Recetas de prompts de imagen a vídeo para Kling 3.0 Turbo: prompts listos para copiar y resultados reales

Resumen

• Qué cubre este artículo: cuatro recetas de prompts de imagen a vídeo para kling-3.0-turbo listas para copiar, cada una con su fotograma inicial de entrada, el prompt de movimiento exacto y el clip real generado en la API real: la primera versión original, sin ocultar ningún reintento.
• Alcance: toma orbital de producto para e-commerce, microanimación de retrato vertical 9:16, un instante de acción congelado que continúa con física creíble, y el clásico paisaje de fotografía viva.
• Datos del modelo (verificados contra la API de tareas en vivo): la entrada es prompt + image_urls (exactamente una URL de imagen pública) + duration (entero de 3–15 segundos) + resolution (720p/1080p). No existe el campo aspect_ratio: la salida sigue a tu fotograma de entrada, así que un fotograma fijo en 9:16 genera un vídeo en 9:16.
• Precio (por segundo de salida, según la página de precios): $0.13/seg a 720p, $0.16/seg a 1080p, la misma tarifa plana que la versión de texto a vídeo. Un clip de 5 segundos cuesta $0.65; una prueba de 3 segundos, $0.39.
• Audio: los clips se devuelven con una pista de sonido ambiente nativa; reproduce con sonido activado.

Texto a vídeo vs. imagen a vídeo: cuándo partir de un fotograma

El texto a vídeo se parece a una lotería en cuanto a composición: describes una escena y aceptas el encuadre que el modelo decida darte. La imagen a vídeo elimina esa variable. Primero fijas la composición, el sujeto, la luz y la sensación de marca en una imagen estática —algo que puedes dirigir artísticamente o fotografiar de verdad— y luego dedicas todo el prompt al movimiento: qué se mueve, a qué velocidad y qué hace la cámara.

Esto cambia cómo escribes. Un prompt de imagen a vídeo no debe volver a describir lo que ya está en la imagen; el modelo puede verlo. Las recetas siguientes siguen una regla: haz referencia al contenido de la imagen y describe solo lo que cambia: la trayectoria de la cámara, la acción del sujeto, el movimiento del entorno y lo que debe permanecer inmóvil.

Cada ejemplo muestra el fotograma de entrada real y su clip generado, con el prompt exacto en medio. Generé estos fotogramas con gpt-image-2, de modo que todo el flujo se puede reproducir a través de la API, pero sirve cualquier imagen que tengas: una foto de producto, un fotograma de rodaje o un render.

Receta 1 — E-commerce: órbita de producto a partir de una foto de estudio (16:9)

Objetivo: convertir una foto de producto estática en un clip de presentación con un movimiento de cámara limpio; es el caso de uso de imagen a vídeo con mayor impacto para una tienda.

Parte de una imagen principal con el producto centrado y la iluminación ya correcta:

Fotograma inicial de entrada (16:9, generado con gpt-image-2; cualquier imagen que tengas da el mismo resultado).

Después, el prompt de movimiento:

Slow smooth orbit around the coffee set, the camera circling a quarter turn to the right while keeping the carafe centered. Steam keeps rising and curling naturally, reflections slide across the glass as the angle changes. The product stays sharp and undistorted, studio lighting unchanged, no cuts, elegant product-video motion.

Órbita de un cuarto de vuelta alrededor del set de café mientras el vapor sigue subiendo — kling-3.0-turbo/image-to-video, 5 s @ 720p. Salida real generada a partir del fotograma inicial de arriba, primera versión original, creada para esta guía.

Por qué funciona: el prompt nunca vuelve a describir el producto; la imagen ya lo contiene. En cambio, da una instrucción de cámara ("slow smooth orbit ... a quarter turn to the right"), un punto de anclaje ("keeping the carafe centered") y una cláusula de seguridad ("stays sharp and undistorted, studio lighting unchanged"). Limitar la órbita a un cuarto de vuelta es importante: un giro completo de 360 grados en cinco segundos obliga al modelo a inventar la parte trasera invisible del producto, y normalmente la deforma.

