De texto a imagen: ejemplo de storyboard de texto a vídeo con Kling 3.0 Omni

Esta entrada muestra el uso básico de Kling 3.0 Omni en la línea text-to-video: con solo un prompt en inglés, el modelo convierte una descripción textual en una secuencia de planos continua con ritmo narrativo. Del lado del schema solo se exponen el prompt y varios parámetros no multimedia (duración, resolución, relación de aspecto, audio nativo, multicámara inteligente), por lo que se trata de un ejemplo mínimo impulsado únicamente por texto, sin ninguna imagen de referencia ni elementos de sujeto. En cuanto a los parámetros, activar prefer_multi_shots permite que el modelo descomponga los planos por sí mismo; junto con una duración de 10 segundos y una relación de aspecto 16:9, facilita observar la coherencia de escena y la razonabilidad del movimiento entre planos; resolution se mantiene en 720p para acortar el tiempo de generación. El prompt se redacta en el orden «escena—sujeto—acción—lenguaje de cámara—atmósfera lumínica», que es también una estructura descriptiva bastante estable en texto a vídeo. Adecuado como punto de partida para que los desarrolladores integren la capacidad text-to-video: sobre esta base se pueden añadir elements (2–4 imágenes de referencia de un mismo sujeto, referenciadas en el prompt con @name) para experimentar con la consistencia de personaje, o activar audio para probar el audio nativo y la sincronización labial. La información de la familia de modelos indica que la serie Kling 3.0 integra la generación de vídeo, imagen y audio en una arquitectura multimodal unificada, y la consistencia de elementos entre planos es su punto de promoción destacado; esta entrada solo cubre la entrada de texto a vídeo ya declarada en el schema, y el resto de capacidades se rigen por la documentación oficial.