Kling-Omni Technisch Rapport
Kling-Omni Technical Report
December 18, 2025
Auteurs: Kling Team, Jialu Chen, Yuanzheng Ci, Xiangyu Du, Zipeng Feng, Kun Gai, Sainan Guo, Feng Han, Jingbin He, Kang He, Xiao Hu, Xiaohua Hu, Boyuan Jiang, Fangyuan Kong, Hang Li, Jie Li, Qingyu Li, Shen Li, Xiaohan Li, Yan Li, Jiajun Liang, Borui Liao, Yiqiao Liao, Weihong Lin, Quande Liu, Xiaokun Liu, Yilun Liu, Yuliang Liu, Shun Lu, Hangyu Mao, Yunyao Mao, Haodong Ouyang, Wenyu Qin, Wanqi Shi, Xiaoyu Shi, Lianghao Su, Haozhi Sun, Peiqin Sun, Pengfei Wan, Chao Wang, Chenyu Wang, Meng Wang, Qiulin Wang, Runqi Wang, Xintao Wang, Xuebo Wang, Zekun Wang, Min Wei, Tiancheng Wen, Guohao Wu, Xiaoshi Wu, Zhenhua Wu, Da Xie, Yingtong Xiong, Yulong Xu, Sile Yang, Zikang Yang, Weicai Ye, Ziyang Yuan, Shenglong Zhang, Shuaiyu Zhang, Yuanxing Zhang, Yufan Zhang, Wenzheng Zhao, Ruiliang Zhou, Yan Zhou, Guosheng Zhu, Yongjie Zhu
cs.AI
Samenvatting
Wij presenteren Kling-Omni, een generalistisch generatief framework ontworpen voor het synthetiseren van hoogwaardige video's rechtstreeks vanuit multimodale visuele taalinputs. Vanuit een end-to-end perspectief overbrugt Kling-Omni de functionele scheiding tussen diverse videogeneratie-, bewerkings- en intelligente redeneertaken, en integreert deze in een holistisch systeem. In tegenstelling tot gefragmenteerde pijplijnbenaderingen ondersteunt Kling-Omni een breed scala aan gebruikersinputs, waaronder tekstinstructies, referentiebeelden en videocontexten, en verwerkt deze tot een uniforme multimodale representatie om filmkwaliteit en hoogintelligente videocontentcreatie te leveren. Om deze mogelijkheden te ondersteunen, hebben wij een uitgebreid datasysteem opgebouwd dat als fundament dient voor multimodale videocreatie. Het framework wordt verder versterkt door efficiënte grootschalige pre-trainingsstrategieën en infrastructuuromtimeringen voor inferentie. Uitgebreide evaluaties tonen aan dat Kling-Omni uitzonderlijke capaciteiten demonstreert in contextgevoelige generatie, op redenering gebaseerd bewerken en het opvolgen van multimodale instructies. Meer dan alleen een contentcreatietool, geloven wij dat Kling-Omni een cruciale vooruitgang is richting multimodale wereld-simulators die in staat zijn de dynamische en complexe werelden waar te nemen, te redeneren, te genereren en ermee te interageren.
English
We present Kling-Omni, a generalist generative framework designed to synthesize high-fidelity videos directly from multimodal visual language inputs. Adopting an end-to-end perspective, Kling-Omni bridges the functional separation among diverse video generation, editing, and intelligent reasoning tasks, integrating them into a holistic system. Unlike disjointed pipeline approaches, Kling-Omni supports a diverse range of user inputs, including text instructions, reference images, and video contexts, processing them into a unified multimodal representation to deliver cinematic-quality and highly-intelligent video content creation. To support these capabilities, we constructed a comprehensive data system that serves as the foundation for multimodal video creation. The framework is further empowered by efficient large-scale pre-training strategies and infrastructure optimizations for inference. Comprehensive evaluations reveal that Kling-Omni demonstrates exceptional capabilities in in-context generation, reasoning-based editing, and multimodal instruction following. Moving beyond a content creation tool, we believe Kling-Omni is a pivotal advancement toward multimodal world simulators capable of perceiving, reasoning, generating and interacting with the dynamic and complex worlds.