Kling 3.0 Omni: генерация видео по референсу — 3 готовых рецепта промптов с реальными результатами

Задавать один и тот же продукт или персонаж через референсные изображения в разных сценах — именно это делает генерация видео по референсу Kling 3.0 Omni (kling-3.0-omni/reference-to-video) на HiAPI. Ниже приведены три рецепта (продукт, персонаж и оба в одном кадре), каждый с точным запросом и полученным видео: все три сгенерированы в 1080p, всего за $2.064.Откройте страницу модели, чтобы сразу запустить один из них; новым аккаунтам дарится 200 бесплатных кредитов.

Обычный вызов генерации видео по тексту знает только то, что вы описали текстом, поэтому каждая генерация создаёт немного отличающийся субъект. Генерация по референсу использует изображения интересующего вас субъекта и сохраняет их внешний вид неизменным, пока вы с помощью промпта управляете камерой, движением и сценой.

Как работает генерация видео по референсу

Обычный вызов генерации видео по тексту знает только то, что вы описали текстом. «Белый робот-талисман» — это категория, а не личность, поэтому каждая генерация создаёт немного другого робота. Kling 3.0 Omni предлагает два способа зафиксировать идентичность:

• image_urls (обязательно, 1–7 изображений): референсы субъекта, продукта или стиля. Самый простой способ зафиксировать один субъект — передать здесь два его ракурса.
• elements (опционально, до 7): именованные переиспользуемые субъекты. У каждого есть name (без пробелов), краткое description и 2–4 изображения element_input_urls одного и того же субъекта. Вызывайте его в промпте через @name — это и есть способ различать несколько субъектов в одном кадре.

Затем промпт управляет всем, что должно меняться, — камерой, светом, движением, сценой, — а референсные изображения фиксируют идентичность.

Структура входа, понятная за 30 секунд

Поле	Тип	Описание
prompt	string	Сцена, камера и движение; вызывайте элементы через @name
image_urls	string[]	Обязательно. 1–7 референсных изображений (до 4 при наличии референсного видео)
elements[]	object[]	Опционально. Каждый содержит name, description, 2–4 element_input_urls
video_urls	string[]	Опционально. Фрагмент длительностью 3–15.5 секунды как референс движения и камеры
duration	integer	3–15 секунд, по умолчанию 5
resolution	enum	720p (по умолчанию), 1080p или 4k
audio	boolean	Нативный звук, по умолчанию false; при наличии референсного видео должен оставаться false
aspect_ratio	enum	16:9 (по умолчанию), 9:16 или 1:1

Референсные изображения и элементы-субъекты используют общую квоту: всего 7, а при добавлении референсного видео — 4.

---

Рецепт 1 — фиксация одного продукта

Простой случай: один субъект, точно воспроизводимый при движении камеры. Субъект — флакон сыворотки из янтарного стекла, два референсных ракурса передаются прямо в image_urls:

Промпт:

Кинематографичная презентация продукта для ухода за кожей. Камера медленно наезжает на флакон сыворотки из янтарного стекла с референсных изображений, флакон стоит на круглой белой мраморной подставке, мягкий рассеянный студийный свет падает слева сверху, позади лёгкая объёмная дымка. Капля золотистой сыворотки медленно формируется и повисает на кончике чёрной пипетки. Малая глубина резкости, премиальный коммерческий вид, мягкие блики скользят по янтарному стеклу, пока камера плавно приближается.

Запрос:

{
  "model": "kling-3.0-omni/reference-to-video",
  "input": {
    "prompt": "Кинематографичная презентация продукта для ухода за кожей. Камера медленно наезжает на флакон сыворотки из янтарного стекла с референсных изображений, флакон стоит на круглой белой мраморной подставке, мягкий рассеянный студийный свет падает слева сверху, позади лёгкая объёмная дымка. Капля золотистой сыворотки медленно формируется и повисает на кончике чёрной пипетки. Малая глубина резкости, премиальный коммерческий вид, мягкие блики скользят по янтарному стеклу, пока камера плавно приближается.",
    "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"
  }
}

Результат (5 секунд, 1080p, звук выключен):

Сгенерировать с этим промптом →

Почему это работает: промпт упоминает субъект только один раз («флакон сыворотки из янтарного стекла с референсных изображений»), а каждое остальное слово — режиссёрская команда: наезд камеры, студийный свет, капля на кончике пипетки. Форма флакона, рифлёная чёрная крышка и янтарное стекло остаются неизменными на протяжении наезда, который завершается крупным планом флакона.

