Kling 3.0 Omni referência para vídeo: 3 receitas de prompt prontas para copiar e os vídeos reais gerados

Guiar o mesmo produto ou personagem por diferentes cenas usando imagens de referência é exatamente o que o Kling 3.0 Omni referência para vídeo (kling-3.0-omni/reference-to-video) faz na HiAPI. Abaixo estão três receitas (um produto, um personagem e os dois no mesmo quadro), cada uma com a requisição exata e o vídeo que ela gerou: as três foram geradas em 1080p, totalizando $2.064. Abra a página do modelo para executar uma imediatamente; novas contas recebem 200 créditos gratuitos.

Uma chamada comum de texto para vídeo só conhece o que você descreve em texto, então cada geração cria um sujeito ligeiramente diferente. Já o referência para vídeo usa imagens do sujeito que importa para você, mantendo a aparência dele enquanto você usa o prompt para dirigir câmera, movimento e cenário.

Como o referência para vídeo funciona

Uma chamada comum de texto para vídeo só conhece o que você descreve em texto. "Um mascote robô branco" é uma categoria, não uma identidade — então cada geração cria um robô ligeiramente diferente. O Kling 3.0 Omni oferece duas formas de fixar a identidade:

• image_urls (obrigatório, 1–7 imagens): imagens de referência do sujeito, produto ou estilo. A forma mais simples de travar um único sujeito é passar dois ângulos dele aqui.
• elements (opcional, até 7): sujeitos nomeados e reutilizáveis. Cada um tem um name (sem espaços), uma description curta e 2–4 element_input_urls do mesmo sujeito. Chame-o no prompt com @name — é assim que se distingue vários sujeitos em um único quadro.

Depois, o prompt cuida de tudo o que deve mudar — câmera, luz, ação, cenário — e as imagens de referência preservam a identidade.

Estrutura de entrada em 30 segundos

Campo	Tipo	Descrição
prompt	string	Cena, câmera e movimento; chame elementos com @name
image_urls	string[]	Obrigatório. 1–7 imagens de referência (máximo de 4 com vídeo de referência)
elements[]	object[]	Opcional. Cada um contém name, description e 2–4 element_input_urls
video_urls	string[]	Opcional. Um clipe de 3–15,5 segundos como referência de movimento e câmera
duration	integer	3–15 segundos, padrão 5
resolution	enum	720p (padrão), 1080p ou 4k
audio	boolean	Som nativo, padrão false; deve permanecer false quando há vídeo de referência
aspect_ratio	enum	16:9 (padrão), 9:16 ou 1:1

Imagens de referência e sujeitos de elementos compartilham uma única cota: 7 no total, ou 4 ao adicionar um vídeo de referência.

---

Receita 1 — Travar um único produto

O caso mais simples: um sujeito que permanece fiel enquanto a câmera se move. O sujeito é um frasco de sérum de vidro âmbar, com dois ângulos de referência colocados diretamente em image_urls:

Prompt:

Revelação cinematográfica de produto de skincare. A câmera avança lentamente sobre o frasco de sérum de vidro âmbar das imagens de referência, apoiado em um pedestal redondo de mármore branco, luz de estúdio difusa e suave vindo da parte superior esquerda, uma leve névoa volumétrica atrás dele. Uma única gota de sérum dourado se forma lentamente e pende na ponta do conta-gotas preto. Profundidade de campo rasa, visual comercial premium, reflexos suaves deslizando pelo vidro âmbar enquanto a câmera se aproxima.

Requisição:

{
  "model": "kling-3.0-omni/reference-to-video",
  "input": {
    "prompt": "Revelação cinematográfica de produto de skincare. A câmera avança lentamente sobre o frasco de sérum de vidro âmbar das imagens de referência, apoiado em um pedestal redondo de mármore branco, luz de estúdio difusa e suave vindo da parte superior esquerda, uma leve névoa volumétrica atrás dele. Uma única gota de sérum dourado se forma lentamente e pende na ponta do conta-gotas preto. Profundidade de campo rasa, visual comercial premium, reflexos suaves deslizando pelo vidro âmbar enquanto a câmera se aproxima.",
    "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, som desativado):

Gerar com este prompt →

Por que funciona: o prompt menciona o sujeito apenas uma vez ("o frasco de sérum de vidro âmbar das imagens de referência") e usa todas as outras palavras para instruções de direção: avanço de câmera, luz de estúdio, a gota na ponta do conta-gotas. O formato do frasco, a tampa preta canelada e o vidro âmbar permanecem consistentes durante o avanço, terminando em um close do frasco.

