Kling po polsku: czy zrobi polski dialog? Mój test

👁 114 przeczytań

Kling po polsku mówi słabo: polskiego nie ma na oficjalnej liście języków ani Kling 3.0, ani Kling 4.0. Sprawdziłem to na łamańcu „W Szczebrzeszynie chrząszcz brzmi w trzcinie, a ja płacę trzydzieści dwa złote” w najnowszym Klingu dostępnym przez API (3.0 Turbo i 3.0 Pro), dołożyłem zdanie po angielsku i po niemiecku, a wynik porównałem z MiniMax H3, który czytelnicy polecają do polskiego dialogu. Samego Klinga 4.0 nie testowałem, bo nie ma go jeszcze w API.

Jakie języki obsługuje Kling

Lista języków mowy zmienia się z każdą wersją, ale polskiego nie ma w żadnej z oficjalnych. Poniżej zestawiam to, co producent napisał sam, bez dopowiadania.

Kling 4.0 obsługuje też dialekty chińskie (m.in. pekiński, tajwański, syczuański, kantoński) i akcenty angielskie (amerykański, brytyjski, indyjski). W jednym akapicie noty zamiast indonezyjskiego pojawia się hindi, więc lista nie jest do końca spójna. Oficjalne przykłady wielojęzyczne w nocie są po hiszpańsku i po koreańsku, co sprawdziłem, przepuszczając je przez whisper.

Jak zrobiłem test

28 września 2026 sprawdziłem, który Kling jest najnowszy w API. W OpenRouterze były 3.0 Pro, 3.0 Standard i O1, w fal.ai dodatkowo 3.0 Turbo i 3.0 Omni. Klinga 4.0 ani 4.0 Flash nie było nigdzie. Testowałem więc przez fal.ai trzy warianty:

• tylko po polsku, 5 sekund: Kling 3.0 Turbo Pro, Kling 3.0 Pro, MiniMax H3 i H3 Max. Klipy Turbo, H3 i H3 Max pochodzą z mojego testu do rankingu modeli wideo z tego samego dnia, z identycznym poleceniem, więc nie generowałem ich drugi raz;
• trzy języki w jednym klipie, 10 sekund: Kling 3.0 Turbo Pro i MiniMax H3. Po polsku łamaniec ze Szczebrzeszyna, po angielsku „She sells seashells by the seashore for thirty-two dollars.”, po niemiecku „Fischers Fritz fischt frische Fische für zweiunddreißig Euro.”.

Scena była wszędzie ta sama: kobieta przy kuchennym stole mówi do kamery, statyczne ujęcie, światło dzienne, bez napisów i muzyki. Każdy klip generowałem raz, bez losowania od nowa. Mowę sprawdziłem na dwa sposoby. Najpierw faster-whisper large-v3 (na procesorze), który mierzy, ile słów da się poprawnie rozpoznać (WER, odsetek błędnych słów po normalizacji liczb). Potem dałem samą ścieżkę dźwiękową modelowi Gemini 3.8 Flash z prośbą o ocenę fonetyczną: akcent, źle wymówione słowa, zrozumiałość od 1 do 10.

Wyniki: jedno zdanie po polsku

Zaskoczyły mnie dwie rzeczy. Kling nie przetłumaczył polskiej kwestii na angielski, choć tak zapowiada przewodnik do wersji 3.0: próbował mówić po polsku, tylko obcą fonetyką (w klipie trzyjęzycznym Gemini rozpoznało ją jako amerykańską). Whisper w trybie automatycznym nie rozpoznał nawet języka nagrania z Turbo (uznał je za ormiańskie z pewnością 0,32). Druga rzecz: droższy Kling 3.0 Pro wypadł gorzej od tańszego Turbo. Przy jednym podejściu na model to może być przypadek, ale żaden z dwóch Klingów nie zbliżył się do H3.

Wyniki: polski, angielski i niemiecki w jednym klipie

To najciekawszy wynik całego testu. Wygląda na to, że oba modele mają jeden „ojczysty” głos: Kling angielski, H3 polski. Zmiana języka w środku klipu nie zmienia akcentu, tylko słowa. To moja interpretacja dwóch klipów. Whisper tego nie wyłapie, bo angielskie zdanie H3 rozpoznał bezbłędnie mimo polskiej wymowy. Dopiero ocena fonetyczna pokazała różnicę: u H3 „she” brzmi jak „si”, a „the” jak „de”. Niemieckie zdanie było trudne dla obu, żaden model nie zrobił go dobrze.

Ocena Gemini to druga opinia, a nie wyrocznia: model dostał sam dźwięk i tekst, który miał paść. Jej wnioski zgadzają się jednak z liczbami z whispera w każdym przypadku, w którym whisper mógł coś zmierzyć.

Czy Kling 4.0 zrobi polski dialog

Nie wiem, bo nie mogłem go uruchomić. Nota Kling 4.0 dokłada niemiecki, francuski i portugalski, a lista kończy się słowami „i więcej”, więc polski teoretycznie może zadziałać lepiej niż w 3.0. Bez wymienienia go wprost nie zakładałbym tego przy planowaniu pracy. Gdy Kling 4.0 trafi do API, powtórzę test na tej samej kwestii i dopiszę wynik tutaj. Co wiadomo o nowej wersji, zebrałem w przewodniku po Kling 4.0.

Jak dziś zrobić polską mowę w wideo

• Polski dialog od razu w klipie: MiniMax H3 albo H3 Max. W moim teście H3 Max był najlepszy i najtańszy (0,04 USD za sekundę w 768p). Więcej o modelu w tekście Hailuo AI i MiniMax H3.
• Obraz z Klinga, głos osobno: wygeneruj klip bez mowy, nagraj lub zsyntetyzuj polską kwestię i dopasuj ruch ust. Kling ma do tego osobny tryb lip-sync z dźwięku (w fal.ai jako kling-video/lipsync/audio-to-video). Tego trybu nie testowałem.
• Angielski lektor, polskie napisy: jeśli materiał może być po angielsku, Kling mówi nim czysto, co widać i w moim teście, i w przykładach producenta.

Pozostałe modele na tych samych poleceniach porównuję w rankingu generatorów wideo AI.

Najczęstsze pytania

Czy Kling mówi po polsku?

Nie oficjalnie. Polskiego nie ma na liście języków ani Kling 3.0, ani Kling 4.0. W moim teście Kling 3.0 wypowiadał polskie zdanie z obcą wymową, a whisper źle rozpoznał od 33 do 83 proc. słów.

Jakie języki obsługuje Kling 4.0?

Według noty z 28 września 2026: chiński, angielski, japoński, koreański, hiszpański, portugalski, niemiecki, francuski i indonezyjski „i więcej”, plus dialekty chińskie i akcenty angielskie.

Który generator wideo najlepiej mówi po polsku?

W moim teście z 28 września 2026 najlepiej wypadł MiniMax H3 Max: polski łamaniec bez żadnego błędnego słowa, za 0,20 USD za 5 sekund. Zwykły H3 pomylił jedno słowo.

Czy Kling przetłumaczy polski tekst na angielski?

Przewodnik do Kling 3.0 tak zapowiada dla nieobsługiwanych języków, ale w moim teście tego nie zrobił. Próbował mówić po polsku, ale obcą fonetyką.