Cómo elegir imágenes de referencia para vídeo con IA

Junta de 15 a 30 candidatas en una sola carpeta: fotos del móvil, generaciones anteriores, fotos de producto, fotogramas de un vídeo. Los fotogramas son útiles porque muestran ángulos que casi nadie fotografía, pero tómalos de un momento nítido y bien iluminado, no en mitad del movimiento.

Elimina primero los duplicados y casi duplicados. Cinco fotos frontales casi idénticas hacen que el modelo esté más seguro del frente y no más seguro de nada más.

Cada imagen debe superar las cinco. Sé estricto: una imagen débil no solo no aporta nada, sino que arrastra el resultado hacia sus defectos.

1. Nitidez. Amplía al 100 % en los ojos o en el logotipo. Si están borrosos, descarta la imagen. Fallan el movimiento borroso, el enfoque perdido y la compresión excesiva.

2. Luz. El sujeto debe estar iluminado de forma suficientemente uniforme como para ver ambos lados de la cara o del producto. Fallan las sombras duras que cubren media cara, la luz de escenario de color y el contraluz fuerte. Una luz cálida en una imagen y fría en otra se traduce en cambios de color entre clips.

3. Fondo. Pasan los fondos lisos o ligeramente desenfocados. Fallan una calle concurrida, una pared con estampado, otras personas o textos legibles, porque el modelo puede tratar los elementos repetidos del fondo como parte del sujeto.

4. Mismo aspecto. El peinado, el maquillaje, las gafas, la longitud de la barba, la ropa o la variante de color del producto deben coincidir con el resto del conjunto. Una foto antigua con otro peinado es otra versión del personaje, aunque sea una gran foto.

5. Limpieza. Nada de filtros, retoque de belleza, marcas de agua, pegatinas, textos superpuestos ni recortes que corten la cabeza o el producto. El modelo trata todo esto como rasgos del sujeto.

De las imágenes que pasan, elige por ángulo, no por belleza. En una persona, el conjunto ideal es una vista frontal, una de tres cuartos, un perfil y una toma más abierta que muestre el cuerpo y la ropa. En un producto, son el ángulo principal, un lateral, la parte trasera y un primer plano del logotipo.

Ordena las supervivientes en esas posiciones y conserva la mejor imagen de cada una. Si una posición queda vacía, anótala. Es un hueco que rellenarás en el paso 4, no un motivo para dar por buena una imagen que ha fallado.

Ajusta el conjunto a la herramienta. A octubre de 2026, la guía de Kling para Kling 3.0 Omni admite hasta siete imágenes de referencia, o cuatro si se incluye un vídeo de referencia, cada una de al menos 300 píxeles por lado y como máximo 10 MB. El modo de referencia de Veo 3.1 admite tres. Cuando el límite es tres, usa frontal, tres cuartos y una toma abierta. Pon primero la vista frontal más clara, ya que muchas herramientas tratan la primera imagen como la principal.

El perfil que falta es el hueco más habitual. Puedes fotografiarlo si el sujeto está disponible, generarlo con el modo de edición de un modelo de imagen usando tu mejor vista frontal como entrada, o aceptar el hueco y evitar planos de perfil en tus escenas. Los ángulos generados deben superar las mismas cinco pruebas. Comprueba que la oreja, la línea de la mandíbula y el nacimiento del pelo coincidan con las imágenes reales.

Después haz una prueba breve: cuatro clips en situaciones distintas con el conjunto final. Si un tipo de plano sigue fallando, el conjunto te está indicando qué ángulo falta.

Usar solo las fotos más favorecedoras, que suelen ser todas frontales. Mezclar fotos de años distintos. Conservar una gran foto con gafas de sol cuando el personaje no las lleva. Recortar tanto que se corta la línea del pelo o la gorra del producto. Subir el número máximo de imágenes cuando solo tres son buenas.

Lista de comprobación: 15 o más candidatas; duplicados eliminados; cada imagen conservada supera nitidez, luz, fondo, mismo aspecto y limpieza; una imagen por posición de ángulo; mejor vista frontal primero; conjunto ajustado a la herramienta; huecos rellenados de forma deliberada; prueba de cuatro clips realizada.

RefVid acepta de 1 a 5 imágenes por personaje o producto, en JPG, PNG o WebP, de al menos 300 px y hasta 10 MB cada una, y usa la primera como vista principal. Eliges el conjunto una vez, y todos los vídeos de ese elemento se generan a partir de él con Kling 3.0 Omni.