---

Receita 2 — Travar um personagem

Troque o produto por um personagem e o método não muda em nada. O sujeito é um mascote original, usando a vista frontal e a vista de três quartos como referência:

Prompt:

O mascote robô branco fosco das imagens de referência está em um café aconchegante e ensolarado, com a luz quente da manhã entrando por uma janela atrás dele. Ele acena alegremente com um braço, inclina a cabeça e sua antena balança suavemente. Movimento fluido e amigável, bokeh suave das prateleiras de madeira do café ao fundo, um avanço de câmera lento e suave, estética de filme de animação acolhedor.

Requisição:

{
  "model": "kling-3.0-omni/reference-to-video",
  "input": {
    "prompt": "O mascote robô branco fosco das imagens de referência está em um café aconchegante e ensolarado, com a luz quente da manhã entrando por uma janela atrás dele. Ele acena alegremente com um braço, inclina a cabeça e sua antena balança suavemente. Movimento fluido e amigável, bokeh suave das prateleiras de madeira do café ao fundo, um avanço de câmera lento e suave, estética de filme de animação acolhedor.",
    "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, som desativado):

Gerar com este prompt →

Por que funciona: o mascote entra em um ambiente totalmente novo (um café ensolarado) e faz uma ação totalmente nova (acenar e sorrir), mas a viseira verde-menta, os olhos redondos, o botão na barriga e as proporções do corpo continuam consistentes com o modelo. Mesma identidade, nova atuação.

---

Receita 3 — Dois sujeitos em um quadro

É aqui que elements vale a pena. Defina o mascote e o frasco de sérum como dois elementos nomeados e depois os dirija no prompt com @mascot e @serum. image_urls continua obrigatório, então um ângulo do frasco também entra:

Prompt:

Comercial de produto limpo e divertido. @mascot está ao lado de um pedestal redondo de mármore branco e gesticula com um braço em direção a @serum, que repousa sobre ele, apresentando-o ao espectador. @mascot dá uma olhada no frasco e depois vira o rosto para a câmera. Luz de estúdio difusa e suave, fundo infinito verde-menta claro, um avanço de câmera lento e suave, visual de anúncio de marca premium e amigável.

Requisição:

{
  "model": "kling-3.0-omni/reference-to-video",
  "input": {
    "prompt": "Comercial de produto limpo e divertido. @mascot está ao lado de um pedestal redondo de mármore branco e gesticula com um braço em direção a @serum, que repousa sobre ele, apresentando-o ao espectador. @mascot dá uma olhada no frasco e depois vira o rosto para a câmera. Luz de estúdio difusa e suave, fundo infinito verde-menta claro, um avanço de câmera lento e suave, visual de anúncio de marca premium e amigável.",
    "image_urls": [
      "https://static.hiapi.ai/gallery/2026/10/bf90e69bd4d2b13b.jpg"
    ],
    "elements": [
      {
        "name": "mascot",
        "description": "Mascote robô arredondado, pequeno e branco fosco, com detalhes em verde-menta suave, uma pequena bola na ponta de uma antena curta, olhos escuros grandes e redondos e um botão redondo verde-menta na 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 de skincare de vidro âmbar com tampa conta-gotas de vidro e bulbo de borracha preto",
        "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, som desativado):

Gerar com este prompt →

Por que funciona: cada sujeito é seu próprio elemento, com seu próprio par de imagens de referência, então o modelo os rastreia independentemente. O mascote mantém seu design, o frasco mantém seu formato, e o prompt orquestra a relação entre eles: o mascote se estende em direção ao frasco no pedestal enquanto a câmera avança.

