Narradores y creadores de vídeo
Desarrolla historias breves con momentos planificados, personajes coherentes y diálogos. Usa un plano más largo cuando la escena necesite tiempo para desarrollarse.
Kling 4.0 genera vídeos con sonido estéreo sincronizado a partir de texto, imágenes y referencias mixtas. Planifica escenas de hasta 30 segundos, guía los momentos visuales clave y modifica partes concretas de vídeos existentes.
Explora seis ejemplos de Kling AI y usa un prompt inicial para crear tu versión. Los prompts describen las escenas, sin reproducir las referencias ni el proceso de edición original.
Kling 4.0
Una danza del león a partir de un guion gráfico
Kling 4.0
Un perro astronauta de plastilina en una luna de queso
Kling 4.0
Un cartel de collage en movimiento
Kling 4.0
Una escena fantástica guiada por bocetos
Kling 4.0
Un nuevo personaje con un movimiento de cámara de referencia
Kling 4.0
Una actuación callejera tras eliminar a los transeúntes
Un modelo de vídeo multimodal que combina referencias, sonido sincronizado y edición.
Kling 4.0 es un modelo de vídeo desarrollado por Kuaishou y publicado por Kling AI el 15 de octubre de 2026. Reúne generación y edición de vídeo en un solo modelo, con escenas más largas, referencias más variadas y control sobre momentos importantes de una historia.
Las imágenes pueden guiar un personaje, objeto, composición o estilo. Las referencias de vídeo orientan el movimiento y la cámara, mientras que los elementos reutilizables y perfiles de voz ayudan a definir sujetos recurrentes.
Empieza con el material que mejor describa tu idea:
Las especificaciones siguientes describen el modelo oficial Kling 4.0. Los controles y opciones de salida disponibles dependen de la interfaz de creación.
Controla la duración de la historia, las referencias, el ritmo, el sonido, el movimiento y la edición en un solo modelo de vídeo.
Genera entre 3 y 30 segundos en una sola pasada para dar tiempo a que se desarrolle una acción, conversación o historia breve. Usa un plano continuo o describe una secuencia de planos.
Guía la apariencia, composición, movimiento e identidad vocal con hasta 15 recursos mixtos. Las imágenes, vídeos, elementos y perfiles de voz tienen límites individuales.
Usa imágenes clave para guiar el estado de los personajes, los cambios de escena y las revelaciones. El primer y último fotograma también pueden definir el inicio y el final de un clip generado desde una imagen.
Genera diálogos, canto, ambientes y efectos sonoros con audio estéreo de dos canales. La sincronización labial ayuda a ajustar la voz a la interpretación del personaje.
Usa un vídeo de referencia para guiar la acción, el ritmo y la cámara mientras cambias el sujeto o el entorno. Las instrucciones también pueden describir seguimientos, panorámicas y movimientos orbitales.
Sustituye un personaje o un fondo, elimina un elemento no deseado o cambia el estilo visual. Describe tanto la modificación como los detalles de la escena que quieres conservar.
Da movimiento a historias personales, animaciones, comunicación visual y revisiones de vídeo.
Desarrolla historias breves con momentos planificados, personajes coherentes y diálogos. Usa un plano más largo cuando la escena necesite tiempo para desarrollarse.
Transforma fichas de personajes, dibujos y guiones gráficos en escenas animadas. Guía el estilo visual mediante referencias, desde animación de plastilina hasta fantasía ilustrada.
Anima carteles, explica una idea o crea una secuencia de producto a partir de referencias visuales. Combina movimiento y sonido para facilitar la comprensión del mensaje.
Revisa material existente con instrucciones precisas, como eliminar a un transeúnte o sustituir un escenario. Indica claramente qué partes del plano deben permanecer intactas.
Define instrucciones claras, dirige la secuencia y revisa el resultado.
Introduce un prompt, sube una imagen inicial, organiza fotogramas clave o añade referencias de imagen y vídeo. Elige el modo de entrada adecuado para tu material.
Describe el sujeto, la acción, la cámara y el sonido. Selecciona 720p o 1080p, una duración de 3 a 30 segundos y una relación de aspecto disponible; después revisa el coste en créditos mostrado.
Genera el clip y revisa el movimiento, la coherencia, el diálogo y el texto visible. Ajusta el prompt y genera otra versión antes de descargar el resultado elegido.
