Vale a pena enviar mais imagens de referência?

Só se cada imagem extra trouxer um ângulo novo e passar nos mesmos testes. Três imagens fortes que concordam entre si são melhores do que sete em que duas contradizem as outras.

Posso usar imagens geradas por IA como referência?

Pode, desde que combinem com o restante do conjunto em todos os detalhes visíveis. Confira com atenção orelhas, linha do cabelo, mandíbula e formato do logotipo, já que os modelos de imagem costumam alterá-los levemente.

Qual deve ser a resolução das imagens de referência?

O guia do Kling indica pelo menos 300 pixels em cada lado e até 10 MB por arquivo, até outubro de 2026. Na prática, 1.000 pixels ou mais no lado menor mantêm os detalhes finos nítidos.

Quanto custa testar um conjunto de referência no RefVid?

Um clipe de 3 segundos custa 93 créditos e um de 5 segundos custa 155, a 31 créditos por segundo. As primeiras 50 contas ganham 630 créditos grátis. As contas seguintes ganham 100, o equivalente a um clipe de 3 segundos.

Os modelos de vídeo com imagem de referência precisam de fotos diferentes dos modelos de imagem?

Precisam das mesmas qualidades — nitidez, luz uniforme, consistência — e, além disso, de mais cobertura de ângulos, porque o elemento se move e se vira durante o clipe.

Tutoriais

Como escolher imagens de referência para vídeo com IA

As melhores imagens de referência combinam entre si. Mesmo elemento, mesmo visual, nítidas, com luz uniforme e fundo simples, e juntas cobrem os principais ângulos. Escolher é um processo de eliminação. Reúna todos os candidatos, submeta cada um a cinco testes, mantenha as três a cinco mais fortes que cubram ângulos diferentes e preencha as lacunas de propósito, em vez de usar o que sobrou. Este guia serve para selecionar entre imagens que você já tem. Se for fotografar novas, comece pelo nosso guia de fotos de produto.

Atualizado em 2026-10-22

Gerado com o RefVid no Kling 3.0 Omni a partir de quatro fotos de referência da Mia, escolhidas pela cobertura de ângulos; prompt: uma trilha de montanha coberta de neblina, virando para olhar para a câmera.

Passo 1: reúna mais do que você precisa

Junte de 15 a 30 candidatas em uma única pasta: fotos do celular, gerações anteriores, fotos de produto, quadros de vídeo. Os quadros de vídeo são úteis porque mostram ângulos que quase ninguém fotografa, mas pegue-os em um momento nítido e bem iluminado, não no meio do movimento.

Elimine primeiro as duplicatas e as quase idênticas. Cinco fotos frontais praticamente iguais deixam o modelo mais seguro sobre a frente e não mais seguro sobre o resto.

Passo 2: aplique os cinco testes

Cada imagem precisa passar em todos os cinco. Seja rigoroso. Uma imagem fraca não apenas deixa de ajudar; ela puxa o resultado na direção dos seus defeitos.

1. Nitidez. Amplie para 100 por cento nos olhos ou no logotipo. Se estiverem borrados, descarte a imagem. Tremor, foco perdido e compressão excessiva reprovam.

2. Luz. O elemento deve estar iluminado de forma uniforme o bastante para se ver os dois lados do rosto ou do produto. Sombras duras cobrindo metade do rosto, luz colorida de palco e contraluz forte reprovam. Luz quente em uma imagem e fria em outra aparece como mudança de cor entre os clipes.

3. Fundo. Liso ou levemente desfocado passa. Rua movimentada, parede com estampa, outras pessoas ou textos legíveis reprovam, porque o modelo pode tratar elementos repetidos do fundo como parte do sujeito.

4. Mesmo visual. Penteado, maquiagem, óculos, comprimento da barba, roupa ou variante de cor do produto devem combinar com o restante do conjunto. Uma foto antiga com outro cabelo é outra versão do personagem, mesmo que seja uma ótima foto.

5. Limpeza. Sem filtros, retoque de beleza, marcas d'água, adesivos, textos sobrepostos ou recortes que cortem a cabeça ou o produto. O modelo trata todos esses itens como características do sujeito.

Passo 3: escolha pensando na cobertura

Entre as imagens aprovadas, escolha pelo ângulo, não pela beleza. Para uma pessoa, o conjunto ideal tem vista frontal, três quartos, perfil e uma imagem mais aberta que mostre o corpo e a roupa. Para um produto, são o ângulo principal, uma lateral, a traseira e um close do logotipo.

