Mục đầu tiên luôn là nguồn của ghim. Độ tin cậy tổng thể là trung bình có trọng số về mức độ mỗi tài liệu ủng hộ thời điểm bắt đầu và kết thúc được dùng ở trên; một tài liệu được tính giảm một nửa cho mỗi 180 ngày cũ hơn tài liệu mới nhất.
ScriptByAI's[4] timeline dates Video 2.6 to 3 December 2025, two days after Video O1; the press release is datelined Beijing, 4 December ("today unveiled"), a time-zone difference.
5 December 2025: visuals, dialogue and sound effects in a single workflow.[1]
21 December 2025: voice control with custom voices, 3-30 second motion-control references, and API prices of about $0.07 to $0.14 per second on partner platforms.[1]
Dates VIDEO 2.6 to 3 December 2025 with Chinese and English voices and clips up to 10 seconds, and Voice Control to 16 December.[1]
Thiếu hay sai điều gì? Hãy nói bằng lời của bạn: một liên kết củng cố ghim này, một ngày bắt đầu hoặc kết thúc khác kèm lý do, hoặc một thông tin còn thiếu hay sai. AI đối chiếu với các nguồn của ghim này, tìm nguồn tốt hơn và thêm mọi trang ủng hộ bạn. Các nguồn của chính ghim vẫn được tính nhiều nhất. Hình ảnh thể hiện nội dung khác hoặc thể hiện kém cũng được xem xét, rồi bị hạ xuống hoặc thay thế.
| Spec |
|---|
| Value |
|---|
| 2.6 Pro, audio off | $0.07 per second (USD) |
|---|---|
| 2.6 Pro, audio on | $0.14 per second (USD) |
| 5 s with audio | $0.70 (USD) |
| 10 s with audio | $1.40 (USD) |
Prices as listed on the fal.ai endpoint page, read 24 Oct 2026. · nguồn
| Spec | Kling 2.5 Turbo | Kling 2.6 |
|---|---|---|
| Native audio | No joint audio published | Yes, English and Chinese |
2.6 is described by Kling as its model with native audio; the 2.5 Turbo release does not mention audio. · nguồn
Kling 2.6 is currently the state-of-the-art for public AI video generation.
Veed took exactly 1 minute and 25 seconds to create the five-second video.
Google Deepmind's Veo 3.1 follows at 0.480, Runway Gen-4 Turbo lands at 0.403, and Kuaishou's Kling 2.6 comes in at 0.369.
Like Google's Veo 3 or Sora 2, the model can generate sound effects that match video content, including voices and music.
