API de vídeos cortos de Kling AI: prueba por lotes de ganchos para TikTok

Por qué un solo clip no basta

Si estás creando vídeos cortos para TikTok o Reels, el gancho lo es todo: solo tienes aproximadamente un segundo antes de que el usuario deslice. El problema es que no puedes saber cuál funcionará hasta que juntes varios compases de apertura y los compares. Un único clip generado solo responde a «¿esto se ve bien?», pero no responde a «de estas cinco ideas, ¿cuál hace realmente que la gente deje de deslizar?».

kling-3.0-turbo/text-to-video en hiapi es rápido y barato, así que no tienes que elegir entre uno u otro. Envía cuatro o cinco variantes de gancho de la misma idea creativa como un lote paralelo, haz que se rendericen al mismo tiempo y luego elige la ganadora a partir del material real en lugar de la lectura de un guion. Esta guía recorre el flujo de trabajo de principio a fin: diseñar prompts de variantes, enviarlos en paralelo mediante la API de tareas asíncronas de hiapi y convertir la salida en un hábito de producción por lotes repetible.

Resumen:

• kling-3.0-turbo/text-to-video acepta prompt, duration (3-15 segundos), resolution (720p o 1080p) y aspect_ratio; no hay otros parámetros, así que cada variante solo cambia el prompt.
• La API de tareas de hiapi es asíncrona y cada llamada es sin estado: envía todas las variantes de forma consecutiva y luego consulta cada taskId de forma independiente. Ninguna tarea bloquea a las demás.
• Cuatro clips de 5 segundos en 9:16 a 720p cuestan $0.65 cada uno: un lote completo de candidatos de gancho cuesta $2.60 en total, más barato que una sola licencia de vídeo de stock.
• La generación por lotes no significa que no haga falta filtrar: cada clip aún debe revisarse a mano antes de publicarse, especialmente cuando hay texto o movimientos delicados.
• El patrón siguiente se puede ampliar a más de 4 clips; el único límite real es el saldo de tu cuenta y cuántas ideas de gancho más puedes escribir.

El lote: una idea, cuatro ganchos

Para concretar, aquí tienes un lote real: cuatro clips en 9:16, el mismo producto (café cold brew de pequeña producción), la misma duración de 5 segundos, la misma resolución de 720p y cuatro compases de apertura distintos. Estas son salidas reales, no imágenes de referencia.

Gancho A: el vertido. Un plano macro con cámara fija sobre el propio vertido y luego un barrido rápido hacia arriba hasta la etiqueta. Lo que se prueba es si una apertura puramente sensorial (líquido, condensación, hielo) basta para captar la atención antes de que aparezca la marca.

Plano vertical con estilo de cámara de teléfono móvil, primerísimo primer plano, café cold brew oscuro vertiéndose a cámara lenta sobre un vaso alto lleno de hielo,
condensación en el vaso y luz de ventana matinal detrás. La cámara permanece fija todo el tiempo y luego, en el último cuarto de segundo,
barre hacia arriba hasta una etiqueta escrita a mano que dice «SMALL BATCH». Fotorrealista, poca profundidad de campo,
fondo de encimera de cocina cálida suavemente desenfocado.

Gancho B: la revelación. La tapa de una caja de madera se desliza y deja al descubierto hileras de botellas del producto. Lo que se prueba es una apertura de tipo «detrás de cámaras»; este gancho de curiosidad funciona bien cuando el producto en sí es visualmente interesante presentado en lote.

Plano vertical con estilo de cámara de teléfono móvil, las manos de un empleado de cafetería deslizando la tapa de una caja de madera,
dejando al descubierto hileras de botellas de cold brew ámbar entre hielo, con una niebla fría similar a vapor elevándose,
luces cálidas de guirnalda desenfocadas al fondo. La cámara se acerca ligeramente cuando se abre la tapa, revelación rápida y enérgica,
fotorrealista, ligero temblor de mano para dar realismo.

Gancho C: sorbo en primera persona. Punto de vista en primera persona, un vaso levantado hacia la cámara en una terraza soleada. Lo que se prueba es una apertura de estilo de vida/aspiracional en lugar de una apertura centrada en el producto.

Plano vertical en primera persona con estilo de cámara de teléfono móvil, desde la mirada de quien bebe, un vaso de cold brew helado
levantado hacia la cámara frente al fondo de una terraza de cafetería al aire libre y soleada, la terraza desenfocada en el fondo,
condensación cayendo por el vaso, cubitos de hielo chocando y asentándose. La cámara se mantiene estable mientras se levanta el vaso,
y al final el vaso ocupa la mayor parte del encuadre, con el borde a punto de tocar la cámara. Fotorrealista, luz natural brillante.

