Kling 4 Omni Reference: um personagem, todas as cenas

A maioria das ferramentas de texto para vídeo ou de imagem para vídeo usa uma única foto como quadro inicial. Isso funciona para um clipe só. Mas, ao pedir uma segunda cena, o modelo reinventa o assunto: o contorno do queixo muda, o repartido do cabelo se inverte, a logo da caneca muda de formato. Um modelo de referência funciona de outro jeito. Em vez de animar um quadro, ele lê um pequeno conjunto de imagens como descrição de quem ou do que deve aparecer e monta uma cena nova a partir dessa descrição.

A linha Omni da Kling aceita várias imagens de referência e, em alguns casos, clipes de referência, em uma só solicitação. Segundo o guia da Kling, o Kling 3.0 Omni aceita até 7 imagens, ou um vídeo de referência mais até 4 imagens, com até 15 segundos por geração. Quanto mais ângulos você fornecer, menos ele precisa adivinhar.

O Kling 4.0 teve acesso antecipado a partir do fim de setembro de 2026 e foi lançado oficialmente no app próprio da Kling em 15 de outubro de 2026. No app, o Omni Reference aceita até 15 entradas em uma tarefa: até 10 imagens, até 5 vídeos com no máximo 30 segundos somados, até 7 elementos e até 3 perfis de voz. Os clipes têm de 3 a 30 segundos.

O Kling 4.0 também traz até 10 keyframes para cenas que precisam mudar ao longo do tempo. Para um personagem ou produto consistente, o modo que importa é o Omni Reference.

A API para desenvolvedores ainda não está disponível de forma geral. A plataforma de desenvolvedores da Kling e a fal.ai a listam como em breve. A fal.ai já publicou o preço do Kling 4.0 reference-to-video: US$ 0,157 por segundo em 720p e US$ 0,235 por segundo em 1080p, antes da abertura do acesso.

A RefVid foi construída para que o modelo por trás possa mudar sem que você precise refazer nada. Hoje ela roda o Kling 3.0 Omni pela fal.ai. Quando a API do Kling 4 Omni Reference abrir, a RefVid passa a usá-la, e seus personagens e produtos salvos são mantidos sem alterações.

Conteúdo em série. A mascote de uma marca em um curta semanal, um produto mostrado em cinco cômodos diferentes, um apresentador que abre todos os tutoriais: qualquer caso em que o público percebe quando o assunto muda de um clipe para outro.

Anúncios e variações no estilo UGC. Você mantém a mesma pessoa e o mesmo produto enquanto testa ganchos, cenários e movimentos de câmera diferentes. É isso que um teste de anúncios exige.

Histórias e sequências de anime. Os personagens continuam reconhecíveis de cena para cena, então uma história curta não se desmancha quando a câmera corta.

Os modelos de referência são bem melhores que a animação de uma única imagem, mas não são perfeitos. Textos pequenos em produtos, como lista de ingredientes e letras miúdas, costumam ser redesenhados. Mãos segurando objetos pequenos ainda podem parecer erradas. Ângulos que nenhuma de suas referências mostra, como a parte de trás da cabeça ou a sola de um tênis, são inventados em vez de copiados. A solução quase sempre é ter referências melhores, não um prompt mais longo.

Use de três a cinco imagens. Para uma pessoa, inclua uma vista frontal clara, uma de três quartos e um perfil. Para um produto, inclua o ângulo principal, a parte de trás ou lateral e um close da logo ou da textura.

Mantenha a iluminação uniforme e os fundos simples. Uma parede lisa ou um fundo neutro ajuda o modelo a separar o assunto da cena. Fundos carregados vazam para o resultado.

Mantenha o assunto igual em todas as imagens. Mesma roupa, mesmo penteado, mesma variação de cor do produto. Se quiser dois looks, crie dois personagens.

Evite filtros pesados, marcas d'água e textos sobrepostos. O modelo trata tudo isso como parte do assunto.

Essas regras valem tanto para o Kling 3.0 Omni quanto para o Kling 4.0. As referências que você prepara hoje continuarão boas após a troca.

Na RefVid, você cria um personagem ou produto uma vez e envia de 1 a 5 imagens de referência. Depois disso, cada geração parte desse ativo. Você escreve a cena e a ação, escolhe a duração de 3 a 15 segundos e a proporção 16:9, 9:16 ou 1:1, e a RefVid envia as referências do jeito que o modelo espera.

Cada segundo gerado custa 31 créditos, então um clipe de 3 segundos sai por 93 créditos. As primeiras 50 contas recebem 630 créditos grátis. O som é opcional: áudio nativo, e as falas entre aspas são faladas.