---

Рецепт 2 — фиксация персонажа

Замените продукт персонажем — сам метод ничуть не меняется. Субъект — оригинальный талисман, в качестве референсов используются вид спереди и вид в три четверти:

Промпт:

Матово-белый робот-талисман с референсных изображений стоит в уютном залитом солнцем кафе, тёплый утренний свет льётся из окна за его спиной. Он весело машет одной рукой, наклоняет голову, антенна слегка покачивается. Плавные дружелюбные движения, мягкое боке деревянных полок кафе на фоне, камера медленно и мягко наезжает, атмосфера уютного анимационного фильма.

Запрос:

{
  "model": "kling-3.0-omni/reference-to-video",
  "input": {
    "prompt": "Матово-белый робот-талисман с референсных изображений стоит в уютном залитом солнцем кафе, тёплый утренний свет льётся из окна за его спиной. Он весело машет одной рукой, наклоняет голову, антенна слегка покачивается. Плавные дружелюбные движения, мягкое боке деревянных полок кафе на фоне, камера медленно и мягко наезжает, атмосфера уютного анимационного фильма.",
    "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"
  }
}

Результат (5 секунд, 1080p, звук выключен):

Сгенерировать с этим промптом →

Почему это работает: талисман попадает в совершенно новую обстановку (залитое солнцем кафе) и совершает совершенно новые действия (машет и улыбается), но мятное забрало, круглые глаза, кнопка на животе и пропорции тела остаются смоделированными одинаково. Та же личность, новое исполнение.

---

Рецепт 3 — два субъекта в одном кадре

Именно здесь раскрывается ценность elements. Определите талисман и флакон сыворотки как два именованных элемента, а затем управляйте ими в промпте через @mascot и @serum. image_urls по-прежнему обязателен, поэтому добавьте туда один ракурс флакона:

Промпт:

Чистая, игривая реклама продукта. @mascot стоит рядом с круглой белой мраморной подставкой и одной рукой указывает на @serum, стоящий на ней, демонстрируя его зрителю. @mascot бросает взгляд на флакон, затем поворачивает голову к камере. Мягкий рассеянный студийный свет, светло-мятный бесшовный фон, камера медленно и мягко наезжает, премиальный и при этом дружелюбный образ брендовой рекламы.

Запрос:

{
  "model": "kling-3.0-omni/reference-to-video",
  "input": {
    "prompt": "Чистая, игривая реклама продукта. @mascot стоит рядом с круглой белой мраморной подставкой и одной рукой указывает на @serum, стоящий на ней, демонстрируя его зрителю. @mascot бросает взгляд на флакон, затем поворачивает голову к камере. Мягкий рассеянный студийный свет, светло-мятный бесшовный фон, камера медленно и мягко наезжает, премиальный и при этом дружелюбный образ брендовой рекламы.",
    "image_urls": [
      "https://static.hiapi.ai/gallery/2026/10/bf90e69bd4d2b13b.jpg"
    ],
    "elements": [
      {
        "name": "mascot",
        "description": "Маленький матово-белый округлый робот-талисман с мягкими мятно-зелёными акцентами, короткая антенна с шариком на конце, большие круглые тёмные глаза, круглая мятно-зелёная кнопка на животе",
        "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": "Флакон сыворотки для кожи из янтарного стекла с крышкой-пипеткой из чёрной резиновой груши",
        "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"
  }
}

Результат (6 секунд, 1080p, звук выключен):

Сгенерировать с этим промптом →

Почему это работает: каждый субъект — это собственный элемент со своей парой референсных изображений, поэтому модель отслеживает их независимо. Талисман сохраняет свой дизайн, флакон — свою форму, а промпт выстраивает отношения между ними: при наезде камеры талисман тянется к флакону на подставке.