Gancho D: vertido dinámico. Primero caen los cubitos de hielo y luego un vertido rápido llena el vaso alrededor del hielo. Lo que se prueba es una apertura más enérgica y dinámica que el vertido lento del gancho A.

Plano vertical con estilo de cámara de teléfono móvil, cubitos de hielo cayendo uno a uno a cámara lenta en un vaso vacío sobre una encimera de madera oscura,
cada cubito salpicando pequeñas gotas, seguido de un vertido rápido de cold brew que llena el vaso alrededor del hielo,
con un ligero desenfoque de movimiento en el punto del vertido. Toma única continua, sin cortes, fotorrealista,
iluminación lateral cálida y atmosférica, poca profundidad de campo.

Coste total de este lote: 4 clips × 5 segundos × $0.13/segundo (720p) = $2.60. Los cuatro clips se renderizaron a partir de una sola ronda de envíos en paralelo; para ver el mecanismo concreto, consulta a continuación.

El mecanismo real de la API

kling-3.0-turbo/text-to-video se ejecuta a través del endpoint unificado de tareas asíncronas de hiapi. No hay un endpoint «batch» aparte: el procesamiento por lotes ocurre de tu lado, es decir, enviando de forma consecutiva varias solicitudes de tarea independientes y consultándolas de forma concurrente.

Paso 1: envía cada variante. Cada envío es una llamada normal a POST /v1/tasks:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling-3.0-turbo/text-to-video",
    "input": {
      "prompt": "Plano vertical con estilo de cámara de teléfono móvil, primerísimo primer plano, café cold brew oscuro vertiéndose a cámara lenta sobre un vaso alto lleno de hielo...",
      "duration": 5,
      "resolution": "720p",
      "aspect_ratio": "9:16"
    }
  }'

La respuesta devuelve inmediatamente un taskId; no espera a que termine el renderizado. Ejecuta la llamada en bucle una vez por variante y en pocos segundos habrás enviado todo el lote, mucho antes de que el primer clip termine de renderizarse.

Paso 2: consulta cada tarea de forma independiente. Cada taskId se comprueba por separado:

curl https://api.hiapi.ai/v1/tasks/<taskId> \
  -H "Authorization: Bearer $HIAPI_API_KEY"

Consulta a intervalos regulares (unos segundos es razonable) hasta que status cambie a success o fail. Como cada tarea es independiente, un renderizado lento nunca bloquea a las demás; solo tienes que mantener un pequeño diccionario {taskId: status} y eliminar las entradas cuando terminen. Eso es todo el «planificador por lotes»: sin colas, sin servicios de orquestación, solo un bucle sobre llamadas asíncronas independientes.

Paso 3: descarga de inmediato. Al llegar a success, la respuesta incluye una URL de salida, pero es un enlace firmado y con caducidad, no un enlace permanente. Descarga los bytes y guárdalos por tu cuenta (R2, S3 o donde sea que esté tu pipeline) en cuanto termine la tarea. No dejes que los clips se queden en una URL que caduca.

Modo estricto, versión completa:

Campo	Tipo	Valores
prompt	string	Tu descripción de la escena
duration	integer	3–15 (segundos)
resolution	string	720p o 1080p
aspect_ratio	string	16:9, 9:16 o 1:1

Eso es todo: no se aceptan campos adicionales. En realidad, esa es precisamente la razón por la que la generación por lotes es tan sencilla: cada variante de un lote son solo las mismas cuatro claves con un prompt distinto (y, si quieres, un aspect_ratio distinto para reutilizarla en varias plataformas).

Escribir variantes de gancho que sean realmente distintas

Una trampa de la generación por lotes es escribir cuatro prompts que en realidad son el mismo clip con sinónimos: obtendrás cuatro renderizados casi idénticos y ninguna señal real sobre qué gancho funciona. Varía en las dimensiones que cambian lo que la audiencia ve realmente en el primer segundo:

• Comportamiento de la cámara: cámara fija vs. ligero temblor de mano vs. acercamiento vs. elevación en primera persona. Esto cambia la energía sentida de la apertura más que cualquier ajuste de tema.
• Punto de vista: plano del producto en tercera persona vs. punto de vista en primera persona vs. las manos de otra persona en acción. Los planos en primera persona suelen sentirse más nativos en el feed de vídeos cortos.
• Momento de la revelación: ¿el producto o la etiqueta aparece en el primer fotograma, o el clip va preparando la aparición (la revelación con barrido del gancho A)? Abrir con el resultado en frío y preparar lentamente son ganchos realmente distintos, no variantes del mismo.
• Energía del movimiento: un vertido lento y deliberado (gancho A) vs. un vertido rápido y dinámico (gancho D): el mismo sujeto, ritmo opuesto, y el ritmo suele ser la variable real que decide la tasa de finalización.

