Kling 4.0 es el modelo de vídeo de cuarta generación de Kling AI, de Kuaishou, diseñado para clips nativos de 30 segundos, narración con múltiples fotogramas clave, referencias Omni y sujetos coherentes, con audio estéreo en 720p o 1080p.
Revisa, descarga y reutiliza vídeos generados con Kling 4.0.
Kling 4.0 · Descripción general del modelo
Kling 4.0 es el modelo de vídeo de cuarta generación de Kling AI, la plataforma de vídeo con IA de Kuaishou. Se centra en el realismo visual, el control creativo y la integridad narrativa: una sola generación puede durar 30 segundos, seguir hasta 10 fotogramas clave y apoyarse en hasta 15 referencias multimodales, con audio estéreo y salida en 720p o 1080p.
Genere hasta 30 segundos en una sola pasada, el doble del límite de 15 segundos de Kling 3.0, con margen para una apertura, la acción principal y un final completo.
Coloca hasta 10 fotogramas clave a lo largo de la línea de tiempo para fijar la composición, la posición de los personajes y los momentos clave de la historia, mientras Kling 4.0 genera el movimiento entre ellos. Cada clip admite un fotograma más que su duración en segundos: un clip de 3 segundos admite hasta 4 y los de 9 segundos o más, 10.
Combina hasta 10 imágenes, 5 vídeos, 7 sujetos y 3 voces, con un máximo de 15 referencias por generación, para lograr personajes, productos y estilos más coherentes. También se ha mejorado la edición de vídeo basada en referencias.
La acción rápida, el movimiento continuo y los movimientos de cámara complejos se generan con mayor estabilidad y fluidez, lo que facilita las escenas a gran escala, las persecuciones y los planos panorámicos de gran amplitud.
Renderiza cada generación en 720p para borradores y redes sociales, o en 1080p para la entrega final y el material que se seguirá editando. Aquí no se ofrece salida en 4K ni en HDR de 10 bits.
El sonido se genera junto con la imagen, con audio estéreo de alta calidad, una sincronización labial más precisa y voces en varios idiomas, acentos y dialectos.
Define hasta 7 sujetos a partir de 2–4 imágenes o de un vídeo de 3–8 segundos, menciónalos con @nombre en el prompt y asigna una grabación de voz a un sujeto de tipo personaje para que hable con esa voz.
Las principales especificaciones de Kling 4.0 de un vistazo.
| Especificación | Kling 4.0 |
|---|---|
| Desarrollador | Kling AI (Kuaishou Technology) |
| Versiones | Kling 4.0 (modelo completo, el que se usa aquí); también existe Kling 4.0 Flash, una versión más ligera |
| Duración por generación | De 3 a 30 segundos, generados de forma nativa |
| Sujetos | Hasta 7, a partir de 2–4 imágenes o un vídeo de 3–8 segundos, con voz opcional |
| Fotogramas clave | Hasta 10 (uno más que la duración del clip en segundos) |
| Referencias Omni | Hasta 15: 10 imágenes, 5 vídeos, 7 sujetos y 3 voces |
| Longitud del prompt | Hasta 8.000 caracteres |
| Resolución | 720p o 1080p |
| Relaciones de aspecto | Inteligente, 16:9, 9:16, 1:1 y ultrapanorámico 21:9 |
| Audio | Estéreo de dos canales con una sincronización labial más precisa |
| Idiomas | Chino, inglés, japonés, coreano, español y otros, con acentos y dialectos |
Kling 4.0 tiene dos versiones. El espacio de trabajo de esta página usa el modelo completo, pensado para el realismo y el control; Flash es una versión más ligera orientada a la velocidad y al coste.
Modelo completo para escenas de alta fidelidad
Versión ligera, no disponible en esta página
Usa la generación nativa de 30 segundos y los fotogramas clave para montar una escena completa con planteamiento, desarrollo y un desenlace cerrado.
Mantén la coherencia de productos y personajes con referencias Omni y sujetos con nombre, y entrega material en 1080p para páginas de lanzamiento, campañas de pago en redes sociales y fichas de comercio electrónico.
Cree vídeos explicativos, diálogos entre personajes y versiones localizadas con movimiento labial sincronizado en varios idiomas, acentos y dialectos.
La mayor estabilidad en movimientos rápidos, acción continua y movimientos de cámara complejos resulta idónea para persecuciones, resúmenes deportivos y amplios planos de situación.
Fije los planos clave con hasta 10 fotogramas clave para probar la composición, el ritmo y las trayectorias de cámara antes de abordar una producción completa.
Encuadra escenas en ultrapanorámico 21:9 y renderiza en 1080p para aperturas cinematográficas, tráileres y presentaciones panorámicas.
Flujo de creación
Kling 4.0 rinde mejor con una buena planificación. Defina primero los hitos de la historia, afiáncelos con fotogramas clave y referencias, y después elija el formato de salida que mejor se adapte al lugar donde se publicará el vídeo.
Paso 01
Divida el clip en bloques: por ejemplo, del segundo 0 al 10 se presentan el sujeto y el escenario, del 10 al 20 transcurre la acción principal y del 20 al 30 llega el clímax o el plano final. Una estructura clara ayuda al modelo a marcar el ritmo del movimiento y de la cámara.
Paso 02
En el modo Imagen, sube los fotogramas clave en orden de reproducción: el primero es el fotograma inicial, el último es el fotograma final y el resto son fotogramas intermedios. En el modo Medios, añade referencias de imagen, vídeo o sujeto para personajes, productos y estilo. Kling 4.0 admite hasta 10 fotogramas clave y hasta 15 referencias.
Paso 03
Describe los sujetos, las acciones, el movimiento de cámara, la iluminación, los diálogos y el sonido. Los prompts pueden tener hasta 8.000 caracteres, así que las escenas complejas se pueden describir plano a plano.
Paso 04
Selecciona una relación de aspecto, como el panorámico 21:9, o déjala en Inteligente; después elige 720p para borradores o 1080p para la versión final. Revisa el resultado y ajusta los fotogramas clave o el prompt antes de la siguiente toma.
Kling 4.0 ofrece más control que los modelos Kling anteriores. Estas prácticas ayudan a convertir ese control en material coherente y aprovechable.
Coloque fotogramas clave al principio y al final del clip para fijar dónde empieza y dónde termina la escena, y añada fotogramas clave intermedios solo donde la historia requiera un momento concreto.
Utilice una única referencia nítida y bien iluminada por personaje o producto para que Omni Reference mantenga coherente cada identidad en lugar de mezclar varios aspectos.
Indique el movimiento de cámara de cada parte del clip, como un travelling lento de acercamiento, una órbita o un plano de seguimiento, en lugar de dar una sola instrucción para los 30 segundos completos.
Escriba las frases habladas entre comillas e indique quién habla y en qué idioma o acento, para que la sincronización labial y la voz correspondan al personaje correcto.
Enumere el ambiente, los efectos de sonido y la música con su momento de entrada para que el audio estéreo acompañe la acción en lugar de competir con ella.
Da a cada sujeto un nombre corto y distintivo y menciónalo con @nombre. Asigna una voz a un sujeto de tipo personaje cuando sus frases deban sonar igual de una toma a otra.
La tabla compara las capacidades publicadas de Kling 4.0, Kling 3.0 y Seedance 2.5, y muestra en qué casos encaja mejor cada modelo.
| Capacidad | Kling 4.0 | Kling 3.0 | Seedance 2.5 |
|---|---|---|---|
| Duración por generación | De 3 a 30 segundos, generados de forma nativa | De 3 a 15 segundos | Hasta 30 segundos |
| Control narrativo | Hasta 10 fotogramas clave para controlar la línea de tiempo | Narración con varios planos a partir de un solo prompt | Control del primer fotograma y previsualización espacial 3D para planificar la cámara |
| Referencias | Hasta 15: 10 imágenes, 5 vídeos, 7 sujetos y 3 voces | Kling 3.0 Omni: hasta 7 imágenes y 1 vídeo de referencia | Hasta 50: 30 imágenes, 10 vídeos y 10 archivos de audio |
| Resolución | 720p y 1080p | 720p y 1080p, además de un modo 4K nativo | De 720p hasta 4K nativo |
| Audio | Audio estéreo, sincronización labial más precisa, varios idiomas, acentos y dialectos | Audio nativo con voz multilingüe y acentos | Audio nativo, con archivos de audio admitidos como referencias |
| Uso ideal | Escenas largas y dirigidas que requieren precisión de fotogramas clave, referencias abundantes y sujetos coherentes | Clips cinematográficos de hasta 15 segundos para redes sociales, anuncios y escenas cortas | Producciones de 30 segundos con muchas referencias y contenido de marca en 4K |
Desde junio de 2024, Kling AI ha lanzado un modelo importante cada pocos meses. Kling 4.0 es el mayor salto en duración de los clips, control creativo y calidad de salida.
