Kling 3.0 Omni referencia a video: 3 recetas de prompts listas para copiar y los clips reales que generan

Guiar un mismo producto o personaje a través de distintos escenarios con imágenes de referencia es justo lo que hace Kling 3.0 Omni referencia a video (kling-3.0-omni/reference-to-video) en HiAPI. A continuación te damos tres recetas (un producto, un personaje y ambos en el mismo plano), cada una con la solicitud exacta y el clip que genera: las tres se generaron en 1080p, por un total de $2.064. Abre la página del modelo para ejecutar una al instante; las cuentas nuevas reciben 200 créditos gratis.

Una llamada normal de texto a video solo sabe lo que describes con palabras, así que cada generación crea un sujeto ligeramente distinto. La referencia a video toma imágenes del sujeto que te importa y mantiene su apariencia intacta mientras diriges el encuadre, el movimiento y la escena con el prompt.

Cómo funciona la referencia a video

Una llamada normal de texto a video solo sabe lo que describes con palabras. «Un robot mascota blanco» es una categoría, no una identidad: cada generación crea un robot ligeramente distinto. Kling 3.0 Omni ofrece dos formas de fijar la identidad:

• image_urls (obligatorio, 1–7 imágenes): imágenes de referencia del sujeto, el producto o el estilo. La forma más sencilla de fijar un único sujeto es pasar aquí dos ángulos del mismo.
• elements (opcional, hasta 7): sujetos con nombre y reutilizables. Cada uno tiene un name (sin espacios), una description breve y de 2 a 4 element_input_urls del mismo sujeto. Se invoca en el prompt con @name, y es la manera de distinguir varios sujetos en un mismo plano.

Después, el prompt se encarga de todo lo que debe cambiar (encuadre, luz, acción, escenario) y las imágenes de referencia protegen la identidad.

La estructura de entrada, en 30 segundos

Campo	Tipo	Descripción
prompt	string	Escena, encuadre y movimiento; invoca elementos con @name
image_urls	string[]	Obligatorio. 1–7 imágenes de referencia (máximo 4 si hay video de referencia)
elements[]	object[]	Opcional. Cada uno incluye name, description y 2–4 element_input_urls
video_urls	string[]	Opcional. Un clip de 3–15,5 segundos como referencia de movimiento y encuadre
duration	integer	3–15 segundos, por defecto 5
resolution	enum	720p (por defecto), 1080p o 4k
audio	boolean	Sonido nativo, por defecto false; con video de referencia debe permanecer en false
aspect_ratio	enum	16:9 (por defecto), 9:16 o 1:1

Las imágenes de referencia y los sujetos de elementos comparten un mismo límite: 7 en total, o 4 si añades un video de referencia.

---

Receta 1: fijar un único producto

El caso más sencillo: un sujeto que se mantiene fiel mientras la cámara se mueve. El sujeto es un frasco de sérum de vidrio ámbar, con dos ángulos de referencia pasados directamente en image_urls:

Prompt:

Revelación cinematográfica de un producto de cuidado de la piel. La cámara se acerca lentamente al frasco de sérum de vidrio ámbar de las imágenes de referencia, colocado sobre un pedestal redondo de mármol blanco, con luz de estudio difusa y suave desde arriba a la izquierda y una leve bruma volumétrica detrás. Una gota de sérum dorado se forma lentamente y queda suspendida en la punta del gotero negro. Profundidad de campo reducida, aspecto comercial premium, brillos suaves que se deslizan por el vidrio ámbar mientras la cámara avanza.

Solicitud:

{
  "model": "kling-3.0-omni/reference-to-video",
  "input": {
    "prompt": "Revelación cinematográfica de un producto de cuidado de la piel. La cámara se acerca lentamente al frasco de sérum de vidrio ámbar de las imágenes de referencia, colocado sobre un pedestal redondo de mármol blanco, con luz de estudio difusa y suave desde arriba a la izquierda y una leve bruma volumétrica detrás. Una gota de sérum dorado se forma lentamente y queda suspendida en la punta del gotero negro. Profundidad de campo reducida, aspecto comercial premium, brillos suaves que se deslizan por el vidrio ámbar mientras la cámara avanza.",
    "image_urls": [
      "https://static.hiapi.ai/gallery/2026/10/bf90e69bd4d2b13b.jpg",
      "https://static.hiapi.ai/gallery/2026/10/ae754fb5c5e53ed4.jpg"
    ],
    "duration": 5,
    "resolution": "1080p",
    "audio": false,
    "aspect_ratio": "16:9"
  }
}

Resultado (5 segundos, 1080p, sin sonido):

Generar con este prompt →

Por qué funciona: el prompt menciona el sujeto una sola vez («el frasco de sérum de vidrio ámbar de las imágenes de referencia») y dedica todas las demás palabras a instrucciones de dirección: acercamiento, luz de estudio, gota en la punta del gotero. La forma del frasco, el tapón negro estriado y el vidrio ámbar se mantienen consistentes durante el acercamiento, que termina en un primer plano del frasco.