Cuatro dimensiones, un prompt por cada una, bastan para obtener una señal real de un lote. Acumular diez prompts casi duplicados solo quema presupuesto sin añadir información.

Qué resuelve el procesamiento por lotes y qué no

La generación por lotes responde a «¿qué idea merece convertirse en un corto de verdad?». No elimina la necesidad de revisar a mano la salida:

• Mira cada clip antes de publicar. kling-3.0-turbo renderiza acciones e iluminación de forma convincente, pero cualquier texto en pantalla que aparezca por casualidad (como la etiqueta del gancho A) aún requiere revisión humana: trata el texto generado como cualquier texto renderizado por IA: verifícalo, no asumas que es correcto.
• El lote es una ronda de filtrado, no el montaje final. Lo importante es descartar tres ideas a bajo coste e invertir tiempo de edición adicional solo en la que realmente funciona.
• El coste escala de forma lineal y predecible. A $0.13/segundo (720p) o $0.16/segundo (1080p), un lote de N clips de duración D cuesta N × D × rate: fácil de predecir antes de enviarlo, a diferencia de algunas pruebas de publicidad de pago en las que no sabes el coste hasta que termina la campaña.

Preguntas frecuentes

¿Cuántas variantes debería incluir en un lote? De tres a cinco es el rango práctico: suficiente para cubrir ganchos realmente distintos (comportamiento de cámara, punto de vista, momento de la revelación, ritmo) sin generar contenido casi duplicado. Más allá de eso, normalmente estás pagando por señal redundante en lugar de información nueva.

¿Afecta la resolución a lo que puedo probar? No: 720p y 1080p solo cambian el precio ($0.13/segundo vs. $0.16/segundo) y el tamaño del archivo, no la relación de aspecto ni los límites de duración. Para rondas de prueba de ganchos en las que vas a descartar la mayor parte de la salida, 720p es la opción más barata; si necesitas archivos de mayor resolución para la entrega final, vuelve a renderizar la ganadora en 1080p.

¿Puedo enviar más de 4 o 5 a la vez? Sí: la API de tareas no limita cuántas tareas independientes envías, solo tu saldo de cuenta y la rapidez con la que quieres los resultados. El patrón de envío en bucle y consulta descrito arriba escala igual tanto si ejecutas 4 tareas como 40; simplemente haces seguimiento de más taskId en el mismo bucle.

¿Los clips incluyen audio? Sí: kling-3.0-turbo renderiza audio ambiental realista (salpicaduras, vertidos, ruido de fondo de la sala) incluso sin un nivel de precios separado de «con audio». No asumas que está en silencio; revisa la salida real antes de añadir tu propio diseño de sonido.

¿En qué se diferencia esto de la guía de recetas de prompts de texto a vídeo? Esa guía es una referencia de prompts para un solo clip: útil para saber qué puede renderizar kling-3.0-turbo. Esta guía trata del hábito de producción de generar en paralelo varias versiones competidoras de una idea y elegir la ganadora, que es el flujo de trabajo que realmente importa cuando publicas contenido de vídeo corto de forma programada.

Puntos clave:

• La generación por lotes con kling-3.0-turbo significa enviar varias variantes de prompt como tareas asíncronas independientes, no usar una API «batch» especial: el paralelismo es simplemente tu propio bucle de envío y consulta.
• El esquema del modelo se mantiene deliberadamente mínimo (prompt, duration, resolution, aspect_ratio), lo que hace trivial intercambiar prompts dentro de un lote.
• Varía el comportamiento de la cámara, el punto de vista, el momento de la revelación y la energía del movimiento (no sinónimos) para obtener una señal real del lote.
• A $0.13/segundo (720p), una ronda de prueba de ganchos de 4 clips cuesta solo unos pocos dólares: lo bastante barato como para ejecutarla antes de cada publicación de vídeo corto, no solo en grandes campañas.
• El procesamiento por lotes reduce el rango de qué idea perseguir; no sustituye la revisión humana del clip ganador.

¿Listo para ejecutar tu propio lote? Consulta los precios y límites de velocidad actuales antes de una ejecución grande, o empieza por la página del modelo kling-3.0-turbo/text-to-video para obtener la referencia completa de parámetros. Si primero quieres ideas de prompts para un solo clip, la guía de recetas de prompts es una buena biblioteca inicial que puedes adaptar para crear tus propias variantes de gancho.