassen: Wird in Klings API kein Dauerparameter gesendet, sucht das Modell nach einer Zeitangabe im Prompt, etwa "Generate a 15-second video", und verwendet andernfalls standardmäßig 10 Sekunden. Auf Kling5 AI legst du die genaue Sekundenzahl von 3 bis 30 in der Oberfläche fest. Achte deshalb darauf, dass die beschriebenen Handlungen in dieser Zeit realistisch ablaufen können.
4. Die beiden konkreten negativen Anweisungen verwenden, die Kling empfiehlt: Laut Klings Nutzerleitfaden sind "no subtitles" und "no background music" die einzigen wirklich nötigen negativen Anweisungen im Prompt. Ohne Vorgaben für Ton und Text kann das Modell standardmäßig Untertitel oder Hintergrundmusik hinzufügen.

Beispielprompts zum Anpassen

Die folgenden drei Prompt-Strukturen orientieren sich an Klings Richtlinien. Sie sind illustrative Vorlagen, die du an deine eigenen Bilder anpassen kannst, und keine Ergebnisse praktischer Testläufe:

• Produktrotation zwischen Start- und Endbild (5 bis 8 Sekunden): "Starting from the front-facing skincare bottle in the first frame, the camera performs a slow, steady arc to the right across a dark slate surface while soft rim light reflects along the frosted glass edge, settling smoothly into the angled three-quarter product view in the last frame. Subtle water ripples move across the base. Quiet room ambience, no subtitles, no background music."
• Figurenbewegung aus einem einzelnen Startbild (6 bis 10 Sekunden): "In a rain-lit city street at night, the woman from the first frame slowly turns her head toward the camera, lowers her clear umbrella onto her shoulder, and takes two calm steps forward along the wet pavement as neon reflections shimmer in the puddles behind her. Gentle rain sound only, no subtitles, no background music."
• Mehrstufiger Ablauf in einem längeren Clip (12 bis 15 Sekunden): "Generate a 15-second continuous shot in a sunlit workshop. Beginning with the closed leather journal on the oak desk in the first frame, a pair of hands enters the frame, unties the leather cord, opens the cover flat to reveal blank cream pages, and sets a brass fountain pen beside the spine to match the final frame. Soft natural room sound, no subtitles, no background music."

Welche Dauer und Auflösung solltest du wählen?

Bei der Wahl zwischen 3 und 30 Sekunden sowie zwischen 720p und 1080p geht es darum, die Komplexität der Bewegung an dein Credit-Budget anzupassen. Da Kling 4.0 jede ganze Sekunde von 3 bis 30 Sekunden erlaubt, musst du eine einfache dreisekündige Kopfdrehung nicht auf einen 10-Sekunden-Clip strecken oder eine mehrstufige Produktenthüllung in fünf Sekunden pressen.

Sowohl in Klings API als auch auf Kling5 AI steigen die Kosten direkt mit der Cliplänge und der Ausgabeauflösung. Als Orientierung für die Entwicklerpreise des zugrunde liegenden Modells: Klings Preisseite für Entwickler berechnet die Bild-zu-Video-Ausgabe ohne Eingabevideo mit Stand 2. November 2026 pro Sekunde, ungefähr $0.157 pro Sekunde für 720p und $0.235 pro Sekunde für 1080p. Auf Kling5 AI verwendet die Generierung Plattform-Credits, deren Verbrauch ebenfalls steigt, wenn du mehr Sekunden auswählst oder von 720p auf 1080p wechselst. Die genauen Kosten werden angezeigt, bevor du die Generierung anklickst.

Für einen praktischen Ablauf kannst du zunächst deinen Prompt entwerfen und den Übergang zwischen Start- und Endbild mit einer kürzeren Dauer, etwa den standardmäßigen 5 Sekunden, in 720p prüfen. Sobald das Modell die beiden Bilder ohne unerwünschten Einstellungswechsel verbindet und deiner Kamerarichtung folgt, kannst du auf 1080p wechseln und die endgültige Sekundenzahl für das fertige Video einstellen.

