Il Kling O1 (Omni One) viene descritto (in una guida beta/interna) come un modello di base video multimodale unificato—un sistema unico pensato per gestire sia la generazione video sia la modifica video basata su istruzioni tramite un’unica lingua di interazione. Invece di passare da modalità “testo a video,” “riferimento a video,” “modifica video” e “estensione scena” su strumenti diversi, il punto di forza di O1 è: fornire testo + immagini + riferimenti video + riferimento soggetto, e iterare come un regista in un unico flusso di lavoro continuo.
Questa direzione corrisponde anche a come Kuaishou ha descritto l’evoluzione di Kling attorno a MVL (Multi-modal Visual Language): esprimere identità, stile, scena, azione e intento della camera combinando testo con riferimenti visivi.
Che cos’è Kling O1 (Omni One), in parole semplici?
Pensa a O1 come a un modello che tenta di essere un unico modello che fa “crea + revisione” end-to-end:
- Generare una nuova scena da testo
- Generare da riferimenti (immagine/video)
- Creare una scena da prima/ultima inquadratura
- Aggiungere/rimuovere oggetti o persone in un video
- Applicare trasformazioni (cambiamenti nell’aspetto, modifiche)
- Ristilizzare (ri-pittura dello stile del clip)
- Estendere la scena per continuare il movimento e il ritmo
Tutti questi compiti sono elencati insieme come attività supportate nella guida, sotto l’ombrello di un singolo modello unificato piuttosto che pipeline specializzate separate.
L’idea principale alla base: MVL (Multi-modal Visual Language)
La guida di O1 inquadra l’interazione così: i tuoi input non sono “asset” che inserisci nel flusso di lavoro—sono istruzioni. Il testo è il piano di alto livello; l’immagine/video di riferimento fornisce vincoli visivi; il riferimento soggetto fissa l’identità.
La definizione MVL di Kuaishou è simile: è pensata per aiutare gli utenti a trasmettere intenzioni creative multidimensionali—identità, aspetto, stile, scene, azioni, espressioni e movimento della camera—integrando informazioni multimodali come riferimenti di immagini e clip video.
In pratica, O1 mira a un’esperienza più vicina a:
“Mantieni il volto del mio eroe coerente, mantieni la stessa giacca, ora rimuovi il passante, passa alla luce dell’ora d’oro e estendi la scena mentre la camera si avvicina.”
…invece di esportare in un editor, mascherare, creare fotogrammi chiave e ri-renderizzare.
Che cosa O1 afferma di combinare (“tutto in una pila di capacità”)
La guida è esplicita riguardo la portata che cerca di unificare:
- text-to-video
- reference-to-video
- first/last-frame to video
- video add/remove
- video modification & transformation
- style repaint
- shot extension
Raggruppare questa lista è importante perché implica che O1 non compete solo su “quanto è bello il primo render,” ma su poter completare un clip tramite modifiche iterative senza uscire dal modello.
Modifica in una frase: trasformare la post-produzione in una chat
Una delle promesse più rilevanti per i creatori nella guida è l’idea di modifiche con una sola frase—richieste in linguaggio naturale come togliere passanti, cambiare ora del giorno, cambiare outfit/stile—applicate direttamente a un video esistente.
Se funziona, cambia l’economia della creazione di contenuti:
- Meno tempo a imparare tecniche specifiche di editor
- Più tempo a iterare su storia, ritmo e inquadratura
- Test A/B più veloci per annunci (varie versioni dallo stesso clip base)
Il problema più difficile che O1 vuole risolvere: la coerenza
La maggior parte dei sistemi video AI ancora fatica con ciò che gli spettatori notano subito: la continuità.
- Il volto cambia leggermente
- I loghi si deformano
- I colori degli abiti si spostano
- Gli oggetti si teletrasportano
- L’architettura dello sfondo si scioglie
La guida di O1 sottolinea direttamente una comprensione più forte degli input e la creazione soggetto multi-view (costruzione dell’identità del soggetto da più angolazioni) per migliorare la coerenza tra le scene.
Ecco perché “unificato” è importante: se generazione e modifica condividono la stessa rappresentazione interna del tuo soggetto, hai più possibilità di modificare un clip senza rigenerare da zero l’identità del personaggio ogni volta.
“Combinazioni di skill”: accatastare compiti in un unico passaggio
Un punto sottile ma importante: la guida evidenzia che puoi combinare compiti, ad esempio aggiungere un soggetto e cambiare lo sfondo insieme, o generare da riferimento immagine mentre ristilizzi.
Può sembrare poco, finché non produci su larga scala. Le operazioni sovrapposte possono significare:
- Meno passaggi “genera → esporta → modifica → reimporta”
- Meno generazioni sprecate in passaggi intermedi
- Più varianti utilizzabili per ciclo di iterazione
Cosa seguire dopo (direzione prodotto)
La guida menziona un nuovo percorso di flusso di creazione “omni/nuovo,” suggerendo un hub “omni” dove generazione e modifica coesistono invece di essere divisi in modalità separate.
E l’impostazione MVL è coerente con la traiettoria più ampia di Kling verso il “direttore con vincoli multimodali,” non solo digitare comandi.
Dove Kling O1 potrebbe fare la differenza: casi d’uso pratici
1) Contenuti narrativi brevi (continuità multi-inquadratura)
Personaggi ricorrenti e sequenze coerenti beneficiano maggiormente di ancoraggio soggetto + estensione scena.
2) Pubblicità di prodotto e brand (generazione varianti)
Se puoi fare: “stesso prodotto, nuovo ambiente, diversa illuminazione, togli riflessi, aggiungi una mano che lo tiene,” puoi produrre molteplici angolazioni pubblicitarie da un’unica base.
3) Flussi di lavoro dedicati a social volume
Un “clip principale,” poi 10 varianti: stili diversi, ore del giorno diverse, sfondi differenti, testo rimosso, ritmo camera esteso—tutto senza una pipeline completa di editor.
4) Previs / storyboard
Esplora movimenti camera, atmosfera, posizionamento, ritmo prima di impegnarti in una sequenza finale.
Modelli di prompt rapidi (compatibili MVL)
A) Scena base (blocca prima l’identità)
Usa riferimento soggetto + testo:
- Scena, ora/illuminazione, inquadratura e movimento camera, azione, atmosfera
- Vincoli negativi: deriva volto, spostamenti colore abito, deformazione logo
B) Passo modifica (post-produzione con una frase)
“Rimuovi X, cambia Y, mantieni identità invariata.”
C) Estendi scena (continua il movimento)
“Estendi 2–4 secondi, continua azione, mantieni tono, movimento fluido.”
Sono esattamente i comportamenti “istruzione + riferimento” che O1 mira a unificare.
Prova ora i modelli Kling su Flux AI (consigliato)
Se vuoi iniziare a generare oggi mentre l’approccio O1 (Omni One) evolve, prova queste opzioni attuali:
