Kling V4.0 Reference-to-Video: imágenes, vídeos y voces en un solo clip
Kling V4.0 Reference-to-Video une hasta diez imágenes, cinco vídeos y tres audios en un clip. Las etiquetas @, tres recetas y una prueba barata.
La mayoría de los modelos de vídeo toman una imagen e imaginan el resto. Kling V4.0 Reference-to-Video toma una carpeta entera: hasta diez imágenes de referencia, hasta cinco vídeos de referencia y hasta tres clips de audio, y construye con ellos un clip nuevo de 3 a 30 segundos. El personaje de una imagen, la chaqueta de otra, el movimiento de cámara de un vídeo del móvil, la voz de una grabación. Es lo más parecido del catálogo a darle instrucciones a un pequeño equipo de rodaje, y como cualquier encargo, solo funciona cuando está claro quién es quién.
La única regla: nombra cada referencia en el prompt
Cada archivo subido recibe una etiqueta según su posición: la primera imagen es @Image1, la segunda @Image2, y así sucesivamente; los vídeos van de @Video1 a @Video5 y los clips de audio de @Audio1 a @Audio3. El prompt es obligatorio, y es donde dices para qué sirve cada referencia. Una referencia que subes pero nunca mencionas es una adivinanza para el modelo. Ten presente el orden de subida, porque cambiar dos imágenes de sitio después de escribir el prompt intercambia sus papeles sin avisar.
Receta 1: el mismo personaje en una escena nueva
Dos imágenes: una vista frontal de tu personaje y un detalle de la ropa. Nada más. Es la forma más sencilla de ver si el modelo mantiene la cara y la ropa antes de añadir referencias de movimiento.
@Image1 es la mujer, @Image2 es su impermeable rojo. Sale de un mercado nocturno bajo una lluvia ligera, se sube la capucha del impermeable y mira hacia atrás por encima del hombro. Reflejos de neón en la calle mojada, travelling lento de lado.Receta 2: toma prestado un movimiento de cámara de un vídeo real
Los vídeos de referencia están en los ajustes avanzados. Guían el movimiento, la cámara y el ritmo, así que un clip de diez segundos grabado con el móvil mientras rodeas una mesa puede convertirse en una órbita alrededor de un producto que nunca existió. En conjunto, los vídeos se usan hasta 30 segundos.
@Image1 es la tetera de cerámica. Sigue la trayectoria de cámara de @Video1: una órbita lenta a la altura de la mesa que termina en primer plano sobre el pico. Luz de mañana desde una ventana, vapor que sube, una mesa de madera.También hay un interruptor llamado mantener el sonido original. Si lo activas, el clip conserva el sonido de tu vídeo de referencia en lugar de generar audio nuevo. Solo funciona si subiste un vídeo, y es la opción correcta cuando la referencia ya tiene la música o el ambiente que quieres.
Receta 3: una voz y una cara
Los clips de audio de referencia, también en los ajustes avanzados, guían la voz y el sonido del resultado. Cada uno debería durar de 5 a 30 segundos. El clip sale con audio estéreo sincronizado, así que un personaje puede hablar con el tono de tu grabación dentro de una escena que construye el modelo.
@Image1 es el viejo farero, @Image2 es el faro. Está de pie en lo alto de la escalera con un farol y habla a la cámara con la voz de @Audio1, lenta y cálida, con viento y olas de fondo.Los ajustes que importan
- Resolución: 720p por defecto, 1080p si lo pides. Haz los borradores en 720p.
- Duración: cualquier número entero de 3 a 30 segundos; por defecto son 5. Los clips más largos dan al modelo más tiempo para alejarse de las referencias, así que gánate la duración con una buena versión corta primero.
- Relación de aspecto: el modo automático sigue a tus imágenes o tu vídeo de referencia. Elige 16:9, 9:16, 1:1 o 21:9 solo cuando el destino lo exija, y entonces dale referencias de una forma parecida.
Dónde se queda corto
Diez referencias son un techo, no un objetivo. Las imágenes que se contradicen (dos colores de pelo distintos para la misma persona, ropa de día y una escena de noche) dan un resultado que las promedia, y los detalles pequeños como el texto y las joyas suelen ser lo primero en desviarse. Si solo necesitas animar una imagen, el modelo Kling V4.0 Image-to-Video es más sencillo y te da control del primer y el último fotograma. Para saber más sobre cómo elegir referencias coherentes, lee imágenes de referencia para un estilo coherente; para otra forma de hacer el mismo trabajo, mira la guía de Vidu Q4 de referencia a vídeo. La lista completa está en la página de modelos.
Preguntas
¿Cómo le digo al modelo qué referencia es cuál?
Con etiquetas en el prompt: @Image1, @Image2 y así sucesivamente para las imágenes en orden de subida, @Video1 para los vídeos y @Audio1 para los clips de audio.
¿Cuántas referencias puedo usar?
Hasta diez imágenes, cinco vídeos y tres clips de audio. Los vídeos y los clips de audio están en los ajustes avanzados.
¿Cuánto puede durar el clip y con qué nitidez?
De 3 a 30 segundos, 5 por defecto, en 720p o 1080p, con audio estéreo sincronizado.