Как писать референсы, которые действительно удерживают идентичность

• Дайте каждому субъекту два или больше ракурсов. Разные ракурсы одного субъекта учат модель тому, что остаётся неизменным. Каждому элементу нужно 2–4 изображения.
• Идентичность — в референсных изображениях, режиссёрские указания — в промпте. Кладите что за субъект в изображения и description; что происходит — в промпт.
• Вызывайте элементы через @name. В имени не должно быть пробелов (используйте serum, а не serum bottle), и в промпте ссылайтесь на них ровно как @serum.
• Переиспользуйте блоки элементов для создания серии рекламы. Два приведённых выше рецепта используют один и тот же набор референсов талисмана и флакона. Повторное использование их между вызовами сохраняет единый бренд серии.
• Добавьте референсное видео, чтобы задать движение камеры. Поместите фрагмент в video_urls, и новый кадр будет следовать его движению и языку камеры; при этом оставляйте audio выключенным.

Воспроизведение через API

Генерация по референсу работает на асинхронном API задач HiAPI. Отправьте задачу, затем опрашивайте её до завершения:

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 на мраморной подставке, медленный наезд камеры, мягкий студийный свет",
      "image_urls": ["https://.../ref-1.jpg"],
      "elements": [
        {
          "name": "serum",
          "description": "Флакон сыворотки из янтарного стекла с чёрной крышкой-пипеткой",
          "element_input_urls": ["https://.../ref-1.jpg", "https://.../ref-2.jpg"]
        }
      ],
      "duration": 5,
      "resolution": "1080p",
      "audio": false,
      "aspect_ratio": "16:9"
    }
  }'

Ответ вернёт taskId. Опрашивайте GET /v1/tasks/{taskId}, пока status не станет success, затем скачайте фрагмент из output[0].url (по умолчанию результаты хранятся около 7 дней, поэтому сохраните их в собственное хранилище или переключитесь на постоянное хранилище HiAPI). В продакшене передайте callback.url верхнего уровня, и HiAPI уведомит ваш сервис о завершении задачи. Полные параметры см. в документации API генерации видео по референсу Kling 3.0 Omni.

Цены

Генерация видео по референсу Kling 3.0 Omni тарифицируется по выходным секундам в зависимости от разрешения и звука:

Разрешение	Звук выключен	Звук включён	С референсным видео
720p	$0.10/сек	$0.129/сек	$0.143/сек
1080p	$0.129/сек	$0.1645/сек	$0.193/сек
4k	$0.479/сек	$0.479/сек	$0.479/сек

Три рецепта выше выполнялись в 1080p с выключенным звуком: $0.645 за каждый 5-секундный фрагмент, $0.774 за 6-секундный, итого $2.064 за три. Сначала сделайте черновик в 720p за $0.50 за каждый 5-секундный фрагмент, затем перезапустите выбранные версии в 1080p или 4k. Длительность фрагмента 3–15 секунд; неудачные задачи автоматически возвращают средства.

Частые вопросы

Чем генерация по референсу отличается от генерации из изображения? Генерация из изображения оживляет один начальный кадр — весь кадр вырастает из этого изображения. Генерация по референсу переносит субъектов и позволяет вам заново скомпоновать новую сцену вокруг них. Когда у вас есть точный первый кадр, движение которого вам нужно, используйте генерацию из изображения; когда вам нужно сохранить одного и того же персонажа или продукт во множестве разных кадров, используйте генерацию по референсу.

Сколько субъектов помещается в один фрагмент? Референсные изображения и элементы-субъекты вместе — до 7 на вызов, при наличии референсного видео — 4, чего достаточно для одного персонажа и нескольких реквизитов.

Почему мой элемент отклонён? Для element_input_urls каждого элемента нужно 2–4 изображения, а в name не должно быть пробелов. Также проверьте, что в запросе есть хотя бы один элемент image_urls.

Можно ли получить звук? Да. Без референсного видео установите audio: true, чтобы получить нативные окружающие звуки и звуковые эффекты. Это добавляет $0.029 в секунду при 720p и $0.0355 в секунду при 1080p.

А если я хочу только текст без референсов? Используйте Kling 3.0 Omni: генерация видео по тексту — тот же движок, только промпт.

Главное

Генерация по референсу превращает «какого-то персонажа» в вашего персонажа. Дайте каждому субъекту несколько референсных ракурсов, вызывайте его через @name, поручите режиссуру промпту — и вы сможете снять целую последовательную серию, а не бороться с дрейфом кадр за кадром. Скопируйте рецепт 3 и запустите на странице модели свой первый фрагмент с двумя субъектами. Эта ссылка предзаполнит промпт; затем добавьте референсные изображения и элементы из запроса выше. Чтобы сравнить входы и тарифы, см. руководство по ценам API Kling 3.0.