Häufige Probleme und Lösungen bei Kling 4.0 Bild zu Video

Die meisten Probleme bei Klings Start- und Endbild-Ablauf entstehen durch große visuelle Unterschiede zwischen den beiden Fotos oder fehlende Einschränkungen im Prompt. Wenn eine Generierung nicht wie erwartet funktioniert, prüfe diese vier Anpassungen:

• Unerwarteter Schnitt oder Einstellungswechsel in der Clipmitte: Wie Klings Leitfaden zu Start- und Endbildern beschreibt, führen große Unterschiede zwischen den Bildern dazu, dass das Modell das Objektiv wechselt, statt einen flüssigen Übergang zu animieren. Verwende zwei Bilder mit derselben Beleuchtung, Umgebung, Brennweitenwirkung und Motivgröße. Idealerweise entsteht das zweite durch eine leichte Bearbeitung des ersten.
• Motiv oder Hintergrund weichen von deiner Absicht ab: Klings API-Leitfaden warnt davor, dass das Modell die Verwendung der Referenzen selbst erschließt, wenn Bildrollen und Szenendetails vage bleiben. Gib im Prompt ausdrücklich an, was das Startbild darstellt, was in der Umgebung unverändert bleiben muss und in welcher genauen Reihenfolge die Bewegungen zum Endbild führen.
• Das Ausgabevideo hat das falsche Seitenverhältnis: Auf Kling5 AI gibt es im Bild-zu-Video-Modus keine Auswahl für das Seitenverhältnis. Das Video übernimmt automatisch die Abmessungen deiner hochgeladenen Bilder. Wirkt die Ausgabe beschnitten oder hochkant, obwohl du ein Querformat wolltest, schneide Start- und Endbild vor dem Upload auf dein Zielverhältnis zu und halte dabei Klings API-Grenzen von 2:5 bis 5:2 ein.
• Unerwünschte Untertitel oder Musik erscheinen im Clip: Klings Nutzerleitfaden erklärt, dass das Modell standardmäßig Untertitel oder Hintergrundmusik hinzufügen kann. Ergänze am Ende deines Prompts die exakten negativen Anweisungen "no subtitles" und "no background music", damit das Bild frei von Untertiteln und die Tonspur frei von Musik bleibt.

Kling-eigene App und Kling5 AI: Was unterscheidet sie?

Beide Plattformen verwenden Kuaishous Kling 4.0-Modell für 3 bis 30 Sekunden lange Bild-zu-Video-Clips in 720p und 1080p. Die Kling-eigene App/API und Kling5 AI bieten jedoch unterschiedliche Oberflächenoptionen und Keyframe-Grenzen. Hier siehst du, was die beiden Umgebungen mit Stand November 2026 unterstützen:

Wenn dein Projekt ausdrücklich drei bis 10 mittlere Keyframes in einer einzigen Anfrage verketten oder die Entwicklerparameter @image_1 direkt per Code aufrufen muss, brauchst du die Kling-eigene App oder API. Wenn du eine einfache Weboberfläche für Animationen mit einem einzelnen Bild oder mit Start- und Endbild suchst oder in einem Konto zwischen Kling 4.0 und Kling 3.0 wechseln möchtest, deckt Kling5 AI diesen Ablauf direkt ab.

Wird Kling 5 Bild zu Video verändern?

Stand November 2026 hat Kuaishou Kling 5.0 weder veröffentlicht noch angekündigt. Daher gibt es keine bestätigten technischen Angaben dazu, wie Bild zu Video mit Kling 5 funktionieren wird. Websites oder Social-Media-Beiträge, die derzeit angebliche Laufzeiten, Auflösungen oder Bildgrenzen für Kling 5.0 nennen, verbreiten unbestätigte Spekulationen. Bestätigte Neuigkeiten kannst du auf unserer Seite zum Veröffentlichungsdatum von Kling 5.0 verfolgen. Kling5 AI plant, Kling 5.0 hinzuzufügen, sobald Kuaishou es veröffentlicht.

Bis dahin gibt es keinen Grund, Bild-zu-Video-Projekte aufzuschieben. Unserer Ansicht nach bleiben eine gut organisierte Sammlung zusammenpassender Start- und Endbilder und klare, konkrete Übergangsprompts für Kling 4.0 wahrscheinlich auch beim nächsten Modell nützlich. Beleuchtung und Bildausschnitt zweier Standbilder aufeinander abzustimmen, ist eine Gewohnheit, die nicht von einer bestimmten Modellversion abhängt.

Wenn du ein Standfoto animieren oder Start- und Endbild zu einem 3 bis 30 Sekunden langen Video verbinden möchtest, öffne unseren Kling 4.0 KI-Videogenerator, lade deine Bilder hoch, wähle 720p oder 1080p und generiere deinen Clip.

Quellen

• Kuaishou-Pressemitteilung: Kling AI veröffentlicht die nächste Generation Kling 4.0 (15. Oktober 2026)
• Kling AI Nutzerleitfaden: Leitfaden zum Modell Kling 4.0
• Kling AI Schnellstart: Leitfaden zu Start- und Endbildern
• Kling AI Entwicklerdokumentation: API-Updates (28. Oktober 2026)
• Kling AI Entwicklerdokumentation: Kling 4.0 Bild-zu-Video-API
• Kling AI Entwicklerdokumentation: Grundpreise der Video-API