Kling 2.6: Leitfaden zum Videomodell mit nativem Audio, Prompts und Einsatzbereiche

Kling 2.6 auf einen Blick

Entwickler

Kling AI (Kuaishou Technology)

Veröffentlichungsdatum

3. Dezember 2025

Eingaben

Text oder Bild (erstes Bild oder erstes und letztes)

Cliplänge

5 oder 10 Sekunden

Auflösung (API)

720p oder 1080p; Audio erfordert 1080p

Seitenverhältnisse

16:9, 9:16, 1:1

Audio

Native Sprache, Effekte und Atmosphäre

Sprachen der Stimmen

Chinesisch und Englisch

Open Source?

Nein, geschlossenes Modell

Unzensiert?

Nein, moderiert nach Klings Richtlinie

Was ist Kling 2.6?

Kling 2.6 (auch Kling VIDEO 2.6 geschrieben) ist ein Videogenerierungsmodell der Kling-AI-Reihe von Kuaishou Technology; die Nummer bezeichnet eine Modellversion, keine App-Version. Laut einem Bericht der Securities Times brachte Kuaishou es am 3. Dezember 2025 heraus, und Kling veröffentlichte seine englische Bedienungsanleitung am 16. Dezember 2025. Die wichtigste Funktion ist natives Audio: Eine Generierung liefert das Video zusammen mit Sprache, Soundeffekten und Umgebungsgeräuschen, was Kling mit "See the Sound, Hear the Visual" zusammenfasst. Es arbeitet mit Text (Text-zu-Audio-Video) oder einem Standbild (Bild-zu-Audio-Video), und der Ton lässt sich abschalten. Clips sind 5 oder 10 Sekunden lang, in 16:9, 1:1 oder 9:16. Kling bietet das Modell über seine Webplattform und App an; die API ist ein weiterer Zugangsweg.

Warum Menschen nach Kling 2.6 unzensiert suchen

Kling wendet die Nutzungsrichtlinie von Kuaishou auf jeden Prompt und jeden Upload an, und diese verbietet sexuell explizite Inhalte, Identitätsmissbrauch und Belästigung. Es gibt keine offizielle unzensierte Ausgabe, und Seiten, die versprechen, den Filter zu umgehen, sind nicht überprüft und können gegen Klings Bedingungen verstoßen; manche Drittanbieter werben mit lockererer Moderation, aber wir können nicht bestätigen, was dort tatsächlich läuft. Wer nach einer unzensierten Version sucht, möchte meist realistische Bewegung für einvernehmliche Szenen mit Erwachsenen, die die offizielle App ablehnt. Wenn das dein Ziel ist, kannst du auf dieser Website ohne Moderationsschicht generieren: Das Bild-zu-Video-Tool von Spicy AI nutzt MiniMax H3 Turbo, nicht Kling, und ist nur für Erwachsene (18+).

Wo Kling 2.6 einzuordnen ist: von 2.5 Turbo bis 4.0

Die Versionsnummern wechseln schnell, daher hilft eine Einordnung. Kling 2.5 Turbo erschien im September 2025. VIDEO 2.6 folgte am 3. Dezember 2025 als erste Version mit nativem Audio. Klings eigener 3.0-Leitfaden vom 6. Februar 2026 sagt, dass VIDEO 2.6 zu VIDEO 3.0 aufgewertet wurde, das Clips bis 15 Sekunden, Elementkonsistenz und Multi-Shot-Erzählungen bietet. Kling 4.0 folgte am 14. Oktober 2026. Das ältere Modell steht weiterhin in Klings API-Dokumentation, aber Kling hat nicht zugesagt, wie lange es verfügbar bleibt. Gesucht wird es aus drei praktischen Gründen: Es ist die leichteste Kling-Option mit nativem Audio, 10 Sekunden reichen für die meisten Social-Clips, und viele Tutorials und Workflows wurden dafür geschrieben.

