Kling v3: Frames prüfen und den Fünf-Sekunden-Schnitt planen

Vor dem Festlegen eines Fünf-Sekunden-Schnitts die dekodierten Frames prüfen

Eine Anfrage über fünf Sekunden reicht nicht aus, um einen Kling v3-Clip in ein exakt 120 Frames langes Zeitfenster bei 24 fps einzupassen. Prüfen Sie die gelieferte Datei. Beim vorhandenen Orux-Beispiel einer Mundharmonika-Stimmzunge beträgt die angeforderte Dauer fünf Sekunden; die gespeicherte MP4 enthält jedoch 121 dekodierte Videoframes bei 24 fps und meldet eine Dauer von 5.041667 Sekunden. Das ist eine Schnittgrenze, über die entschieden werden muss, für sich allein aber kein Beleg für eine fehlgeschlagene Generierung oder eine falsche Abrechnung.

Für jemanden, der eine mechanische Detailaufnahme schneidet, ist ein nach Frame-Index gegliederter Übernahmebericht hilfreich. Das folgende Python-Beispiel erstellt eine vollständige Zeitstempel-CSV und einen Schnittvorschlag: Die bei null beginnenden Frames 0–119 bleiben für das Fünf-Sekunden-Zeitfenster erhalten; Frame 120 wird gesondert geprüft. Das Skript verändert oder exportiert das Video nicht. Die Quelle ist unten verfügbar, sodass Sie neben dem Timing auch die sichtbare Handlung beurteilen können.

Tatsächlicher Quellframe 72, Darstellungszeit 3.000000 Sekunden. Er wurde aus dem vorhandenen Modellbeispiel extrahiert und ist kein neu generiertes Bild.

Der tatsächliche Kling v3-Fall und seine gespeicherten Einstellungen

Die Quelle stammt von der Orux-Modellseite für Kling v3. Das gespeicherte Beispiel zeigt in einer extremen Nahaufnahme, wie eine Pinzette auf eine kupferne Mundharmonika-Stimmzunge einwirkt. Der ursprüngliche Prompt wird hier unverändert wiedergegeben:

维修者用细镊子轻拨一片铜簧片，簧片短暂振动后静止，超近距单镜头。

Übersetzung für die Leserschaft: „Eine Person zupft bei einer Reparatur mit einer feinen Pinzette vorsichtig an einer kupfernen Stimmzunge; die Zunge schwingt kurz und kommt dann zur Ruhe, in einer einzigen extremen Nahaufnahme.“ Diese Übersetzung erklärt die gespeicherte Eingabe; sie wurde nicht als anderer Prompt für eine neue Generierung verwendet.

Die gespeicherten Einstellungen lauten duration: 5, aspect_ratio: "16:9", mode: "std", sound: "off" und kling_v3_type: "t2v". Für diesen Fall ist kein Referenzbild als Eingabe verzeichnet. Beschreiben Sie ihn nicht als nachgewiesenen Image-to-Video-Test zur Motivtreue. Für diesen Artikel wurde keine neue Modellanfrage ausgeführt.

Gespeichertes Kling v3-Originalbeispiel, mit fünf Sekunden im Modus std und ausgeschaltetem Ton angefordert. Die hier geprüfte Datei umfasst 121 Frames bei 24 fps; sie wurde nicht neu für diesen Artikel generiert.

Das am 3. November 2026 geprüfte aktuelle öffentliche Formular bietet Dauern von 3 bis 15 Sekunden, die Seitenverhältnisse 16:9, 9:16 und 1:1, die Modi std/pro sowie Ton an/aus. Diese Optionen beschreiben die geprüfte Orux-Integration. Die Analyse leitet daraus keine weiteren nativen Modellsteuerungen ab und behauptet nicht, dass die Wahl eines anderen Modus eine sichtbare Bewegung korrigieren würde.

Was sechs ausgewählte Frames zeigen – und was sie nicht beweisen

Die Quelle hat 1.280 × 720 Pixel, und die geprüfte Datei enthält keinen Audiostream, passend zur gespeicherten Einstellung mit ausgeschaltetem Ton. Zu den ausgewählten Zeitpunkten bleibt der Bildausschnitt eine Nahaufnahme von Fingern, Pinzette und Stimmzunge. Um drei Sekunden verändert sich die sichtbare Form der Zunge im Kontaktbereich; in späteren ausgewählten Frames ist das Werkzeug gegenüber dieser Kontaktposition zurückgezogen.