Escreva referências que realmente preservem a identidade

• Dê dois ou mais ângulos a cada sujeito. Ângulos diferentes do mesmo sujeito ensinam ao modelo o que é invariável. Cada elemento precisa de 2–4 imagens.
• Identidade nas imagens de referência, direção no prompt. Coloque o que é o sujeito nas imagens e na description; coloque o que acontece no prompt.
• Chame elementos com @name. Os nomes não podem ter espaços (use serum, não serum bottle), e no prompt eles devem ser referenciados exatamente como @serum.
• Reutilize blocos de elementos para montar campanhas. As duas receitas acima usam o mesmo conjunto de referências do mascote e do frasco. Reutilizá-los entre chamadas mantém uma campanha consistente com a marca.
• Adicione um vídeo de referência para especificar o movimento de câmera. Coloque um clipe em video_urls e a nova cena seguirá o movimento e a linguagem de câmera dele; nesse caso, mantenha audio desativado.

Reproduza com a API

O referência para vídeo roda na API de tarefas assíncronas da HiAPI. Envie a tarefa e depois consulte até concluir:

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 um pedestal de mármore, avanço de câmera lento, luz de estúdio suave",
      "image_urls": ["https://.../ref-1.jpg"],
      "elements": [
        {
          "name": "serum",
          "description": "Frasco de sérum de vidro âmbar com tampa conta-gotas preta",
          "element_input_urls": ["https://.../ref-1.jpg", "https://.../ref-2.jpg"]
        }
      ],
      "duration": 5,
      "resolution": "1080p",
      "audio": false,
      "aspect_ratio": "16:9"
    }
  }'

A resposta retorna um taskId. Consulte GET /v1/tasks/{taskId} até que status seja success e baixe o clipe em output[0].url (as saídas ficam disponíveis por cerca de 7 dias por padrão, então salve no seu próprio armazenamento ou mude para o armazenamento persistente da HiAPI). Em produção, passe callback.url no nível superior e a HiAPI notificará seu serviço quando a tarefa terminar. Para todos os parâmetros, consulte a documentação da API do Kling 3.0 Omni referência para vídeo.

Preços

O Kling 3.0 Omni referência para vídeo cobra por segundos de saída, conforme a resolução e o som:

Resolução	Som desativado	Som ativado	Com vídeo de referência
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

As três receitas acima rodam em 1080p com som desativado: $0.645 por clipe de 5 segundos, $0.774 pelo clipe de 6 segundos, totalizando $2.064 pelos três. Faça um teste em 720p primeiro, a $0.50 por clipe de 5 segundos, e depois regere as versões escolhidas em 1080p ou 4k. Os clipes duram de 3 a 15 segundos; tarefas com falha são reembolsadas automaticamente.

Perguntas frequentes

Qual é a diferença entre referência para vídeo e imagem para vídeo? Imagem para vídeo anima um quadro inicial — a cena inteira nasce daquela imagem. Referência para vídeo carrega sujeitos e permite recompor uma nova cena ao redor deles. Use imagem para vídeo quando você tiver o primeiro quadro exato cujo movimento deseja; use referência para vídeo quando precisar manter o mesmo personagem ou produto em muitos planos diferentes.

Quantos sujeitos cabem em um clipe? Imagens de referência e sujeitos de elementos somam no máximo 7 por chamada, ou 4 quando há vídeo de referência — suficiente para um personagem mais alguns adereços.

Por que meu elemento foi rejeitado? O element_input_urls de cada elemento precisa de 2–4 imagens, e o name não pode ter espaços. Verifique também se a requisição tem pelo menos uma entrada em image_urls.

É possível ter som? Sim. Sem vídeo de referência, defina audio: true para obter ambiente e efeitos sonoros nativos. Isso acrescenta $0.029 por segundo em 720p e $0.0355 por segundo em 1080p.

E se eu quiser apenas texto, sem referência? Use o Kling 3.0 Omni texto para vídeo: mesmo motor, apenas com prompt.

Conclusão

O referência para vídeo transforma "algum personagem" no seu personagem. Dê a cada sujeito alguns ângulos de referência, chame-o com @name e deixe o prompt cuidar da direção: você consegue produzir uma série inteira coerente em vez de lutar contra a deriva plano a plano. Copie a receita 3 e execute seu primeiro clipe com dois sujeitos na página do modelo. O link já preenche o prompt; depois adicione as imagens de referência e os elementos da requisição acima. Para comparar opções e tarifas, consulte o guia de preços da API do Kling 3.0.