Daten aus Klings Bedienungsanleitungen und dem Bericht der Securities Times.

Natives Audio in Kling 2.6: was es erzeugt

In einem typischen KI-Video-Workflow renderst du einen stummen Clip, nimmst dann ein Voice-over auf oder generierst es, fügst Soundeffekte hinzu und korrigierst die Lippensynchronität von Hand. Kling 2.6 fasst diese Schritte in einer Generierung zusammen. Klings Leitfaden listet die Klangarten auf, die es erzeugen kann; außerdem steuert es Emotion und Sprechtempo und passt die Lippenbewegung an den Dialog an. Zwei Grenzen sind wichtig: Es ist kein Musikmodell, und Kling weist darauf hin, dass die Stimmkonsistenz beim Singen schwächer ist als beim Sprechen. Eine nützliche Gewohnheit ist, denselben Prompt mit und ohne natives Audio laufen zu lassen; die stumme Version reicht, wenn du später deinen eigenen Soundtrack hinzufügen willst.

• Sprache: Monolog, Erzählung und Dialog mehrerer Figuren mit Lippensynchronität.
• Performance: Gesang und Rap, am besten in 10-Sekunden-Clips.
• Atmosphäre: Regen, Menschenmengen, Wind, Raumklang und Straßenlärm.
• Effekte: Schritte, zerbrechendes Glas, Türen, Objekt- und Aktionsgeräusche.
• Gemischte Klangwelten: eine Stimme über Musik und Hintergrundgeräuschen in einem Clip.

Lippensynchronität, chinesische Stimmen und Sprachgrenzen

Stimmen unterstützen nur Chinesisch und Englisch. Schreibst du Dialog in einer anderen Sprache, übersetzt Kling ihn vor der Vertonung ins Englische, sodass eine japanische oder spanische Zeile als englische Sprache zurückkommt und der ursprüngliche Ton verloren geht. Ein chinesisches Produkt-Voice-over oder eine englische Werbung funktioniert wie erwartet; für andere Sprachen solltest du einen separaten Synchronisationsschritt einplanen. Klings Leitfaden nennt praktische Regeln: Schreibe englischen Dialog in Kleinbuchstaben und verwende Großbuchstaben nur für Akronyme und Eigennamen, sonst kann die Aussprache abweichen; nutze 10-Sekunden-Clips für Dialog und Gesang, damit die Zeile Platz zum Ausklingen hat; und kennzeichne in Szenen mit mehreren Personen jeden Sprecher, damit das Modell weiß, wer spricht und wer schweigt. Die Lippensynchronität ist am zuverlässigsten bei kurzen Sätzen, einem Sprecher zur Zeit und ohne Kameraschnitt mitten in einer Zeile.

Was Creator mit Kling 2.6 machen

Klings eigene Demos und die Tutorials rund um dieses Modell zeigen eine kleine Gruppe wiederkehrender Formate, die alle davon leben, dass der Ton mit dem Bild kommt. Der gemeinsame Nenner sind kurze, sprachgetriebene Inhalte: Ein Clip, für den man sonst einen Sprecher, einen Sounddesigner und einen Lippensync-Durchgang bräuchte, entsteht jetzt aus einem Prompt. Die Liste fasst die kreativen Trends zusammen, die wir in Klings Showcases und Creator-Leitfäden sehen; sie beschreibt beliebte Formate, kein Qualitätsranking.

• Talking-Head-Werbung und UGC-Hooks: Ein Moderator hält ein Produkt und sagt eine Zeile, fertig für vertikale Feeds.
• Straßeninterviews und Umfragen: Zwei oder drei Personen antworten nacheinander, im Hintergrund Verkehr und Stimmengewirr.
• Sport- und Spielkommentar: ein aufgeregter Sprecher über schneller Action, eines von Klings eigenen Demo-Themen.
• Musikmomente: ein kurzer gesungener Refrain oder eine Rap-Zeile, mit etwas Stimmabweichung.
• ASMR- und Stimmungsclips: Regen an der Scheibe, knisterndes Feuer, geflüsterte Zeilen und Nahaufnahmen von Texturen.
• Mini-Dramen: ein emotionaler Austausch zweier Personen in 10 Sekunden, oft zu einer Serie zusammengeschnitten.

