Kling 4 Omni Reference: un personaje, en cada plano

La mayoría de las herramientas de texto a vídeo o de imagen a vídeo usan una sola imagen como fotograma inicial. Para un clip suelto funciona bien, pero al pedir una segunda escena el modelo reinventa al sujeto: el contorno de la mandíbula cambia, la raya del pelo se invierte, el logo de la taza se deforma. Un modelo de referencias funciona de otra forma. En lugar de animar un solo fotograma, lee un pequeño conjunto de imágenes como descripción de quién o qué debe aparecer, y construye un plano nuevo alrededor de esa descripción.

La línea Omni de Kling admite varias imágenes de referencia, y en algunos casos clips de referencia, en una sola petición. Según la guía de Kling, Kling 3.0 Omni acepta hasta 7 imágenes, o un vídeo de referencia más hasta 4 imágenes, con hasta 15 segundos por generación. Cuantos más ángulos le des, menos tendrá que adivinar.

Kling 4.0 pasó por acceso anticipado desde finales de septiembre de 2026 y se lanzó oficialmente en la propia app de Kling el 15 de octubre de 2026. En la app, Omni Reference acepta hasta 15 entradas por tarea: hasta 10 imágenes, hasta 5 vídeos que sumen 30 segundos, hasta 7 elementos y hasta 3 perfiles de voz. Los clips duran de 3 a 30 segundos.

Kling 4.0 también añade hasta 10 fotogramas clave para planos que deben cambiar con el tiempo. Para un personaje o producto consistente, el modo que importa es Omni Reference.

La API para desarrolladores todavía no está disponible de forma general. La plataforma para desarrolladores de Kling y fal.ai la muestran como próximamente. fal.ai ha publicado un precio para Kling 4.0 reference-to-video de 0,157 $ por segundo en 720p y 0,235 $ por segundo en 1080p, antes de abrir el acceso.

RefVid está diseñado para que el modelo que tiene debajo pueda cambiar sin que tengas que rehacer nada. Hoy funciona con Kling 3.0 Omni a través de fal.ai. Cuando se abra la API de Kling 4 Omni Reference, RefVid cambiará a ella, y tus personajes y productos guardados se mantendrán sin cambios.

Contenido en serie. La mascota de una marca en un corto semanal, un producto mostrado en cinco habitaciones distintas, un presentador que abre cada tutorial: cualquier caso en el que el público note cuando el sujeto cambia entre clips.

Anuncios y variaciones estilo UGC. Puedes mantener la misma persona y el mismo producto mientras pruebas distintos ganchos, escenarios y movimientos de cámara. Eso es lo que necesita la prueba de anuncios.

Secuencias de historia y anime. Los personajes se mantienen reconocibles de escena en escena, así que una historia corta no se desmorona cuando la cámara corta.

Los modelos de referencias son mucho mejores que la animación de una sola imagen, pero no son perfectos. El texto pequeño en los productos, como las listas de ingredientes y la letra fina, suele dibujarse de nuevo. Las manos que manipulan objetos pequeños todavía pueden verse mal. Los ángulos que ninguna de tus referencias muestra, como la parte posterior de la cabeza o la suela de un zapato, se inventan en lugar de copiarse. La solución casi siempre son mejores referencias, no un prompt más largo.

Usa de tres a cinco imágenes. Para una persona, incluye una vista frontal clara, una de tres cuartos y un perfil. Para un producto, incluye el ángulo principal, la parte trasera o lateral y un primer plano del logo o la textura.

Mantén la iluminación uniforme y los fondos sencillos. Una pared lisa o un fondo neutro ayuda al modelo a separar al sujeto de la escena. Los fondos recargados se filtran al resultado.

Mantén al sujeto igual en todas las imágenes. Misma ropa, mismo peinado, mismo color del producto. Si quieres dos atuendos, crea dos personajes.

Evita filtros fuertes, marcas de agua y textos superpuestos. El modelo los trata como parte del sujeto.

Estas reglas valen tanto para Kling 3.0 Omni como para Kling 4.0. Las referencias que preparas hoy seguirán siendo buenas tras el cambio.

En RefVid creas un personaje o un producto una sola vez y subes de 1 a 5 imágenes de referencia. A partir de ahí, cada generación parte de ese recurso. Escribes la escena y la acción, eliges una duración de 3 a 15 segundos y una relación de aspecto de 16:9, 9:16 o 1:1, y RefVid envía las referencias del modo que espera el modelo.

Cada generación cuesta 31 créditos por segundo, así que un clip de 3 segundos son 93 créditos. Las primeras 50 cuentas reciben 630 créditos gratis. El sonido es opcional: audio nativo, y las frases entre comillas se dicen en voz.