El equipo de Kling AI de Kuaishou diseñó su modelo de cuarta generación, Kling 4.0, para quienes quieren dirigir una toma en lugar de apostarlo todo a un solo prompt. Fijas fotogramas clave en una línea de tiempo de hasta 30 segundos, asignas una función a cada archivo de referencia y el modelo rellena el movimiento, el trabajo de cámara y el sonido entre esos puntos de anclaje.
Próximamente
Este espacio de trabajo pronto ejecutará Kling 4.0
La generación se activa aquí en cuanto se conecte Kling 4.0. Ya puedes dar forma a la misma idea con los modelos de abajo y traer el prompt más adelante.
Empieza un proyecto con
Kling 4.0
Modelo de video basado en fotogramas clave de Kling AI
Perfil de modelo
Las cifras que determinan cuánto puede abarcar una sola generación de Kling 4.0, desde la duración del clip hasta la cantidad de archivos de los que puede aprender.
| Elemento | Kling 4.0 |
|---|---|
| Creado por | Kling AI, la plataforma de video de Kuaishou |
| Entradas | Texto, imágenes, clips de video, sujetos y referencias de voz |
| Duración del clip | De 3 a 30 segundos por generación |
| Control de línea de tiempo | Hasta 10 fotogramas clave |
| Referencias | Hasta 15 en total: 10 imágenes, 5 videos, 7 sujetos |
| Calidad de imagen | Hasta 4K; HDR de 10 bits en 1080p y 4K |
| Relaciones de aspecto | 16:9, 9:16, 1:1 y 21:9 ultrapanorámico |
| Sonido | Estéreo de dos canales con una sincronización labial más precisa |
| Texto y voz | Texto en pantalla y diálogos en nueve idiomas |
| Longitud del prompt | Hasta 8,000 tokens |
| Edición | Hasta 5 clips existentes, 30 segundos en total |
| Extensión | Una secuencia se puede extender hasta unos dos minutos |
Kling 3.0 ya producía tomas cinematográficas con sonido nativo. Kling 4.0 conserva esa base y, sobre todo, añade más espacio en la línea de tiempo y un control más preciso sobre ella.
Duración
Kling 3.0:3–15 segundosKling 4.0:3–30 segundos
Una escena completa con un planteamiento, una acción y un desenlace cabe en una sola toma, en lugar de dos clips unidos.
Control de fotogramas
Kling 3.0:Primer y último fotogramaKling 4.0:Hasta 10 fotogramas clave
También puedes fijar el punto medio del plano, como un giro de cabeza o el momento en que se revela un producto.
Calidad de imagen
Kling 3.0:Hasta 4KKling 4.0:Hasta 4K, HDR de 10 bits en 1080p y 4K
Los cielos y los tonos de piel se gradúan sin banding, y las luces altas conservan su detalle.
Relaciones de aspecto
Kling 3.0:16:9, 9:16, 1:1Kling 4.0:Agrega 21:9 ultrawide
Las composiciones panorámicas con estilo cinematográfico salen directamente del modelo, sin necesidad de recortes posteriores.
Sonido
Kling 3.0:Audio nativoKling 4.0:Audio estéreo, sincronización labial más precisa
Las líneas coinciden con el movimiento de la boca y el ambiente tiene espacio a la izquierda y a la derecha.
Un fotograma clave es una imagen fija anclada a un momento del clip. Kling 4.0 anima la trayectoria de un fotograma clave al siguiente, así que los fotogramas que elijas se convierten en el esqueleto de la toma. Un plan típico de cuatro puntos se ve así:
Fotograma inicial
Define el lugar, la luz y el sujeto principal. Esta es la primera imagen que ve quien mira.
Primer cambio
Fija el momento en que empieza la acción: un personaje se pone de pie, se levanta una tapa, un auto arranca.
Punto de inflexión
Fija el fotograma donde el plano cambia de dirección, como en una revelación o un nuevo ángulo de cámara.
Fotograma final
Bloquea el final para que el clip cierre en una composición desde la que puedas cortar o extender.
Dos fotogramas clave bastan para un movimiento sencillo. Agrega más solo donde un momento deba verse exactamente como lo planeaste: cada fotograma clave adicional reduce lo que el modelo puede inventar entre ellos.
Omni Reference permite que una sola tarea admita varios tipos de material fuente a la vez. Cada tipo tiene su propio límite dentro del total compartido de 15.
| Entrada | Hasta | Ideal para |
|---|---|---|
| Imágenes | 10 | Turnarounds de personajes, ángulos de producto, locaciones, storyboards y style frames |
| Videos | 5, 30 s combinados | Movimiento, coreografía, trayectorias de cámara y ritmo a seguir |
| Temas | 7 | Personas, mascotas o productos recurrentes que deben verse igual en todo momento |
| Voz | Compatible | El tono y el timbre de un personaje que habla |
Indica el rol de cada archivo en el prompt, por ejemplo: «la imagen 2 es la chaqueta, el video 1 es el movimiento de cámara». Las referencias sin un rol definido compiten entre sí.
Flash es la edición ligera de la misma generación de modelos. Renuncia a duración, resolución y fotogramas clave a cambio de resultados más rápidos.
Para las piezas terminadas que planeas publicar
Para borradores, pruebas y alto volumen
Una rutina práctica: prueba varias ideas rápidamente en Flash, luego vuelve a crear en el modelo completo la que decidas conservar y añade keyframes donde importe.
Cada uno puede entregar una toma completa de 30 segundos de una sola vez. Donde se diferencian es en cómo les indicas qué hacer.
| Comparación | Kling 4.0 | Seedance 3.0 |
|---|---|---|
| Generación individual más larga | 30 segundos | 30 segundos |
| Forma principal de dirigir | Fotogramas clave anclados en una línea de tiempo | Un conjunto de referencias más un prompt escrito |
| Capacidad de referencia | 15 entradas: 10 imágenes, 5 videos, 7 sujetos | 50 entradas: 30 imágenes, 10 videos, 10 archivos de audio |
| Audio como entrada | Referencias de tono de voz | Hasta 10 archivos de audio |
| Más fuerte en | Temporización exacta de los momentos clave, entrega en HDR | Briefs multimodales extensos, planificación de escenas con bloqueo de cámara |
Elige Kling 4.0 cuando momentos específicos deban aparecer en momentos específicos. Elige Seedance 3.0 cuando el brief sea una gran colección de imágenes, clips y sonido de la que el modelo deba aprender.
Los prompts largos funcionan cuando cada parte tiene un lugar fijo. Escríbelos en este orden y limita cada parte a una frase o dos.
1. Asunto
Un ciclista con una chaqueta impermeable amarilla
2. Acción
frena, se baja de la bicicleta y mira hacia arriba
3. Configuración
en una calle de adoquines mojados al atardecer
4. Cámara
un travelling bajo que se eleva hasta convertirse en un movimiento de grúa
5. Ligero
Letreros de neón reflejados en los charcos
6. Sincronización
0–10 s montando, 10–20 s deteniéndose, 20–30 s mirando hacia arriba
7. Sonido
lluvia, el siseo de unos neumáticos, el timbre lejano de un tranvía
8. Referencias
el sujeto 1 es el ciclista, la imagen 3 es la calle
0–8 s: el vapor se eleva de una taza de cerámica sobre un mostrador de madera iluminado por el sol, acercamiento lento. 8–16 s: la mano de un barista desliza la taza hacia adelante y el enfoque se desplaza hacia el latte art. 16–24 s: un asiento junto a la ventana, una mujer da el primer sorbo y sonríe. 24–30 s: plano general de la cafetería a la hora dorada. Sonido: el zumbido del molinillo, guitarra acústica suave, una taza que se posa sobre su plato.
Un dron se desliza sobre campos de arroz en terrazas al amanecer, con la niebla asentada en los valles y un agricultor caminando por el borde de un terraplén. La cámara desciende lentamente y termina a la altura de los ojos, junto al agricultor. Solo cantos de pájaros y viento, sin música.
Una cocina de noche bajo una cálida luz práctica. El sujeto 1, un hombre mayor, pregunta: «¿Ya lo terminaste?». El sujeto 2, una adolescente, levanta un cuaderno de bocetos y responde: «Casi». Plano medio de dos, ligero movimiento de cámara en mano, tono ambiente estéreo silencioso.
La imagen 1 es la zapatilla, la imagen 2 es el fondo de estudio. La zapatilla gira una vez sobre una plataforma giratoria brillante mientras una luz suave recorre la malla; la cámara termina en un ángulo heroico de tres cuartos. Un pulso electrónico suave de fondo.
La línea de tiempo más larga y el control de fotogramas clave rinden más en trabajos donde el timing y la consistencia son parte del brief.
Respuestas breves sobre la duración, la calidad de imagen, el control, el sonido y cómo se posiciona Kling 4.0 frente a otros modelos de video.
Es el cuarto gran modelo de video lanzado por Kling AI, el equipo de video generativo de Kuaishou. Dale texto, imágenes fijas, clips cortos y referencias de sujetos, y te devuelve un clip de 3 a 30 segundos con sonido, respetando hasta 10 fotogramas clave que coloques en la línea de tiempo.
Treinta segundos por generación, con un mínimo de tres segundos. Si necesitas algo más largo, extiende el clip terminado; las extensiones pueden alargar una escena hasta unos dos minutos.
Hasta 4K. Tanto la salida en 1080p como la de 4K ofrecen HDR de 10 bits, así que los atardeceres y los tonos de piel aguantan la corrección de color sin escalones visibles. La edición Flash, más ligera, se queda en 720p con SDR de 8 bits.
Colocas hasta 10 imágenes fijas en los momentos que elijas del clip. El modelo las toma como puntos fijos y genera el movimiento entre ellas.
Usa dos fotogramas clave para un movimiento simple de principio a fin, y agrega más solo donde un momento deba verse exactamente como lo planeaste.
Hasta 15 en total:
Las referencias de voz también pueden definir el tono de un personaje que habla.
Flash está optimizado para la velocidad, no para el acabado. Genera hasta 20 segundos a hasta 720p en 8-bit SDR y no admite entradas de primer/último fotograma ni de múltiples keyframes. Cambia al modelo completo cuando necesites la duración de 30 segundos, los keyframes, el presupuesto completo de referencias, 4K o HDR.
Sí. Genera audio estéreo de dos canales junto con la imagen, incluidos diálogos, sonido ambiente y efectos, con una sincronización labial más precisa que la de los modelos anteriores de Kling.
Los personajes pueden hablar en nueve idiomas, con margen para distintos acentos y dialectos. El modelo también puede renderizar texto en pantalla en nueve idiomas, además de emojis.
Sí. Su modo de edición acepta hasta cinco clips existentes, 30 segundos en total, y puede cambiar un sujeto, el fondo, la expresión, el ángulo de cámara o una línea de diálogo a partir de una instrucción de texto, imagen o sujeto.
Sí. Además de 16:9, 9:16 y 1:1, Kling 4.0 añade un formato ultrapanorámico de 21:9 para composiciones de estilo cinematográfico.
Los prompts pueden alcanzar los 8,000 tokens, suficiente para un guion cronometrado con notas de cámara, diálogos e indicaciones de sonido. El orden importa más que la longitud: enumera sujeto, acción, escenario, cámara, luz, tiempos y sonido siempre en la misma secuencia.
Sí, si necesitas clips de más de 15 segundos, control sobre momentos en medio de un plano, salida HDR o un encuadre 21:9. Para clips cortos de una sola acción, Kling 3.0 sigue siendo una opción sólida.
Elige Kling 4.0 cuando el momento exacto sea decisivo, porque sus keyframes definen qué ocurre y cuándo. Elige Seedance 3.0 cuando quieras guiar el resultado con un amplio conjunto de referencias; acepta hasta 50 imágenes, videos y archivos de audio en una sola tarea.
Registra a la persona como referencia de sujeto, muéstrala en el fotograma clave inicial y refiérete a ella con la misma etiqueta en todo el prompt. Una persona, una referencia: dos fotos diferentes del mismo personaje empujan el resultado en dos direcciones.
