Kling V4.0 Reference-to-Video: 이미지, 영상, 목소리를 한 클립에

대부분의 영상 모델은 사진 한 장을 받아 나머지를 상상합니다. Kling V4.0 Reference-to-Video는 폴더 전체를 받습니다. 레퍼런스 이미지 최대 10장, 레퍼런스 영상 최대 5개, 오디오 클립 최대 3개를 받아 그것들을 활용한 3초에서 30초 길이의 새 클립을 만듭니다. 한 사진의 캐릭터, 다른 사진의 재킷, 휴대폰 영상의 카메라 움직임, 녹음 속 목소리를 조합하는 식이죠. 카탈로그에서 작은 촬영팀에게 브리핑하는 것과 가장 가까운 경험이고, 모든 브리핑이 그렇듯 누가 누구인지 분명할 때만 잘 됩니다.

단 하나의 규칙: 프롬프트에서 모든 레퍼런스의 이름을 부르세요

업로드한 파일마다 순서에 따라 태그가 붙습니다. 첫 번째 이미지는 @Image1, 두 번째는 @Image2 하는 식이고, 영상은 @Video1부터 @Video5, 오디오 클립은 @Audio1부터 @Audio3입니다. 프롬프트는 필수이며, 각 레퍼런스가 무엇을 위한 것인지 말하는 곳입니다. 올려 놓고 한 번도 언급하지 않은 레퍼런스는 모델에게 추측거리일 뿐입니다. 업로드 순서를 기억해 두세요. 프롬프트를 쓴 뒤 사진 두 장의 순서를 바꾸면 역할도 소리 없이 바뀝니다.

레시피 1: 같은 캐릭터, 새로운 장면

이미지 두 장: 캐릭터의 정면 모습과 의상의 디테일. 그 밖에는 아무것도 없습니다. 움직임 레퍼런스를 더하기 전에 모델이 얼굴과 옷을 유지하는지 확인하는 가장 간단한 방법입니다.

레시피 2: 실제 영상에서 카메라 움직임 빌려 오기

레퍼런스 영상은 고급 설정 안에 있습니다. 영상은 움직임, 카메라, 속도감을 이끌기 때문에, 테이블 주위를 걸으며 휴대폰으로 찍은 10초짜리 클립이 존재한 적 없는 제품 주위를 도는 오비트 숏이 될 수 있습니다. 영상들은 합쳐서 최대 30초까지 사용됩니다.

원본 사운드 유지(keep original sound)라는 스위치도 있습니다. 켜면 클립이 새 오디오를 생성하는 대신 레퍼런스 영상의 소리를 그대로 씁니다. 영상을 올렸을 때만 작동하며, 레퍼런스에 원하는 음악이나 분위기 소리가 이미 담겨 있을 때 맞는 선택입니다.

레시피 3: 목소리와 얼굴

레퍼런스 오디오 클립도 고급 설정에 있으며, 결과물의 목소리와 소리를 이끕니다. 클립은 각각 5초에서 30초여야 합니다. 결과 클립에는 동기화된 스테레오 오디오가 담기므로, 모델이 만든 장면 속에서 캐릭터가 여러분의 녹음과 같은 톤으로 말할 수 있습니다.

중요한 설정

• 해상도: 기본값은 720p, 원하면 1080p. 시안은 720p로 만드세요.
• 길이: 3초에서 30초 사이의 정수, 기본값은 5입니다. 클립이 길수록 모델이 레퍼런스에서 벗어날 시간이 많아지므로, 먼저 좋은 짧은 버전으로 그 길이를 쓸 자격을 얻으세요.
• 화면 비율: auto는 레퍼런스 이미지나 영상을 따릅니다. 16:9, 9:16, 1:1, 21:9는 게시할 곳에서 필요할 때만 지정하고, 그때는 비슷한 형태의 레퍼런스를 주세요.

부족한 점

레퍼런스 10장은 상한선이지 목표가 아닙니다. 서로 어긋나는 사진(같은 사람인데 머리색이 다르거나, 낮의 의상에 밤 장면)은 둘을 평균 낸 결과를 주고, 글자나 장신구 같은 작은 디테일에서 흔들림이 가장 먼저 보입니다. 사진 한 장만 움직이면 된다면 Kling V4.0 Image-to-Video 모델이 더 간단하고 첫 프레임과 마지막 프레임을 제어할 수 있습니다. 서로 맞는 레퍼런스를 고르는 법은 일관된 스타일을 위한 레퍼런스 이미지를, 같은 작업의 다른 접근은 Vidu Q4 레퍼런스 기반 영상 가이드를 참고하세요. 전체 목록은 모델 페이지에 있습니다.