Kling 4.0 Image-to-Video API

Kling 4.0 es un modelo creativo unificado de Kling AI que reúne generación de vídeo, referencias multimodales y edición en un solo sistema. Acepta imágenes, texto, vídeo y audio como entrada, y produce vídeo con audio estéreo de dos canales. Puede animar una imagen de referencia con movimiento, trabajo de cámara y narrativa, y admite hasta 10 imágenes de keyframe para controlar momentos visuales clave, así como hasta 10 imágenes y 5 vídeos como referencias en un mismo proyecto. Entre los tipos de referencia compatibles se incluyen imágenes de sujeto, referencias de tres vistas, cuadrículas de imágenes, infografías, keyframes y wireframes. El modelo destaca por su capacidad de generar secuencias narrativas más largas, de hasta 30 segundos nativos, y por un control preciso de la progresión de la escena mediante múltiples keyframes. Ofrece movimiento estable a gran escala y trabajos de cámara complejos, como desplazamientos rápidos, travellings y movimientos orbitales amplios, preservando la estructura del sujeto y las relaciones espaciales. Además, representa personajes realistas con detalles faciales, materiales e iluminación mejorados, y transmite expresiones y postura con mayor matiz. La generación de audio estéreo de dos canales incorpora una mayor precisión en la sincronización labial, y mejora la generación de texto multilingüe, logotipos y emojis. También permite la edición multimodal de sujetos, fondos y estilos visuales mediante texto y referencias visuales, y puede usar un vídeo existente como referencia para el ritmo, la composición de planos y el movimiento de cámara. Está pensado para publicidad de marca y comerciales, narrativa breve y escenas cinematográficas, campañas de producto, publicaciones en redes sociales, historias visuales, trabajo comercial y cine en solitario, así como para vídeos conceptuales y vistas previas de escenas a partir de storyboards y referencias visuales. También resulta útil para recrear estilos de vídeo en tendencia. La experiencia de creación incluye un cuadro de entrada unificado que combina referencias de texto, imágenes, vídeos y audio, vistas de cuadrícula y lista para comparar generaciones, edición basada en línea de tiempo, y un entorno de Canvas y Agent para organizar proyectos creativos. Está disponible mediante API y a través de catálogos en la nube como Atlas Cloud.

Tu factura depende del proveedor que uses, de sus precios y de tu uso. Las entradas más largas u otras condiciones pueden tener precios distintos.

Acepta imágenes, texto, vídeo y audio como entrada. El cuadro de entrada unificado combina referencias de texto, imágenes, vídeos y audio en un mismo proyecto.

Genera vídeo nativo de 3 a 30 segundos, lo que permite secuencias narrativas más largas.

Admite hasta 10 imágenes y 5 vídeos como referencias en un mismo proyecto. También acepta hasta 10 imágenes de keyframe para controlar momentos visuales clave.

Admite imágenes de sujeto, referencias de tres vistas, cuadrículas de imágenes, infografías, keyframes y wireframes.

Está orientado a publicidad de marca y comerciales, narrativa breve y escenas cinematográficas, campañas de producto, publicaciones en redes sociales, historias visuales y vídeos conceptuales a partir de storyboards y referencias visuales, entre otras.

Los materiales disponibles no ofrecen una comparación con otros modelos de la serie. Kling 4.0 se posiciona como un modelo creativo unificado que integra generación de vídeo, referencias multimodales y edición en un solo sistema.