Diese Beobachtungen helfen bei der Entscheidung, wo die Handlung in einem Schnitt liegen soll. Sie messen weder die Schwingungsfrequenz einer echten Stimmzunge noch belegen sie mechanische Genauigkeit oder Artefaktfreiheit jedes Zwischenframes. Ein einzelnes Standbild pro Sekunde kann keinen schnellen Schwingungszyklus nachweisen. Sehen Sie sich den Originalclip und die relevanten Zwischenframes an, bevor Sie ihn für mehr als eine illustrative Einblendung verwenden.

Horizontal wischen, um die ganze Tabelle zu sehen.

Quellframes 0, 24, 48, 72, 96 und 120 zu ihren erfassten Darstellungszeiten. Die Frames zeigen jeweils die vollständige Komposition; Beschriftungen und Kontaktbogenlayout wurden lokal ergänzt.

Für eine andere visuelle Entscheidung behandelt der Kling 4.0-Vergleich von Aufnahmen mit identischem Prompt die Auswahl zwischen vorhandenen Takes. Hier gibt es nur einen gespeicherten Take; die Frage ist, wie sein tatsächliches Frame-Timing in einen Schnitt passt. Keiner der beiden Artikel macht aus wenigen Beobachtungen eine Zuverlässigkeitsbewertung des gesamten Modells.

Den Zeitstempel des letzten Frames von der Clipdauer unterscheiden

Bei exakt 24 fps beträgt ein Frameintervall 1/24 Sekunde, also ungefähr 0.041667 Sekunden. Ein Fünf-Sekunden-Zeitfenster enthält 120 Frameintervalle. Bei einer Zählung ab null und einer bei Zeit null beginnenden Quelle liegen die Frameanfänge bei 0, 1/24, 2/24 und so weiter bis 119/24, also 4.958333 Sekunden.

Der nächste Frame, Index 120, beginnt bei 5.000000 Sekunden. Wird dieser Frame für ein weiteres Intervall eingeschlossen, ergibt sich 121/24, also ungefähr 5.041667 Sekunden. Das erklärt, warum der letzte Darstellungszeitstempel einer Datei und ihre gemeldete Dauer voneinander abweichen können, ohne einander zu widersprechen. Ein als halboffenes Intervall [0, 5) ausgedrücktes Zeitfenster schließt einen Frame aus, dessen Beginn genau bei fünf Sekunden liegt.

Die Prüfung verwendet tatsächliche Darstellungszeitstempel, statt lediglich eine Angabe zur durchschnittlichen Bildrate zu multiplizieren und auf das Ergebnis zu vertrauen. Sie kontrolliert, ob jeder dekodierte Zeitstempel innerhalb von zwei Mikrosekunden auf dem angenommenen 24-fps-Raster liegt. Dabei wird die in diesem Lauf zurückgegebene Darstellung mit sechs Nachkommastellen berücksichtigt. Diese Toleranz dient als Parsing-Prüfung für dieses Beispiel, nicht als Schwelle für wahrnehmbare Qualität.

Übertragen Sie dieselbe Rechnung nicht ungeprüft auf Dateien mit variabler Bildrate oder ein Projekt mit 23.976 fps. Dafür ist eine andere Timing-Regel nötig. Der Code weist eine andere durchschnittliche Bildrate und Zeitstempelfolgen zurück, die seiner Annahme einer konstanten Bildrate widersprechen. Seine Ausgabe ist ein eng definierter Übernahmeplan, kein automatisches Werkzeug zur Bildratenkonvertierung.

Die angeforderten Einstellungen getrennt von der Dateiprüfung budgetieren

Die folgenden aktuellen Orux-Tarife wurden am 3. November 2026 geprüft. Die konfigurierte Umrechnung beträgt 1 Credit = USD 0.005. Die Werte gelten pro generierter Sekunde für den jeweils angegebenen Modus und die Toneinstellung. Die Fünf-Sekunden-Spalte ist eine rechnerische Planung für eine neue Anfrage, nicht die historische Abrechnung des gespeicherten Beispiels.

Horizontal wischen, um die ganze Tabelle zu sehen.

Für diesen Artikel fiel keine neue Generierungsgebühr an. Die Untersuchung einer vorhandenen lokalen Datei, das Schreiben einer CSV und die Entscheidung über zu behaltende Frames benötigen keinen weiteren Modellaufruf. Auch das Entfernen eines Frames im Schnitt begründet keine Rückerstattung und ändert nicht die historische Generierungsgebühr. Hier wurde kein Abrechnungsbeleg für den ursprünglichen Fall verwendet. Seine Dateimetadaten von 5.041667 Sekunden dürfen daher nicht als Beweis für die abgerechnete Sekundenzahl dargestellt werden.

