30 s
Tiempo en pantalla
Una generación dura hasta 30 segundos sin cortes; Kling 3.0 se detenía en 15. El clip terminado puede ampliarse después, hasta una duración conjunta de 2 minutos como máximo.
Próximamente
Kling 4.0 aún no está abierto para generar en este sitio
Los controles de esta página solo muestran una vista previa del diseño y no envían nada. Hasta que Kling 4.0 se habilite en este sitio, los modelos de video siguientes están listos para su uso.
Disponibles hoy
Kling 4.0
Texto e imagen a video
Capacidades del modelo
Los límites del modelo se agrupan en cuatro bloques. Cada bloque responde a una pregunta de planificación que surge antes de redactar el prompt.
30 s
Una generación dura hasta 30 segundos sin cortes; Kling 3.0 se detenía en 15. El clip terminado puede ampliarse después, hasta una duración conjunta de 2 minutos como máximo.
10 fotogramas clave
Se pueden situar hasta 10 fotogramas fijos a lo largo del clip. Cada uno es una imagen por la que el video debe pasar, de modo que al modelo solo le corresponde resolver cómo avanza la escena de una a la siguiente.
15 referencias
Cada generación admite 15 referencias. Las imágenes pueden ocupar hasta 10 de esos lugares, los videos hasta 5 y los sujetos hasta 7. Mantienen estable un rostro, un producto o un estilo visual durante todo el clip y también permiten dirigir cambios sobre metraje ya existente.
4K HDR
La salida alcanza 4K, y tanto el ajuste de 1080p como el de 4K pueden entregarse en HDR de 10 bits. El sonido llega junto con el video como pista estéreo de dos canales, y el movimiento de los labios sigue al habla con mayor precisión que en versiones anteriores.
Las cifras se agrupan según la fase del proyecto en la que resultan relevantes.
Los fotogramas clave y la mayoría de las referencias son imágenes fijas, por lo que el aspecto de una toma puede quedar definido antes de generar ningún video. Conviene seguir los pasos en orden.
Cree o reúna los fotogramas que la toma debe contener: la vista inicial, el punto de giro y la imagen final. Un modelo de imagen es la vía más rápida para obtener imágenes fijas coherentes en un mismo estilo.
Crear imágenes fijas con Nano Banana ProDisponga las imágenes como fotogramas clave en la secuencia en que el público las verá. Kling 4.0 admite hasta 10, aunque un movimiento sencillo de A a B queda descrito por completo con dos.
Añada referencias para todo aquello que deba seguir siendo reconocible: una persona, un producto, un lugar o una estética. El cupo de 15 rinde más cuando cada archivo cumple una función distinta, por lo que conviene descartar los casi duplicados.
Reserve el prompt para lo que las imágenes fijas no pueden mostrar: cómo se mueven los sujetos, hacia dónde va la cámara, qué se dice y qué se oye. El margen de 8.000 tokens permite escribirlo en el orden en que sucede.
Seleccione la relación de aspecto según el destino, por ejemplo vertical para feeds móviles o 21:9 para un encuadre cinematográfico, y después la resolución. El HDR de 10 bits en 1080p o 4K es adecuado para metraje que se someterá a corrección de color.
Relacione la necesidad de la toma con el modelo. Cada fila indica el factor decisivo.
| La toma requiere | Modelo | Motivo |
|---|---|---|
| Una toma única de más de 15 segundos, con fotogramas concretos fijados a lo largo del recorrido | Kling 4.0 | Generaciones de hasta 30 segundos y hasta 10 fotogramas clave. |
| Un clip cinematográfico breve con sonido, en calidad Standard o Pro | Kling 3 | Clips de 3, 5, 10 o 15 segundos con audio nativo, a partir de texto o de una imagen de referencia. |
| Un fotograma inicial y uno final, o cambios en un video existente | Kling o3 | Un modelo omni con control del primer y del último fotograma y edición de video. |
| Un conjunto amplio de material de referencia variado | Seedance 2.5 | Admite hasta 50 materiales de referencia multimodales y produce hasta 30 segundos en hasta 4K. |
Kling 4.0 cuenta con una edición más ligera. Flash da prioridad a la velocidad y al costo por clip, mientras que el modelo completo da prioridad al realismo y al control.
