Kling 4 Omni Reference : un personnage, chaque plan

La plupart des outils de texte vers vidéo ou d'image vers vidéo utilisent une seule image comme première frame. Cela suffit pour un clip isolé. Mais dès que vous demandez une deuxième scène, le modèle réinvente le sujet : la mâchoire change, la raie des cheveux s'inverse, le logo sur la tasse se déforme. Un modèle de référence fonctionne autrement. Au lieu d'animer une seule image, il lit un petit ensemble de visuels comme une description de ce qui doit apparaître, puis construit un nouveau plan autour de cette description.

La gamme Omni de Kling accepte plusieurs images de référence, et parfois des clips de référence, dans une même requête. Selon le guide de Kling, Kling 3.0 Omni prend jusqu'à 7 images, ou une vidéo de référence plus jusqu'à 4 images, avec une durée de 15 secondes maximum par génération. Plus vous lui donnez d'angles, moins il doit deviner.

Kling 4.0 a été testé en accès anticipé de fin septembre 2026 et a été officiellement lancé dans l'application Kling le 15 octobre 2026. Dans l'application, Omni Reference accepte jusqu'à 15 entrées par tâche : jusqu'à 10 images, jusqu'à 5 vidéos pour un total de 30 secondes, jusqu'à 7 éléments et jusqu'à 3 profils vocaux. Les clips durent de 3 à 30 secondes.

Kling 4.0 ajoute aussi jusqu'à 10 images clés pour les plans dont un élément doit évoluer dans le temps. Pour un personnage ou un produit cohérent, Omni Reference est le mode qui compte.

L'API pour développeurs n'est pas encore généralement disponible. La plateforme développeurs de Kling et fal.ai l'annoncent toutes deux comme prochainement disponible. fal.ai a publié un tarif pour Kling 4.0 reference-to-video de 0,157 $ par seconde en 720p et 0,235 $ par seconde en 1080p, avant l'ouverture de l'accès.

RefVid est conçu pour que le modèle sous-jacent puisse changer sans que vous ayez rien à refaire. Aujourd'hui, il fonctionne avec Kling 3.0 Omni via fal.ai. Quand l'API Kling 4 Omni Reference sera ouverte, RefVid basculera dessus, et vos personnages et produits enregistrés seront conservés tels quels.

Les contenus en série. Une mascotte de marque dans un court format hebdomadaire, un produit présenté dans cinq pièces différentes, un présentateur qui ouvre chaque tutoriel : tout cas où le public remarque que le sujet change d'un clip à l'autre.

Les publicités et les déclinaisons de type UGC. Vous gardez la même personne et le même produit en testant différentes accroches, décors et mouvements de caméra. C'est exactement ce dont les tests publicitaires ont besoin.

Les séquences narratives et anime. Les personnages restent reconnaissables d'une scène à l'autre, si bien qu'une courte histoire ne s'effondre pas au moment des coupes.

Les modèles de référence sont bien meilleurs que l'animation d'une seule image, mais ils ne sont pas parfaits. Les petits textes sur les produits, comme les listes d'ingrédients ou les mentions légales, sont souvent redessinés. Les mains qui manipulent de petits objets peuvent encore paraître fausses. Les angles qu'aucune de vos références ne montre, comme l'arrière de la tête ou le dessous d'une chaussure, sont inventés plutôt que copiés. La solution passe presque toujours par de meilleures références, pas par un prompt plus long.

Utilisez trois à cinq images. Pour une personne, prévoyez une vue de face nette, une vue de trois quarts et un profil. Pour un produit, prévoyez l'angle principal, le dos ou le côté, et un gros plan sur le logo ou la texture.

Gardez un éclairage uniforme et des arrière-plans simples. Un mur uni ou un fond neutre aide le modèle à séparer le sujet du décor. Les fonds chargés déteignent sur le résultat.

Gardez le sujet identique d'une image à l'autre : même tenue, même coiffure, même coloris du produit. Si vous voulez deux tenues, créez deux personnages.

Évitez les filtres appuyés, les filigranes et les textes incrustés. Le modèle les traite comme une partie du sujet.

Ces règles valent aussi bien pour Kling 3.0 Omni que pour Kling 4.0. Les références que vous préparez aujourd'hui resteront de bonnes références après le changement.

Dans RefVid, vous créez un personnage ou un produit une seule fois et importez de 1 à 5 images de référence. Ensuite, chaque génération part de cet actif. Vous décrivez la scène et l'action, choisissez une durée de 3 à 15 secondes et un format de 16:9, 9:16 ou 1:1, et RefVid envoie les références comme le modèle les attend.

Une génération coûte 31 crédits par seconde, donc un clip de 3 secondes coûte 93 crédits. Les 50 premiers comptes reçoivent 630 crédits offerts. Le son est facultatif : le son natif est généré, et les répliques entre guillemets sont prononcées.