Receta 2 — Vertical 9:16: microanimación de retrato para vídeo corto

Objetivo: una imagen vertical nativa de móvil que respire: viento, agua, un parpadeo, un lento acercamiento. También es una demostración de un hecho clave del esquema: la imagen a vídeo no tiene parámetro aspect_ratio; la salida hereda la imagen, así que este fotograma fijo en 9:16 genera un clip en 9:16 sin ningún recorte.

Fotograma inicial de entrada (9:16, generado con gpt-image-2; cualquier imagen que tengas da el mismo resultado).

The scene comes alive: a steady sea wind lifts strands of her hair and ripples the hem of the red coat, small waves roll behind the pier, she blinks slowly and a faint smile forms. The camera pushes in very slowly toward her face. Subtle, realistic motion, no cuts, melancholic cinematic mood.

El viento levanta su cabello mientras la cámara se acerca — vertical — kling-3.0-turbo/image-to-video, 5 s @ 720p. Salida real generada a partir del fotograma inicial de arriba, primera versión original, creada para esta guía.

Por qué funciona: el movimiento se estratifica por escalas: entorno (olas, viento), vestuario (el bajo del abrigo ondeando), interpretación (parpadeo lento, una sonrisa leve) y un movimiento de cámara (un acercamiento muy lento). Cada capa es pequeña; en conjunto se leen como un instante vivo, no como una foto deformada. "Subtle, realistic motion" cumple aquí una función real: si lo omites, los modelos de imagen a vídeo suelen animar en exceso el rostro.

Receta 3 — Continuidad física: descongelar un fotograma de acción (16:9)

Objetivo: tomar un fotograma intermedio de acción congelada y hacer que el modelo complete el movimiento con un impulso creíble; es la prueba más difícil para la capacidad física de un modelo de imagen a vídeo.

Fotograma inicial de entrada (16:9, generado con gpt-image-2; cualquier imagen que tengas da el mismo resultado).

The frozen moment continues: the skateboarder completes the air, drops back into the bowl, wheels hit the concrete with a small wobble he absorbs with bent knees, then he carves up the far wall. The camera pans right to follow him through the landing. Natural skate physics, momentum preserved from the pose, no cuts.

El salto se completa, aterriza y traza una curva por la pared del fondo — kling-3.0-turbo/image-to-video, 5 s @ 720p. Salida real generada a partir del fotograma inicial de arriba, primera versión original, creada para esta guía.

Por qué funciona: el prompt trata el fotograma como un problema físico con una única continuación correcta: "completes the air, drops back into the bowl, wheels hit ... he absorbs with bent knees". Escribir el aterrizaje como compases ordenados y pedir explícitamente "momentum preserved from the pose" evita que el modelo vuelva a lanzar al patinador por los aires con un segundo truco imposible. Una pequeña imperfección ("a small wobble he absorbs") se lee como realismo, no como fallo.

Receta 4 — Fotografía viva: bucle de paisaje natural (16:9)

Objetivo: el truco clásico de la imagen a vídeo: un paisaje que se desplaza. También es la plantilla económica: un clip de 4 segundos ($0.52), una forma barata de iterar el movimiento ambiental.

Fotograma inicial de entrada (16:9, generado con gpt-image-2; cualquier imagen que tengas da el mismo resultado).

Bring the photograph to life with gentle ambient motion: mist drifts slowly across the far shore, soft ripples cross the mirror reflection, clouds creep behind the peaks, and two distant birds glide across the sky. The camera dollies forward very slowly over the water. Calm, seamless, loop-like motion, no cuts.

La niebla se desplaza, las ondas cruzan el reflejo y la cámara avanza — kling-3.0-turbo/image-to-video, 4 s @ 720p. Salida real generada a partir del fotograma inicial de arriba, primera versión original, creada para esta guía.

Por qué funciona: todo se mueve a un ritmo natural: la niebla "drifts slowly", las nubes "creep", las ondas "cross", y dos pájaros dan al ojo un evento focal para que el clip no parezca un salvapantallas. "Loop-like motion" guía al modelo hacia un ritmo uniforme que resiste la reproducción en bucle, justo lo que quieres para un vídeo de fondo de un hero.