Wenn eine neue gestalterische Richtung erforderlich ist, prüfen Sie vor dem Anfordern eines weiteren Takes die aktuellen Einstellungen und das kontobezogene Angebot. Wenn es lediglich darum geht, ein ansonsten brauchbares Ergebnis in ein exaktes Zeitfenster einzupassen, klären Sie zuerst die Schnittentscheidung. Integrationsdetails stehen in der Orux-API-Dokumentation. Dieser Ablauf betrifft die gelieferte Datei, nicht API-Polling oder Wiederholungsmechanismen.

Die Frameprüfung ausführen und die Quelle aufbewahren

Installieren Sie FFmpeg so, dass ffprobe auf der Kommandozeile verfügbar ist, und verwenden Sie Python 3.9 oder neuer. Die offizielle ffprobe-Dokumentation erklärt die Untersuchung von Streams, die Zählung dekodierter Frames und Informationen zu einzelnen Frames. Das Programm verwendet neben der lokalen ausführbaren Datei ffprobe ausschließlich die Python-Standardbibliothek.

Speichern Sie das vorhandene Video aus dem eingebetteten Player oder von der Modellseite als source.mp4 und den folgenden Code als audit_clip.py. Führen Sie python3 audit_clip.py source.mp4 in einem beschreibbaren Verzeichnis aus. Nutzen Sie den normalen Videozugriff der Website; ein direkter Downloader ohne den von der Website erwarteten Anfragekontext kann vom CDN abgewiesen werden. Das Programm selbst lädt keine Medien herunter, kontaktiert keinen Modellendpunkt und verwendet keinen API-Key.

import csv
import hashlib
import json
import subprocess
import sys
from decimal import Decimal
from fractions import Fraction
from pathlib import Path

EXPECTED_SHA = '5c948c89baf54c46c85afe65c33636bebb8a6a79acc22eebcce2412aef3e5515'
SOURCE = Path(sys.argv[1] if len(sys.argv) > 1 else 'source.mp4')
TARGET_RATE = Fraction(24, 1)
TARGET_SECONDS = 5

def probe(*args):
    command = ['ffprobe', '-v', 'error', *args, '-of', 'json', str(SOURCE)]
    return json.loads(subprocess.run(command, check=True, capture_output=True, text=True).stdout)

def audit_timestamps(times, rate):
    if not times or rate <= 0:
        raise ValueError('missing frames or invalid rate')
    origin = times[0]
    for index, timestamp in enumerate(times):
        expected = origin + Decimal(index * rate.denominator) / rate.numerator
        if abs(timestamp - expected) > Decimal('0.000002'):
            raise ValueError('timestamps do not match the assumed constant rate')

def main():
    if hashlib.sha256(SOURCE.read_bytes()).hexdigest() != EXPECTED_SHA:
        raise ValueError('sample changed; inspect the new file before auditing')
    info = probe('-count_frames', '-show_entries',
                 'stream=index,codec_type,width,height,avg_frame_rate,nb_read_frames:format=duration')
    video = next(s for s in info['streams'] if s['codec_type'] == 'video')
    rate = Fraction(video['avg_frame_rate'])
    if rate != TARGET_RATE:
        raise ValueError('this example expects an exact 24 fps source')
    raw = probe('-select_streams', 'v:0', '-show_frames', '-show_entries',
                'frame=best_effort_timestamp_time')['frames']
    times = [Decimal(row['best_effort_timestamp_time']) for row in raw]
    audit_timestamps(times, rate)
    if int(video['nb_read_frames']) != len(times):
        raise ValueError('decoded frame counts disagree')
    target_count = TARGET_SECONDS * TARGET_RATE.numerator // TARGET_RATE.denominator
    if len(times) < target_count:
        raise ValueError('source is shorter than the target slot')
    with Path('frame-times.csv').open('w', newline='') as handle:
        writer = csv.writer(handle)
        writer.writerow(['zero_based_frame', 'presentation_seconds'])
        writer.writerows((i, str(t)) for i, t in enumerate(times))
    plan = {
        'width': video['width'], 'height': video['height'],
        'source_rate': str(rate), 'decoded_frames': len(times),
        'container_seconds': info['format']['duration'],
        'last_presentation_seconds': str(times[-1]),
        'audio_streams': sum(s['codec_type'] == 'audio' for s in info['streams']),
        'target_frames': target_count, 'keep_frames_inclusive': [0, target_count - 1],
        'last_kept_presentation_seconds': str(times[target_count - 1]),
        'frames_outside_slot': len(times) - target_count,
        'edit_applied': False,
    }
    Path('edit-plan.json').write_text(json.dumps(plan, indent=2) + '\n')
    print(json.dumps(plan, indent=2))

if __name__ == '__main__':
    main()

Das tatsächlich ausgeführte Ergebnis meldet decoded_frames: 121, target_frames: 120, keep_frames_inclusive: [0, 119], frames_outside_slot: 1, last_kept_presentation_seconds: "4.958333" und edit_applied: false. Die erzeugte CSV enthält 121 Datenzeilen plus Kopfzeile. Der Bericht hält außerdem die Maße von 1.280 × 720 Pixeln und null Audiostreams fest.

