Kling 4.0

⧉

kling-4.0

Kling 4.0 es el modelo de vídeo de nueva generación de Kling, de Kuaishou. Sin referencias es texto a vídeo; también puedes enviar hasta 10 imágenes, 5 vídeos y 3 audios de referencia e indicar en el prompt para qué sirve cada uno («el personaje de la imagen 1, el escenario de la imagen 2, los movimientos del vídeo de referencia»), y el modelo los reúne en una misma toma (las imágenes son referencias, no primeros fotogramas). Cualquier duración de 3 a 30 segundos, 720P o 1080P, horizontal 16:9 o vertical 9:16, con sonido. Asíncrono: envía la tarea y consulta el id hasta obtener un enlace mp4 realojado; descárgalo pronto. Se factura por segundo: 720P $0.09/s, 1080P $0.125/s; con vídeos de referencia los segundos facturados son los de salida más los de los vídeos de referencia, y el audio de referencia no se cobra; reembolso íntegro si falla.

Texto a vídeoVarias referenciasVídeo de referencia1080P

Obtener clave API → Documentación de la API

Puntos fuertes del servicio

El modelo Kling de nueva generación de Kuaishou, fuerte en acción de personajes y movimientos de cámara continuos
Hasta 10 imágenes, 5 vídeos y 3 audios de referencia en una misma petición
De 3 a 30 s en pasos de un segundo, 720P / 1080P, 16:9 / 9:16
Por segundo desde $0.09/s en 720P, los vídeos de referencia cuentan por sus segundos; reembolso íntegro si falla

Medido

2026-10

Tiempo mediano de render por clip3.3 min

Precios

720P por segundo$0.09

1080P por segundo$0.125~~+39%~~

Mínimo 3s$0.270

Máximo 30s$2.700

Facturado por segundo = tarifa x duración (3–30s, cualquier número entero). Las tarifas por segundo según la resolución figuran arriba. La retención al enviar coincide exactamente con el cargo final; los fallos se reembolsan por completo.

Ver los precios detallados

Por qué este modelo

Kling 4.0 ya está en NezhaGate: texto a vídeo, o imágenes, vídeos y audios de referencia juntos, 3-30 segundos, 720P / 1080P, con sonido.

Puntos fuertes

Hasta 10 imágenes, 5 vídeos y 3 audios de referencia en una petición (las imágenes son referencias, nunca primer fotograma)
Cualquier duración de 3 a 30 segundos, 720P / 1080P, horizontal 16:9 o vertical 9:16
El vídeo de referencia fija el movimiento y la cámara, el audio la voz de un personaje; cada vídeo trae sonido y las frases van en el prompt
Por segundo: 720P $0.09/s, 1080P $0.125/s, los vídeos de referencia cuentan por sus segundos; reembolso íntegro si falla

Casos de uso

Vídeos de producto y de marca

Movimiento y cámara tomados de un vídeo de referencia

La voz de un personaje desde un audio de referencia

Personajes y escenarios coherentes a partir de imágenes

Prueba en directo

Prueba Kling 4.0 aquí mismo (disponible tras iniciar sesión).

Entrada

Prompt

"Bajo las murallas de Troya": un corto épico de acción. @Image1 es un héroe griego con armadura dorada y capa carmesí, lanza larga y escudo con un león; @Image2 es un campeón troyano con armadura negra y capa azul, espada curva y escudo con un caballo; el escenario sigue las murallas de Troya y el campo de batalla al atardecer de @Image3. Mantén la armadura, el casco, el color de la capa y el emblema del escudo de cada guerrero exactamente como en su referencia; nunca los intercambies.
Inicio: el viento arrastra la arena mientras los dos se enfrentan a veinte pasos, con miradas afiladas tras los cascos.
Desarrollo: cargan a la vez; la lanza choca contra el escudo del caballo en una lluvia de chispas; tajos y paradas cuerpo a cuerpo mientras la cámara gira 360 grados.
Clímax: el sol poniente queda justo entre ellos y chocan en el aire a cámara superlenta, con chispas, arena y la capa carmesí suspendidas.
Final: ambos bajan las armas y se saludan.
Estética de anuncio de acción cinematográfico, 24 fps con grano de película, pelea fluida y contundente; tambores de guerra, choques de metal y música épica con los golpes clave sobre el compás. Sin sangre ni heridas, sin personajes extra, sin texto ni marcas de agua en pantalla, sin armas ni extremidades deformes.