Wie Kling 2.6 aufgenommen wird

Zum Start konzentrierte sich die Berichterstattung auf einen Punkt: Kling 2.6 wurde als erstes Kling-Modell präsentiert, das Bild und Ton zusammen ausgibt, und chinesische Finanzmedien berichteten darüber als Schritt hin zur Kurzvideoproduktion per Klick. Das Lob und die Kritik, die am häufigsten auftauchen, ergeben sich direkt aus Klings eigener Dokumentation und sind daher ein fairer Hinweis darauf, was zu erwarten ist. Wir zitieren hier keine einzelnen Rezensionen oder Bewertungen, und kein unabhängiger Benchmark vergleicht 2.6, 3.0 und 4.0 unter gleichen Bedingungen.

So schreibst du Kling-2.6-Prompts für Dialog und Sound

Kling empfiehlt, Prompts in fünf Teilen aufzubauen: Szene, Element, Bewegung, Audio und weitere Details wie Stil, Stimmung und Kamera. Audio ist der Teil, den die meisten zu knapp beschreiben. Setze jedes Geräusch in einen eigenen Satz, statt alle Geräusche in eine Zeile zu packen, und verwende für Dialog ein Sprecher-Tag in eckigen Klammern, gefolgt von der Zeile, zum Beispiel: [woman, warm and slow] says: "try this one, it's my favorite." Benenne in Gesprächen jeden Sprecher und sag, wer schweigt. Halte dich an eine Hauptidee pro Clip.

• Zuerst die Szene: wo und wann, etwa ein Café in einer regnerischen Nacht oder eine helle Küche am Mittag.
• Element: wer im Bild ist, als Erwachsene beschrieben, mit Kleidung und Gesichtsausdruck.
• Bewegung: eine Hauptaktion und eine Kamerabewegung, etwa ein langsames Heranfahren.
• Audio: Sprecher-Tag und Zeile, dann Atmosphäre, dann ein zentraler Effekt.
• Sonstiges: Stil, Licht und Stimmungswörter am Ende.
• Länge: Wähle 10 Sekunden für jede Zeile, die länger als ein paar Wörter ist.

Kling-2.6-Prompt-Vorlagen zum Kopieren

Ersetze die Teile in eckigen Klammern und behalte die Reihenfolge bei. Die ersten drei Vorlagen nutzen natives Audio in Kling; die letzten zwei sind für Fotoanimation geschrieben und funktionieren daher auch im Bild-zu-Video-Tool dieser Website, wo du Stimme oder Musik nachträglich hinzufügst.

Kling-2.6-API: Endpunkte und Parameter

Die API ist neben der Webplattform ein Weg, das Modell zu nutzen. Sie stellt POST /text-to-video/kling-2.6 und POST /image-to-video/kling-2.6 bereit. Prompts dürfen bis zu 2.500 Zeichen lang sein und sowohl positive als auch negative Beschreibungen enthalten. Die wichtigsten Parameter sind audio (native oder off), resolution (720p oder 1080p), duration (5 oder 10 Sekunden) und aspect_ratio (16:9, 9:16 oder 1:1). Einige Regeln sorgen oft für Probleme: Natives Audio erfordert 1080p; Bild-zu-Video akzeptiert nur ein erstes Bild oder ein erstes und letztes Bild zusammen, aber nicht nur ein letztes Bild, und die Generierung mit erstem und letztem Bild gibt es nur in 1080p; du kannst pro Anfrage höchstens zwei Stimmen referenzieren, eine festgelegte Stimme setzt eingeschaltetes Audio voraus, und bei ausgeschaltetem Audio ist keine Stimme möglich. Auf der Webplattform kannst du bis zu vier Videos gleichzeitig generieren.