Bewahren Sie die ursprüngliche MP4, ihren Hash, die Zeitstempel-CSV und den Schnittplan gemeinsam auf. Der fest vorgegebene Hash begrenzt dieses reproduzierbare Beispiel bewusst auf die geprüfte Datei. Prüfen Sie eine andere zur Nutzung freigegebene Quelle und passen Sie erwarteten Hash und Timing-Annahmen gezielt an. Entfernen Sie Prüfungen nicht bloß, um ein erfolgreiches Ergebnis zu erzwingen. Dieser Code lädt Metadaten jedes Frames in den Arbeitsspeicher und ist für einen kurzen Clip ausgelegt, nicht für ein Langform-Medienarchiv.

Die Schnittentscheidung ausdrücklich treffen

Für dieses Beispiel gibt es zwei sinnvolle Entscheidungen. Behalten Sie die vollständige Quelle mit 121 Frames, wenn die umgebende Sequenz Platz für ungefähr 5.041667 Sekunden hat, oder schlagen Sie Frames 0–119 für ein exaktes Zeitfenster mit 120 Frames vor. Hier wird der zweite Plan erzeugt. Ein gekürzter Export wird weder geliefert noch behauptet.

Prüfen Sie vor der Umsetzung dieses Plans im Schnittprogramm die Quellframes 119 und 120 sowie die vollständige Handlung um diese Grenze. Stellen Sie sicher, dass der gewählte Ausstiegspunkt keine wichtige Schlussposition entfernt, keinen unbeabsichtigten Sprung erzeugt und nicht mit einer benachbarten Aufnahme kollidiert. Braucht das Projekt eine längere Ruhephase am Ende, kann bereits das vorhandene Fünf-Sekunden-Zeitfenster die falsche gestalterische Vorgabe sein. Eine Framezählung kann diese künstlerische Entscheidung nicht für Sie treffen.

Prüfen Sie nach einem Schnitt oder Export in Ihrem eigenen Ablauf die neue Datei erneut. Der Quellbericht bestätigt weder Timing noch Ton oder Bildqualität eines späteren Exports. Das praktische Ergebnis ist hier eine nachvollziehbare Übergabe: eine bekannte Quelle, gemessene Zeitstempel, ein ausdrücklich vorgeschlagener Framebereich und eine klare Trennung zwischen gestalterischer Prüfung, Zeitleistendauer und Generierungskosten.

FAQ

Q.Liefert eine Fünf-Sekunden-Anfrage immer 121 Frames?

Hier wird keine allgemeine Regel festgestellt. Diese konkrete gespeicherte Kling v3-Datei enthält 121 dekodierte Frames bei 24 fps. Prüfen Sie jede gelieferte Datei, statt das Verhalten dieses Beispiels an der Zeitgrenze als modellweite Garantie zu behandeln.

Q.Welche Frames passen in diesem Beispiel in das exakte Fünf-Sekunden-Zeitfenster?

Frames 0 bis 119 passen in das angegebene Zeitfenster mit 120 Frames bei 24 fps. Frame 119 beginnt bei 4.958333 Sekunden; Frame 120 beginnt bei 5.000000 Sekunden und liegt außerhalb von [0, 5). Der Code schlägt diesen Bereich vor, ohne einen Schnitt anzuwenden.

Q.Beweist der zusätzliche Frame, dass zusätzliche Zeit berechnet wurde?

Nein. Die Dateidauer allein belegt weder die Abrechnungsgrundlage noch die historische Gebühr. Die Preistabelle ist eine datierte Planungsrechnung für angeforderte Einstellungen; ein Abrechnungsbeleg für das gespeicherte Beispiel wurde nicht geprüft.

Q.Kann der Kontaktbogen belegen, dass die Stimmzunge korrekt schwingt?

Nein. Er zeigt ausgewählte Positionen und Werkzeugstellungen, keine gemessene physikalische Schwingung. Prüfen Sie die Originalbewegung auf ihre Eignung für den Schnitt und verwenden Sie diesen generierten Clip nicht als Nachweis mechanischer Genauigkeit.

Q.Hat die Prüfung ein Video generiert oder verändert?

Nein. Sie hat die vorhandene MP4 untersucht und eine Zeitstempel-CSV sowie einen vorgeschlagenen Schnittplan als JSON geschrieben. Es gab keinen kostenpflichtigen Modellaufruf und keinen gekürzten Export, keine Bildratenkonvertierung und keine neue Tonspur.