0 / 2500 caracteres

Duración

Resolución

Relación de aspecto

Imágenes de referencia0 / 10

Haz clic para subir o arrastra los archivos aquí jpg / png / webp / gif, hasta 16 MB cada una o pega enlaces

Todas las imágenes son referencias (personaje, vestuario, objeto, escenario), nunca primer fotograma. Indica en el prompt para qué sirve cada una por su número, p. ej. «el personaje de la imagen 1 está en el bosque de la imagen 2».

Vídeos de referencia0 / 5

Haz clic para subir o arrastra los archivos aquí mp4 / mov, hasta 50 MB y 30 s cada uno; todos los vídeos de referencia suman como máximo 30s o pega enlaces

Se combina con imágenes de referencia: las fotos fijan personas y escenario, el vídeo el movimiento y la cámara; dilo en el prompt, p. ej. «con los movimientos del vídeo de referencia». Los vídeos de referencia cuentan en los segundos facturados: coste = (segundos de salida + segundos de los vídeos de referencia) x tarifa por segundo; cada clip, al menos 2 s y 700 px de alto (p. ej. 1280x720 / 720x1280).

Audio de referencia0 / 3

Haz clic para subir o arrastra los archivos aquí mp3 / wav / m4a, hasta 15 MB y 30 s cada uno o pega enlaces

El audio de referencia fija la voz de un personaje: cada clip, de 5 a 30 s de voz humana clara (no música ni efectos), junto con una imagen o un vídeo de referencia; escribe en el prompt las frases que se dicen. El audio de referencia no se cobra.

Las referencias subidas se guardan 7 días.

El render suele tardar entre 5 y 20 minutos; si el backend está saturado puede superar los 60 (esperamos hasta 90). Consulta el id del trabajo en lugar de reenviarlo: cada reenvío se factura por separado. Se factura por segundo y se reembolsa íntegramente si falla. Límite del prompt: 2500 caracteres (el chino y el inglés cuentan igual).

Salida

video

Los resultados aparecerán aquí al ejecutar.

🕑 Las imágenes y vídeos generados se conservan 15 días hasta 2026-10-29 09:49:40 UTC; desde ese momento se conservan 7 días y se eliminan los archivos existentes de más de 7 días.

Acerca de Kling 4.0

Kling 4.0 es el modelo de vídeo de nueva generación de Kling, de Kuaishou, pensado para la acción de personajes, los vídeos de producto y los movimientos de cámara continuos. En NezhaGate, sin referencias es texto a vídeo; también puedes enviar hasta 10 imágenes (personajes, vestuario, objetos, escenarios), 5 vídeos (movimiento y cámara) y 3 audios de referencia (la voz de un personaje) juntos, indicando en el prompt para qué sirve cada uno. Cualquier duración de 3 a 30 segundos, 720P o 1080P, horizontal 16:9 o vertical 9:16, con sonido. Se factura por segundo: 720P $0.09/s (18 créditos), 1080P $0.125/s (25 créditos); con vídeos de referencia se facturan los segundos de salida más los de los vídeos de referencia, y las imágenes y audios son gratis; los renders fallidos se reembolsan íntegros.

Preguntas frecuentes

¿Cómo se usan las imágenes, vídeos y audios de referencia?

Hasta 10 imágenes fijan personajes, vestuario, objetos y escenarios (nunca primer fotograma); hasta 5 vídeos fijan el movimiento y la cámara, cada uno de 2 a 30 s y al menos 700 px de alto (p. ej. 1280x720 o 720x1280), 30 s en total; hasta 3 audios fijan la voz de un personaje y deben ser de 5 a 30 s de voz humana clara, no música ni efectos. Indica en el prompt para qué sirve cada uno, p. ej. «el personaje de la imagen 1 blande la lanza en el bosque de la imagen 2 con los movimientos del vídeo de referencia y dice con la voz del audio de referencia: vamos».

¿Cómo se factura un vídeo de referencia?

Segundos facturados = segundos de salida + los segundos de cada vídeo de referencia, por la tarifa de la resolución. Por ejemplo, 10 s de salida en 720P con un vídeo de referencia de 5 s facturan 15 segundos: 270 créditos ($1.35). El mismo enlace cuenta una vez; las imágenes y los audios son gratis. El importe se retiene al enviar, se liquida igual si sale bien y se reembolsa íntegro si falla.

¿Qué duraciones, resoluciones y proporciones hay?

Cualquier número entero de segundos de 3 a 30 (5 por defecto), 720P (por defecto) o 1080P, y 16:9 o 9:16. Los fotogramas inicial y final y desactivar el sonido no están disponibles; una petición así se rechaza, nunca se ignora en silencio.

¿Cuánto tarda un render?

Normalmente 3-5 minutos en nuestras pruebas, más si hay cola. Consulta el id del trabajo en lugar de reenviarlo y descarga el vídeo en cuanto tengas el enlace.