Audio in Kling 2.6 funktioniert nicht? Häufige Lösungen

Die meisten stummen oder fehlerhaften Ergebnisse haben eine Handvoll Ursachen. Beginne mit den Audioeinstellungen und prüfe dann Lippensynchronität, Klangbalance und das Bild selbst:

• Gar kein Ton: Natives Audio ist ausgeschaltet, der API-Aufruf nutzt audio=off oder die Anfrage ist auf 720p gesetzt, was kein natives Audio unterstützt.
• Anfrage abgelehnt: Eine Stimme wurde bei ausgeschaltetem Audio festgelegt, mehr als zwei Stimmen wurden referenziert oder es wurde nur ein letztes Bild geliefert.
• Falsche Sprache: Der Dialog war nicht auf Chinesisch oder Englisch und wurde automatisch ins Englische übersetzt.
• Lippen nicht synchron: Zeilen sind zu lang oder zu schnell, mehrere Personen sprechen gleichzeitig oder die Kamera schneidet mitten im Satz. Nutze kurze Zeilen, einen Sprecher und 10 Sekunden.
• Matschiger Ton: zu viele gestapelte Effekte oder Atmosphäre lauter als die Stimme. Beschreibe ein zentrales Geräusch pro Satz.
• Schwaches Bild: ein niedrig aufgelöstes Eingabebild oder ein Bild, das nicht zum Prompt passt. Tausche das Bild aus oder vereinfache die Aktion.

Kling 2.6 vs. Kling 3.0, O1 und andere Alternativen

Wähle Kling 2.6, wenn du Ton in einem Clip von 10 Sekunden oder weniger brauchst und die leichteste Kling-Option mit nativem Audio willst. Wähle Kling 3.0, wenn du bis zu 15 Sekunden, Elementkonsistenz oder mehrere Einstellungen in einer Generierung brauchst, da Kling 3.0 selbst als Upgrade von 2.6 bezeichnet. Kling O1 ist ein anderes Werkzeug: Es konzentriert sich auf einheitliche multimodale Generierung und Bearbeitung, verarbeitet Clips von 3 bis 10 Sekunden und bis zu sieben Referenzbilder, und seine Audiooption ist nur Original oder aus. Kling 4.0 ist das neueste Modell und zielt auf komplexe Bewegung, Referenzkonsistenz und Storytelling. Außerhalb von Kling solltest du Google Veo oder OpenAI Sora nur anhand überprüfbarer Fakten vergleichen, etwa Länge, Audiounterstützung und Auflösung. Für Inhalte für Erwachsene kommt keines davon infrage, und genau hier kommt ein ungefiltertes Online-Tool ins Spiel.

Ist Kling 2.6 Open Source?

Nein. Kling 2.6 ist ein geschlossenes Modell: Kuaishou hat keine offiziellen Gewichte veröffentlicht, du kannst es also weder herunterladen noch lokal ausführen, und jede Seite, die einen lokalen Kling-Download anbietet, sollte als nicht überprüft gelten. Der Zugang erfolgt über Klings Webplattform, die App und die API sowie über Wiederverkäufer, die denselben Dienst aufrufen. Manche Drittseiten werben für dieses Modell mit 4K-Ausgabe oder 48-kHz-Audio; beides findet sich nicht in Klings eigener Dokumentation, die nur 720p und 1080p nennt. Wenn du ein Videomodell mit offenen Gewichten brauchst, das du selbst betreiben kannst, sieh dir stattdessen Modelle an, die ihre Gewichte veröffentlichen.

Unser Fazit: Lohnt sich Kling 2.6 noch?

