Kling 3.0

Visão geral

kling-3.0-omni/text-to-video é a linha de geração de vídeo a partir de texto puro da série Kling 3.0 Omni, acessível por meio da interface unificada do HiAPI.ai. Ela gera o vídeo final diretamente a partir de um prompt, com suporte a durações de 3 a 15 segundos, resoluções 720p/1080p/4k e três formatos de tela (paisagem, retrato e quadrado), além de permitir ativar áudio nativo e storyboard automático com múltiplos planos. É indicada para desenvolvedores e equipes de conteúdo que precisam validar rapidamente ideias de cenas e produzir vídeos curtos em lote.

Destaques principais

• Geração do vídeo final diretamente a partir do prompt — basta um prompt (até 3072 caracteres), sem qualquer material de referência, para gerar um clipe de vídeo completo.
• Áudio nativo sincronizado opcional — ao ativar o parâmetro audio, vídeo e som são gerados no mesmo lote, dispensando a dublagem posterior e o alinhamento de efeitos sonoros.
• Storyboard automático com múltiplos planos — prefer_multi_shots permite que o modelo planeje vários planos com base no prompt, obtendo em uma única requisição um trecho com cortes.
• Sujeitos reutilizáveis e referência com @ — é possível registrar até 7 sujeitos, cada um definido por 2 a 4 imagens; no prompt, referencie com @nome para manter a consistência desse sujeito entre vários planos.

Descrição das capacidades

Geração de vídeo a partir de texto: após inserir o prompt, o arquivo de vídeo é retornado diretamente; a duração é ajustável entre 3 e 15 segundos, adaptando-se a trechos de diferentes ritmos.

Controle de resolução e formato: oferece três níveis de resolução (720p, 1080p, 4k) e três formatos (16:9, 9:16, 1:1), permitindo obter em uma única requisição o vídeo final adequado a veiculação em paisagem, feed vertical ou material quadrado.

Chave de áudio nativo: o parâmetro audio vem desativado por padrão; ao ativá-lo, o vídeo gera som sincronizado simultaneamente, dispensando a composição de trilha sonora em trechos de diálogo ou de ambientação.

Registro e referência de sujeitos: por meio de elements, informe o nome do sujeito, a descrição e 2 a 4 imagens de referência, e refira-se a ele no prompt com @nome, mantendo a aparência consistente do mesmo personagem ou objeto ao longo de vários planos.

Planejamento inteligente de múltiplos planos: ao ativar prefer_multi_shots, o modelo decompõe o prompt em vários planos e organiza a montagem, reduzindo o trabalho de gerar plano a plano e depois concatenar.

Cenários de aplicação

• Produção em lote de vídeos curtos para redes sociais por equipes de conteúdo — insira os argumentos de venda ou a descrição do tema, gere vídeos curtos em formato vertical 9:16 e use-os diretamente em veiculação em feeds e plataformas de vídeo curto.
• Pré-visualização de storyboard na pré-produção de cinema e animação — descreva em texto os planos e a movimentação de câmera, ative o storyboard com múltiplos planos e obtenha rapidamente trechos visualizáveis para discussão de storyboard e referência de design de planos.
• Validação criativa de anúncios e filmes de marca — antes da produção oficial, gere trechos conceituais em 16:9 e alta resolução para confirmar a direção criativa com o cliente.
• Trechos de personagens em diálogo com falas — registre o sujeito do personagem e referencie-o no prompt, ative o áudio nativo e produza trechos de personagem com som sincronizado para amostras de narrativa.

Limitações e recomendações de escolha

O limite de duração por geração é de 15 segundos; narrativas mais longas exigem geração em segmentos e posterior concatenação. O parâmetro elements serve apenas como referência de aparência do sujeito; é necessário referenciá-lo explicitamente no prompt com @nome para que tenha efeito, e sujeitos não registrados não têm consistência garantida. Elevar a resolução para 4k aumenta significativamente o custo de geração e transmissão. A linha atual aceita apenas entrada de texto; se for necessário partir de uma imagem ou de um vídeo existente, deve-se usar as linhas da mesma série de image-to-video, reference-to-video ou video-to-video (transformation). O custo é calculado por segundos de vídeo de saída; a combinação de longa duração com alta resolução exige estimativa prévia de consumo.