El esquema de entrada, verificado

Todo lo siguiente se confirmó contra la API de tareas en vivo antes de generar cualquier clip (los valores no válidos devuelven 400 con la lista de valores aceptados):

Campo	Tipo	Descripción
prompt	string	Obligatorio: describe el movimiento, no la imagen
image_urls	array de strings	Obligatorio, exactamente una URL (maxItems: 1), debe ser de acceso público
duration	integer	3–15 segundos
resolution	string	720p o 1080p

El esquema es estricto: aspect_ratio, seed, negative_prompt y sound se rechazan con el error additional properties ... not allowed. Hay dos consecuencias que conviene conocer:

• La relación de aspecto de salida sigue al fotograma de entrada. ¿Quieres vídeo vertical? Da una imagen vertical (receta 2). No hay ningún parámetro que compita con la imagen.
• La URL de imagen debe ser accesible desde la plataforma: alójala en tu CDN o almacenamiento de objetos, no detrás de autenticación ni en localhost.

Ejecuta estas recetas tú mismo (API)

Las cuatro recetas usan el mismo flujo asíncrono: crea la tarea con la URL de tu fotograma, consulta su estado hasta el estado final y descarga el mp4:

import requests, time

API = "https://api.hiapi.ai/v1/tasks"
HEADERS = {"Authorization": "Bearer YOUR_HIAPI_KEY", "Content-Type": "application/json"}

def animate(image_url, prompt, duration=5, resolution="720p"):
    body = {"model": "kling-3.0-turbo/image-to-video",
            "input": {"prompt": prompt, "image_urls": [image_url],
                      "duration": duration, "resolution": resolution}}
    task_id = requests.post(API, json=body, headers=HEADERS, timeout=60).json()["data"]["taskId"]
    while True:
        t = requests.get(f"{API}/{task_id}", headers=HEADERS, timeout=30).json()["data"]
        if t["status"] == "success":
            return t["output"][0]["url"]   # signed link, expires — download immediately
        if t["status"] == "fail":
            raise RuntimeError(t.get("error"))
        time.sleep(5)

print(animate("https://your-cdn.example.com/product.jpg",
              "Slow smooth orbit around the product, quarter turn right, no cuts"))

La output[0].url devuelta es temporal: guarda los bytes de inmediato en lugar de enlazarlos en caliente. Consulta la referencia completa de parámetros en la documentación.

Preguntas frecuentes

¿En qué se diferencia de kling-3.0-turbo texto a vídeo?
Es la misma familia, con el mismo precio por segundo y una superficie de control distinta: texto a vídeo acepta aspect_ratio y crea la composición; imagen a vídeo acepta una entrada en image_urls y hereda de ella la composición. Si no tienes fotograma inicial, usa la colección de recetas de texto a vídeo.

¿Cuánto cuesta un clip?
Se factura por segundo de salida: $0.13/seg a 720p y $0.16/seg a 1080p. Los tres clips de 5 segundos de este artículo cuestan $0.65 cada uno, el paisaje de 4 segundos $0.52 y una prueba de 3 segundos a 720p $0.39. Consulta las cifras en vivo en la página de precios.

¿Puedo controlar la relación de aspecto de salida?
Solo mediante la imagen de entrada: no hay campo aspect_ratio. Un fotograma en 9:16 genera un clip en 9:16 (receta 2) y uno en 16:9 genera un clip en 16:9.

¿La imagen de entrada tiene que estar generada por IA?
No: sirve cualquier URL de imagen de acceso público, como fotografía de producto, fotograma de película o render. Generé estos fotogramas con gpt-image-2 únicamente para que todo el flujo se pueda reproducir con una sola API.

¿Los clips tienen sonido?
Los clips de esta guía se devuelven con una pista de sonido ambiente nativa (verificado en los archivos reales). Para conocer los niveles de precios de audio explícitos y la salida 4K, consulta el nivel omni en la guía de imagen a vídeo de kling-3.0-omni.

¿Estos patrones de prompt se pueden trasladar a otros modelos de imagen a vídeo?
La estructura sí: prompts solo de movimiento, movimiento ambiental por capas y física escrita como compases ordenados. También mantenemos una colección de recetas de imagen a vídeo para wan2.7 por si quieres comparar otra familia de modelos con los mismos patrones.

---

Los cuatro prompts de movimiento están listos para que los copies. Consigue una clave de API, apunta el fragmento de código de arriba a kling-3.0-turbo imagen a vídeo, pon cualquier fotograma que tengas y un clip de prueba de 3 segundos cuesta $0.39.