Wenn man Klings Leitfäden nebeneinander liest, ist 2.6 aus unserer redaktionellen Sicht inzwischen die leichtgewichtige Option statt des Flaggschiffs. Das sind Schlussfolgerungen aus veröffentlichten Fakten, keine eigenen Benchmark-Tests:

• Lohnt sich: kurze Werbung, UGC-Hooks und Talking-Head-Clips auf Chinesisch oder Englisch, wenn 10 Sekunden reichen.
• Lohnt sich: Entwürfe, bei denen schnelle Ausgabe mit Ton wichtiger ist als Konsistenz zwischen Einstellungen.
• Lieber nicht: Geschichten mit mehreren Einstellungen, wiederkehrenden Figuren oder Clips über 10 Sekunden; nutze 3.0 oder 4.0.
• Lieber nicht: Dialog in anderen Sprachen als Chinesisch und Englisch.
• Lieber nicht: Inhalte für Erwachsene, die Klings Richtlinie in keiner Version erlaubt.

Schritt für Schritt: ein Foto auf Spicy AI animieren

Der Browser-Workflow braucht kein Kling-Konto und keine Einrichtung. Er nutzt MiniMax H3 Turbo, nicht Kling 2.6, daher unterscheidet sich der Look von Klings Ergebnissen, und generierter Dialog im Kling-Stil ist nicht enthalten.

• 1. Öffne das Bild-zu-Video-Tool über den Button oben auf dieser Seite; MiniMax H3 Turbo ist vorausgewählt.
• 2. Lade ein klares Foto einer erwachsenen Person hoch, das dir gehört oder für das du eine Einwilligung hast.
• 3. Füge eine der Fotovorlagen oben ein und ergänze Aktion, Kamera und Licht.
• 4. Generiere einen kurzen Clip, prüfe die Bewegung und ändere dann pro Versuch ein Element.
• 5. Lade das Ergebnis herunter und füge bei Bedarf in deinem Editor ein Voice-over oder Musik hinzu.

Prompt-Tipps für Ergebnisse im Kling 2.6-Stil

1. Beschreibe eine Hauptbewegung pro Clip, etwa 'dreht sich zur Kamera', statt einer Liste von Aktionen.
2. Beschreibe bei Bild-zu-Video nur, was sich bewegen soll; das Foto legt Person und Umgebung bereits fest.
3. Nutze Kamerabegriffe wie 'langsames Heranfahren' oder 'Handkamera-Verfolgungsfahrt' für einen filmischen Look.
4. Plane Dialog oder Musik als separate Tonspur, wenn du auf Spicy AI generierst.
5. Lade nur Fotos von Erwachsenen (18+) hoch, die du verwenden darfst, und animiere nie eine reale Person ohne Einwilligung.

Quellen

• Kling VIDEO 2.6 Audio-Bedienungsanleitung (Kling AI)
• Kling VIDEO 2.6 Text-zu-Video-API-Referenz
• Kling VIDEO 2.6 Bild-zu-Video-API-Referenz
• Kling VIDEO 3.0 Bedienungsanleitung
• Kling 4.0 Bedienungsanleitung
• Kling-Nutzungsrichtlinie
• Startbericht der Securities Times (Chinesisch)

Weitere unzensierte KI-Video-Modelle

• uncensored kling
• Kling unzensiert
• Kling O1 unzensiert
• Sora unzensiert
• Veo unzensiert
• Hailuo AI unzensiert
• MiniMax H3 Max unzensiert
• Wan unzensiert
• Wan 3.0 unzensiert
• Seedance unzensiert
• Seedance 2.5 unzensiert
• Seedance 2.0 unzensiert
• Seedance 2.0 Mini unzensiert
• HunyuanVideo unzensiert
• LTX Video unzensiert
• Runway unzensiert
• Pika unzensiert
• Luma Dream Machine unzensiert
• Vidu unzensiert
• PixVerse unzensiert
• EdenLive unzensiert
• Grok Imagine unzensiert