---

Receta 2: fijar un personaje

Cambia el producto por un personaje y el método no cambia en absoluto. El sujeto es una mascota original, con una vista frontal y una vista de tres cuartos como referencias:

Prompt:

La mascota robot blanca mate de las imágenes de referencia está de pie en una cafetería acogedora y luminosa, con la cálida luz de la mañana entrando por una ventana detrás. Levanta un brazo y saluda alegremente, ladea la cabeza y su antena se balancea suavemente. Movimiento fluido y amable, suave bokeh de las estanterías de madera de la cafetería al fondo, un lento y delicado acercamiento de cámara, aspecto de película animada reconfortante.

Solicitud:

{
  "model": "kling-3.0-omni/reference-to-video",
  "input": {
    "prompt": "La mascota robot blanca mate de las imágenes de referencia está de pie en una cafetería acogedora y luminosa, con la cálida luz de la mañana entrando por una ventana detrás. Levanta un brazo y saluda alegremente, ladea la cabeza y su antena se balancea suavemente. Movimiento fluido y amable, suave bokeh de las estanterías de madera de la cafetería al fondo, un lento y delicado acercamiento de cámara, aspecto de película animada reconfortante.",
    "image_urls": [
      "https://static.hiapi.ai/blog/kling-3-0-omni-reference-to-video-prompt-recipes/ref-mascot-01.jpg",
      "https://static.hiapi.ai/blog/kling-3-0-omni-reference-to-video-prompt-recipes/ref-mascot-02.jpg"
    ],
    "duration": 5,
    "resolution": "1080p",
    "audio": false,
    "aspect_ratio": "16:9"
  }
}

Resultado (5 segundos, 1080p, sin sonido):

Generar con este prompt →

Por qué funciona: la mascota entra en un entorno completamente nuevo (una cafetería luminosa) y realiza acciones nuevas (saludar y sonreír), pero la visera color menta, los ojos redondos, el botón del vientre y las proporciones del cuerpo se mantienen fieles al modelo. Misma identidad, nueva actuación.

---

Receta 3: dos sujetos en un mismo plano

Aquí es donde elements demuestra su valor. Define la mascota y el frasco de sérum como dos elementos con nombre y luego dirígelos en el prompt con @mascot y @serum. image_urls sigue siendo obligatorio, así que incluye también un ángulo del frasco:

Prompt:

Anuncio de producto limpio y divertido. @mascot está de pie junto a un pedestal redondo de mármol blanco y señala con un brazo hacia @serum, colocado sobre el pedestal, presentándolo al espectador. @mascot mira de reojo el frasco y luego gira la cabeza hacia la cámara. Luz de estudio difusa y suave, fondo continuo de color menta claro, un lento y delicado acercamiento de cámara, aspecto publicitario premium y cercano a la vez.

Solicitud:

{
  "model": "kling-3.0-omni/reference-to-video",
  "input": {
    "prompt": "Anuncio de producto limpio y divertido. @mascot está de pie junto a un pedestal redondo de mármol blanco y señala con un brazo hacia @serum, colocado sobre el pedestal, presentándolo al espectador. @mascot mira de reojo el frasco y luego gira la cabeza hacia la cámara. Luz de estudio difusa y suave, fondo continuo de color menta claro, un lento y delicado acercamiento de cámara, aspecto publicitario premium y cercano a la vez.",
    "image_urls": [
      "https://static.hiapi.ai/gallery/2026/10/bf90e69bd4d2b13b.jpg"
    ],
    "elements": [
      {
        "name": "mascot",
        "description": "Pequeña mascota robot redondeada de color blanco mate con detalles en verde menta suave, una pequeña bola en la punta de una antena corta, grandes ojos oscuros y redondos y un botón circular verde menta en la barriga",
        "element_input_urls": [
          "https://static.hiapi.ai/blog/kling-3-0-omni-reference-to-video-prompt-recipes/ref-mascot-01.jpg",
          "https://static.hiapi.ai/blog/kling-3-0-omni-reference-to-video-prompt-recipes/ref-mascot-02.jpg"
        ]
      },
      {
        "name": "serum",
        "description": "Frasco de sérum facial de vidrio ámbar con tapón gotero de vidrio y pera de goma negra",
        "element_input_urls": [
          "https://static.hiapi.ai/gallery/2026/10/bf90e69bd4d2b13b.jpg",
          "https://static.hiapi.ai/gallery/2026/10/ae754fb5c5e53ed4.jpg"
        ]
      }
    ],
    "duration": 6,
    "resolution": "1080p",
    "audio": false,
    "aspect_ratio": "16:9"
  }
}

Resultado (6 segundos, 1080p, sin sonido):

Generar con este prompt →

Por qué funciona: cada sujeto es su propio elemento, con su propio par de imágenes de referencia, así que el modelo los sigue de forma independiente. La mascota conserva su diseño, el frasco conserva su forma y el prompt orquesta la relación entre ambos: mientras la cámara avanza, la mascota señala el frasco sobre el pedestal.

