Kling 3.0

Posicionamento e visão geral

kling-3.0-omni/image-to-video é a versão Omni da série kling-3.0 voltada para a geração de vídeo a partir de imagem, acessível por meio da interface unificada do HiAPI.ai. O desenvolvedor fornece uma ou mais imagens de quadro, junto com um prompt de texto, para gerar vídeos de 3 a 15 segundos em 720p até 4k, com opção de ativar áudio nativo, múltiplas tomadas inteligentes e sujeitos reutilizáveis. Indicado para desenvolvedores que precisam converter rapidamente imagens estáticas em vídeos dinâmicos em cenários como vitrines de e-commerce, vídeos curtos para redes sociais e pré-visualização de storyboard, exigindo consistência de elementos, duração e qualidade de imagem controláveis.

Destaques principais

• Controle por quadro inicial e final — aceita 1 imagem como quadro inicial, ou 2 imagens especificando respectivamente o quadro inicial e o final, garantindo um ponto de partida e um ponto de chegada claros no processo de geração.
• Consistência de sujeitos reutilizáveis — define até 3 sujeitos, cada um descrito por 2 a 4 imagens e referenciado no prompt com @nome, reduzindo a deriva de sujeitos entre tomadas.
• Saída opcional de áudio nativo — ao ativar audio, o vídeo é gerado junto com o som sincronizado, eliminando a etapa separada de dublagem e alinhamento de áudio e imagem.
• Duração e resolução ajustáveis — a duração de saída cobre de 3 a 15 segundos, e a resolução pode ser 720p, 1080p ou 4k, atendendo desde a pré-visualização até o vídeo final.

Descrição das capacidades

Geração a partir de quadro inicial e de quadro inicial/final: insira 1 imagem para gerar um vídeo com esse ponto de partida, ou insira 2 imagens para controlar o quadro inicial e o final; a proporção de saída acompanha o quadro inicial, facilitando a correspondência com a composição do material existente.

Referência e consistência de sujeitos: defina até 3 sujeitos nomeados por meio de elements, cada um com 2 a 4 imagens de referência e uma breve descrição, e mencione-os no prompt com @nome para ajudar a manter estável a aparência dos sujeitos em múltiplas tomadas.

Geração de áudio nativo: com o parâmetro audio ativado, a geração do vídeo produz simultaneamente o som sincronizado, adequado a vídeos finais que precisam de falas ou som ambiente, reduzindo as etapas de composição de áudio e imagem.

Planejamento inteligente de múltiplas tomadas: com prefer_multi_shots ativado, o modelo divide automaticamente o resultado em várias tomadas com base no prompt, obtendo em uma única chamada um vídeo curto com cortes de câmera, em vez de uma única cena contínua.

Cenários de uso

• Imagem de produto de e-commerce em vídeo de vitrine — usa a imagem principal do produto como quadro inicial para gerar um vídeo curto com movimento de câmera, destinado à página de detalhes do produto ou a materiais de anúncios em feed.
• Pôster estático de rede social em vídeo curto dinâmico — insere o quadro inicial e o final a partir do layout de design e produz um vídeo dinâmico vertical ou horizontal, pronto para publicação direta nas plataformas sociais.
• Pré-visualização de storyboard com quadros inicial e final — combina quadros-chave de storyboards de cinema ou animação em pares de quadro inicial e final, gerando tomadas de transição para confirmar ritmo e movimentos de câmera na fase inicial.
• Vídeo curto com personagens em múltiplas tomadas — usa elements para fixar a aparência dos personagens e ativa múltiplas tomadas, gerando em lote vídeos narrativos curtos com personagens consistentes, para publicidade ou séries de conteúdo.

Limitações e recomendações de escolha

O limite de duração por geração é de 15 segundos; narrativas mais longas exigem geração em segmentos e posterior montagem. A proporção de saída é determinada pelo quadro inicial, portanto a proporção dos materiais deve ser padronizada previamente. A referência de sujeitos permite no máximo 3 sujeitos, e cada um requer de 2 a 4 imagens do mesmo sujeito, elevando o custo de preparação das entradas. O áudio nativo e as múltiplas tomadas inteligentes são chaves opcionais; quando ativados, a qualidade da descrição no prompt passa a ter dependência maior. Se for necessário apenas gerar a partir de texto puro, deve-se optar pela linha de geração de vídeo a partir de texto da mesma série; se for necessário fazer substituições locais em um vídeo existente, isso não faz parte do escopo de geração de vídeo a partir de imagem desta linha.