Cada plan enumera por separado las imágenes fijas, las referencias y el prompt, porque el modelo los recibe como entradas independientes.
Vertical · 30 segundos
21:9 · 30 segundos
Panorámico · 15 segundos
Los clips más largos dan más tiempo a que se aprecien las pequeñas incoherencias. Cinco comprobaciones detectan la mayoría.
Los fotogramas clave creados con iluminación, ópticas o paletas distintas producen saltos visibles. Genérelos como un conjunto y compárelos uno junto a otro.
Prepare las imágenes fijas en la relación de aspecto del video final. Una imagen cuadrada no puede llenar un encuadre 21:9 sin recortes ni bordes inventados.
Una referencia que discrepa de un fotograma clave, como una chaqueta o un peinado distintos, deja el resultado al azar. Retire uno de los dos.
Indique qué debe oírse y desde qué lado. En una pista de dos canales, la posición forma parte de la descripción.
Cierre el último segundo con una imagen estable. La edición, la reproducción en bucle y la ampliación parten de ese fotograma.
Respuestas prácticas para planificar el trabajo en torno al modelo.
La empresa es Kuaishou; Kling AI es el nombre de su plataforma de generación de video y de la línea de modelos. Kling 4.0 es la cuarta generación de esa línea y se ofrece en dos ediciones: el modelo completo y Kling 4.0 Flash.
No. Los 30 segundos se generan de forma nativa en una sola pasada, por lo que no hay uniones que disimular. Kling 3.0 producía como máximo 15 segundos por generación. Cuando una escena necesita más tiempo, el clip terminado puede ampliarse hasta un total de 2 minutos.
No. Kling 4.0 también trabaja solo con texto o con una única imagen. Los fotogramas clave son opcionales y resultan útiles cuando determinadas imágenes deben aparecer en puntos concretos; pueden aportarse hasta 10.
El límite se aplica al total de todos los tipos. Dentro de él, una generación puede incluir hasta 10 imágenes, hasta 5 videos y hasta 7 sujetos, en cualquier combinación que no supere las 15.
Una señal de 10 bits registra 1.024 niveles por canal de color, frente a los 256 de una de 8 bits. Por ello, cielos, sombras y pieles muestran transiciones más suaves, y el metraje tolera una corrección de color más intensa. En Kling 4.0, este modo HDR está disponible tanto para la salida en 1080p como en 4K.
Sí. El audio se produce junto con el video como pista estéreo de dos canales. La voz no se limita a un solo idioma: entre los admitidos figuran inglés, chino, español, japonés y coreano, con acentos y dialectos regionales, y el movimiento de los labios sigue las palabras con mayor exactitud que en versiones anteriores de Kling.
Se cubren las salidas panorámica, vertical y cuadrada, a las que se suma un encuadre ultrapanorámico de 21:9 para composiciones con la proporción de las pantallas de cine.
Sí, de 8.000 tokens. En la práctica, ese límite rara vez es la restricción; lo es la claridad. Escriba los sucesos en el orden en que ocurren y mantenga una sola instrucción por frase.
Flash está concebido para el ritmo y la economía, no para la máxima fidelidad. Devuelve resultados antes y con un costo menor por clip, lo que lo convierte en la opción práctica para probar ideas y publicar en volumen. Las piezas terminadas que dependen del realismo y del control corresponden al modelo completo.
Kling 3 pertenece a la misma familia y genera clips de 3 a 15 segundos con audio nativo en calidad Standard o Pro. Seedance 2.5 iguala la duración de 30 segundos y el máximo de 4K, y admite hasta 50 materiales de referencia multimodales. Kling o3 cubre el control del primer y del último fotograma y la edición de video.
Los modelos de video de este sitio se pagan con créditos. En Kling 3, por ejemplo, la cantidad depende de la duración, del modo de calidad y de si el audio está activado. Los planes y los paquetes de créditos figuran en la página de precios.
Sí. Un fotograma clave es una imagen fija corriente, de modo que puede producirse en un modelo de imagen antes de la fase de video. Generar todas las imágenes fijas en una misma sesión, con las mismas instrucciones de estilo, las mantiene coherentes entre sí.