Organize os sobreviventes nesses espaços de ângulo e mantenha a melhor imagem em cada um. Se um espaço estiver vazio, anote. Essa é uma lacuna a preencher no passo 4, e não motivo para promover uma imagem reprovada.

Dimensione o conjunto para a ferramenta. Até outubro de 2026, o guia do Kling para o Kling 3.0 Omni aceita até sete imagens de referência, ou quatro quando há um vídeo de referência, cada uma com pelo menos 300 pixels em cada lado e no máximo 10 MB. O modo de referência do Veo 3.1 aceita três. Quando o limite for três, use frontal, três quartos e uma imagem mais aberta. Coloque a vista frontal mais clara em primeiro, já que muitas ferramentas tratam a primeira imagem como a principal.

Dois conjuntos por trás dos exemplos do próprio RefVid: uma imagem por espaço de ângulo, a mesma luz e fundo simples em todas, a vista principal em primeiro.

Passo 4: preencha as lacunas de propósito

Um perfil ausente é a lacuna mais comum. Você pode fotografá-lo, se o elemento estiver disponível; gerá-lo com o modo de edição de um modelo de imagem usando sua melhor vista frontal como entrada; ou aceitar a lacuna e evitar planos de perfil nas cenas. Os ângulos gerados precisam passar pelos mesmos cinco testes. Confira se a orelha, a linha da mandíbula e a linha do cabelo batem com as imagens reais.

Depois, faça um teste curto: quatro clipes em situações diferentes com o conjunto final. Se um tipo de plano continuar falhando, o conjunto está mostrando qual ângulo está faltando.

Calçada

Academia

Estúdio

Parque

Um teste de quatro clipes de um conjunto de produto: AERO 1, um tênis de corrida inventado, na calçada molhada, na academia, sobre um pedestal de estúdio e em uma trilha de parque ao nascer do sol, todos a partir das mesmas três fotos.

Erros comuns e checklist

Usar só as fotos mais favorecedoras, que costumam ser todas de frente. Misturar fotos de anos diferentes. Manter uma ótima foto de óculos escuros quando o personagem não os usa. Cortar tão fechado que a linha do cabelo ou a viseira do produto fica de fora. Enviar o número máximo de imagens quando só três são boas.

Checklist: 15 ou mais candidatas; duplicatas removidas; cada imagem mantida passa em nitidez, luz, fundo, mesmo visual e limpeza; uma imagem por espaço de ângulo; melhor vista frontal em primeiro; conjunto dimensionado para a ferramenta; lacunas preenchidas de propósito; teste de quatro clipes feito.

O RefVid aceita de 1 a 5 imagens por personagem ou produto, em JPG, PNG ou WebP, com pelo menos 300 px e até 10 MB cada, e usa a primeira como vista principal. Você escolhe o conjunto uma vez, e todos os vídeos daquele item são gerados a partir dele no Kling 3.0 Omni.

Perguntas frequentes

Vale a pena enviar mais imagens de referência?: Só se cada imagem extra trouxer um ângulo novo e passar nos mesmos testes. Três imagens fortes que concordam entre si são melhores do que sete em que duas contradizem as outras.
Posso usar imagens geradas por IA como referência?: Pode, desde que combinem com o restante do conjunto em todos os detalhes visíveis. Confira com atenção orelhas, linha do cabelo, mandíbula e formato do logotipo, já que os modelos de imagem costumam alterá-los levemente.
Qual deve ser a resolução das imagens de referência?: O guia do Kling indica pelo menos 300 pixels em cada lado e até 10 MB por arquivo, até outubro de 2026. Na prática, 1.000 pixels ou mais no lado menor mantêm os detalhes finos nítidos.
Quanto custa testar um conjunto de referência no RefVid?: Um clipe de 3 segundos custa 93 créditos e um de 5 segundos custa 155, a 31 créditos por segundo. As primeiras 50 contas ganham 630 créditos grátis. As contas seguintes ganham 100, o equivalente a um clipe de 3 segundos.
Os modelos de vídeo com imagem de referência precisam de fotos diferentes dos modelos de imagem?: Precisam das mesmas qualidades — nitidez, luz uniforme, consistência — e, além disso, de mais cobertura de ângulos, porque o elemento se move e se vira durante o clipe.