Especificaciones oficiales del modelo; cada interfaz de creación puede ofrecer solo parte de estas opciones.
| Desarrollador | Kuaishou / Kling AI |
| Fecha de lanzamiento | 15 de octubre de 2026 |
| Modos | Texto a vídeo; imagen a vídeo; fotogramas clave a vídeo; referencias a vídeo; edición de vídeo |
| Duración | 3–30 segundos; incrementos de 1 segundo |
| Resoluciones de salida | 720p y 1080p |
| Relaciones de aspecto | 21:9, 16:9, 1:1, 9:16; Auto en Omni Reference |
| Audio | Estéreo de dos canales con voz, canto y efectos sonoros sincronizados |
| Fotogramas clave | Hasta 10 imágenes clave |
| Referencias mixtas | Hasta 15 recursos en total: hasta 10 imágenes, 5 vídeos, 7 elementos y 3 perfiles de voz, dentro del límite conjunto |
| Cupo de vídeo compartido | Hasta 5 clips y 30 segundos en total entre vídeos de referencia, vídeos para editar y elementos de vídeo |
| Entrada de texto | Hasta 8.000 tokens |
| Fuente de edición | Un vídeo principal; cada clip de entrada debe durar 3–30 segundos y respetar el cupo de vídeo compartido |
Última actualización: 10 de noviembre de 2026
Comparación oficial a nivel de modelo. La serie Kling 3.0 incluye flujos Omni; estos datos no son los ajustes de un único generador.
| Especificación | Kling 4.0 | Serie Kling 3.0 |
|---|---|---|
| Duración nativa del clip | 3–30 segundos | 3–15 segundos |
| Texto e imagen a vídeo | Compatible | Compatible |
| Primer y último fotograma | Compatible | Compatible |
| Múltiples fotogramas clave | Hasta 10 | No compatible según la comparación oficial |
| Canales de audio | Estéreo de dos canales | Un solo canal |
| Vídeos de referencia | Hasta 5; 30 segundos en total | Hasta 1; máximo 15 segundos |
| Referencias combinadas | Hasta 15 recursos mixtos | Hasta 7 imágenes/sujetos, o 1 vídeo con 4 imágenes/sujetos |
| Edición de vídeo | Edición multimodal integrada | Disponible mediante los flujos 3.0 Omni |
Ventajas de Kling 4.0: Más espacio para escenas largas, recursos de referencia adicionales, múltiples fotogramas clave y sonido estéreo.
Ventajas de la serie Kling 3.0: Adecuado para escenas más cortas que necesitan guía textual o visual, fotogramas iniciales/finales y audio nativo.
Elige Kling 4.0 cuando la historia necesite más tiempo, referencias más variadas o un control visual más preciso. Kling 3.0 encaja en proyectos cuyas escenas y referencias caben en su rango de generación más corto.
Compara los planes de suscripción de Shotyard y sus créditos incluidos. El coste de generación específico del modelo aparece en el generador antes del envío.
Compara el coste en créditos de la salida únicamente para resoluciones y duraciones habituales. El generador calcula el total según las entradas seleccionadas.
| Resolución / duración | Créditos por generación |
|---|---|
| 720p / 5 segundos | 150 |
| 1080p / 5 segundos | 200 |
| 720p / 10 segundos | 300 |
| 1080p / 10 segundos | 400 |
Solo en referencia a vídeo: si la duración total de los vídeos de referencia supera la duración de salida, se añade la mitad de la diferencia a los segundos facturables. Los demás modos no tienen este recargo.
Respuestas sobre entradas, tiempos, audio, edición y cómo guiar los resultados.
Kling 4.0 es el modelo de vídeo multimodal de Kuaishou, publicado por Kling AI el 15 de octubre de 2026. Genera vídeos con audio a partir de texto, imágenes y referencias visuales, y también permite editar clips existentes.
La generación nativa va de 3 a 30 segundos, en incrementos de 1 segundo. Un vídeo de 30 segundos puede ser un plano continuo o una secuencia con varios momentos narrativos.
Sí. Genera audio estéreo de dos canales, incluidos diálogos, canto, ambientes y efectos sonoros. Describe el sonido deseado junto con la acción visual y revisa la sincronización labial del resultado.
Omni Reference admite hasta 15 recursos en total, con límites individuales de 10 imágenes, 5 vídeos, 7 elementos y 3 perfiles de voz. Son máximos por categoría, no cantidades que puedas sumar sin más. Los vídeos de referencia, los de edición y los elementos de vídeo también comparten un máximo de 5 clips y 30 segundos en total.
Los fotogramas clave definen momentos visuales por los que debe pasar la secuencia, con hasta 10 imágenes. Las referencias describen la apariencia de un personaje, la composición, el estilo o la cámara sin fijar necesariamente un fotograma concreto.
Sí. Las instrucciones pueden guiar cambios en personajes, fondos, movimiento, cámara o estilo, y eliminar elementos seleccionados. Identifica un vídeo principal e indica qué partes de la escena deben conservarse.
Crea a 720p o 1080p con formatos 21:9, 16:9, 1:1 o 9:16. El generador también ofrece relación de aspecto automática.
Describe el sujeto, el entorno, la acción, la cámara y el sonido. Asigna una función a cada referencia: por ejemplo, @Image1 para la apariencia y @Video1 para el movimiento de cámara. Para editar, explica el cambio y los detalles que deben mantenerse.
Shotyard ofrece planes con créditos incluidos. Revisa sus condiciones y el coste de generación indicado para tus ajustes antes de enviar una tarea.
Puedes usar el generador de vídeo IA Kling 4.0 en Shotyard.