Cómo escribir referencias que de verdad mantengan la identidad

• Da dos o más ángulos de cada sujeto. Los distintos ángulos del mismo sujeto enseñan al modelo qué es lo inmutable. Cada elemento necesita 2–4 imágenes.
• La identidad va en las imágenes de referencia; las instrucciones de dirección, en el prompt. Pon qué es el sujeto en las imágenes y en la description; pon qué ocurre en el prompt.
• Invoca los elementos con @name. El nombre no puede tener espacios (usa serum, no serum bottle), y en el prompt debes referenciarlos exactamente como @serum.
• Reutiliza los bloques de elementos para construir una campaña. Las dos recetas anteriores usan el mismo conjunto de referencias de la mascota y el frasco. Reutilizarlas en varias llamadas mantiene la coherencia de marca de una serie.
• Añade un video de referencia para indicar el movimiento de cámara. Pon un clip en video_urls y el nuevo plano seguirá su movimiento y su lenguaje de cámara; en ese caso, mantén audio desactivado.

Reproducirlo con la API

La referencia a video funciona sobre la API de tareas asíncronas de HiAPI. Envía la tarea y luego consulta su estado hasta que termine:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling-3.0-omni/reference-to-video",
    "input": {
      "prompt": "@serum sobre un pedestal de mármol, lento acercamiento de cámara, luz de estudio suave",
      "image_urls": ["https://.../ref-1.jpg"],
      "elements": [
        {
          "name": "serum",
          "description": "Frasco de sérum de vidrio ámbar con tapón gotero negro",
          "element_input_urls": ["https://.../ref-1.jpg", "https://.../ref-2.jpg"]
        }
      ],
      "duration": 5,
      "resolution": "1080p",
      "audio": false,
      "aspect_ratio": "16:9"
    }
  }'

La respuesta devuelve un taskId. Consulta GET /v1/tasks/{taskId} hasta que status sea success y luego descarga el clip desde output[0].url (las salidas se conservan unos 7 días por defecto, así que guárdalas en tu propio almacenamiento o cambia al almacenamiento persistente de HiAPI). En producción, pasa un callback.url de nivel superior y HiAPI notificará a tu servicio cuando termine la tarea. Consulta todos los parámetros en la documentación de la API de Kling 3.0 Omni referencia a video.

Precios

Kling 3.0 Omni referencia a video se factura por segundos de salida, según la resolución y el sonido:

Resolución	Sin sonido	Con sonido	Con video de referencia
720p	$0.10/s	$0.129/s	$0.143/s
1080p	$0.129/s	$0.1645/s	$0.193/s
4k	$0.479/s	$0.479/s	$0.479/s

Las tres recetas anteriores se ejecutaron en 1080p y sin sonido: $0.645 por cada clip de 5 segundos, $0.774 por el de 6 segundos, $2.064 en total por los tres. Haz pruebas en 720p a $0.50 por clip de 5 segundos y luego vuelve a ejecutar en 1080p o 4k las versiones elegidas. Los clips duran de 3 a 15 segundos; las tareas fallidas se reembolsan automáticamente.

Preguntas frecuentes

¿Cuál es la diferencia entre referencia a video e imagen a video? Imagen a video anima un fotograma inicial: todo el plano nace de esa imagen. La referencia a video transporta sujetos y te permite recomponer alrededor de ellos una escena nueva. Usa imagen a video cuando tengas un primer fotograma cuyo movimiento quieras exactamente; usa referencia a video cuando necesites mantener el mismo personaje o producto en muchos planos distintos.

¿Cuántos sujetos caben en un clip? Las imágenes de referencia y los sujetos de elementos suman hasta 7 por llamada, o 4 si incluyes un video de referencia; suficiente para un personaje y varios objetos de atrezo.

¿Por qué me rechazaron un elemento? Cada elemento necesita de 2 a 4 imágenes en element_input_urls y un name sin espacios. Comprueba también que la solicitud tenga al menos una entrada en image_urls.

¿Puedo obtener sonido? Sí. Sin video de referencia, ajusta audio: true para obtener ambiente y efectos de sonido nativos. Añade $0.029 por segundo en 720p y $0.0355 por segundo en 1080p.

¿Y si solo quiero texto, sin referencias? Usa Kling 3.0 Omni texto a video: el mismo motor, solo con prompt.

Conclusiones

La referencia a video convierte «un personaje» en tu personaje. Da a cada sujeto varios ángulos de referencia, invócalo con @name y deja que el prompt se encargue de la dirección: así podrás rodar una serie coherente completa en lugar de pelearte con la deriva plano a plano. Copia la receta 3 y ejecuta tu primer clip de dos sujetos en la página del modelo. Ese enlace rellena el prompt; luego añade las imágenes de referencia y los elementos de la solicitud anterior. Para comparar variantes y tarifas, consulta la guía de precios de la API de Kling 3.0.