| Versión | Lanzamiento | Novedades |
|---|---|---|
| Kling 1.0 | Junio de 2024 | Lanzamiento público de la generación de texto a vídeo e imagen a vídeo de Kling |
| Kling 1.5 | Septiembre de 2024 | Salida en alta definición 1080p y mejor calidad de movimiento |
| Kling 2.0 | Abril de 2025 | Grandes mejoras en movimiento, comprensión de prompts y calidad visual, además de edición de vídeo multimodal |
| Kling 2.5 Turbo | Septiembre de 2025 | Generación más rápida y rentable, con mayor fidelidad al prompt |
| Kling 2.6 | Diciembre de 2025 | Primer modelo Kling con audio nativo, con voz, efectos de sonido y sonido ambiente |
| Kling 3.0 | Febrero de 2026 | Clips de 3 a 15 segundos, narración con varios planos y audio nativo multilingüe |
| Kling 4.0 | 2026 | Generación nativa de 30 segundos, hasta 10 fotogramas clave, 15 referencias y sujetos con nombre y voz propia |
Cada ejemplo está pensado para un clip completo de 30 segundos, con bloques claros e indicaciones de cámara y sonido, para que el modelo pueda marcar el ritmo de la escena de principio a fin.
0–10 s: un smartwatch negro mate gira lentamente sobre un pedestal de piedra mojada, luz de contorno suave, objetivo macro. 10–20 s: la cámara orbita mientras la pantalla se enciende y las gotas de lluvia resbalan por el cristal. 20–30 s: retroceso hasta un plano general de una azotea empapada por la lluvia al anochecer, con la esfera del reloj iluminada. Sintetizador ambiental grave y lluvia suave en estéreo.
Una cafetería acogedora de noche. Una joven con abrigo verde levanta la vista de su cuaderno y dice en inglés: «You came back». El hombre sentado frente a ella sonríe y responde en español: «Nunca me fui del todo». Lento travelling de acercamiento, poca profundidad de campo, murmullo tenue de la cafetería y piano suave de fondo.
Fotogramas clave 1, 5 y 10 como anclas: un mensajero en bicicleta roja entra en un callejón estrecho al amanecer, se abre paso por un mercado abarrotado a mediodía y se detiene ante la puerta de un puerto al atardecer. Mantener el mismo atuendo y la misma bicicleta. Cámara de seguimiento a la altura del manillar, panorámico 21:9, ritmo de percusión in crescendo.
0–10 s: un coche de rally derrapa en una curva embarrada del bosque y el barro salpica hacia el objetivo, plano de seguimiento a ras de suelo. 10–20 s: un plano de dron se eleva y sigue al coche sobre una cresta mientras destellos de sol atraviesan los árboles. 20–30 s: el coche cruza la línea de meta a cámara lenta entre los vítores del público. Rugido del motor y griterío del público en estéreo.
Una presentadora en un estudio luminoso sostiene unos auriculares inalámbricos y dice en inglés: «Twelve hours of battery, one small case». Repite la frase en japonés y luego sonríe a la cámara. Plano medio, luz principal suave, ambiente de estudio limpio.
Panorámico 21:9. Amanecer sobre un valle de montaña cubierto de niebla. 0–10 s: un lento vuelo aéreo sobre las nubes. 10–20 s: la cámara desciende hacia un jinete solitario en lo alto de una cresta. 20–30 s: el jinete se detiene mientras el sol asoma sobre las cumbres. Música orquestal in crescendo y viento suave.
Respuestas sobre las funciones de Kling 4.0, las referencias, la resolución, los prompts y su comparación con otros modelos de vídeo.
Kling 4.0 es un modelo de generación de vídeo de Kling AI, la plataforma de vídeo con IA de Kuaishou. Genera clips nativos de 30 segundos a partir de texto, imágenes y referencias multimodales, admite hasta 10 fotogramas clave y 15 referencias, y añade audio estéreo y una sincronización labial más precisa. Las generaciones están disponibles en 720p y 1080p.
Kling 4.0 se cobra en créditos según la duración del clip y la resolución, y los vídeos de referencia suman a la duración facturada. No hace falta descargar nada, y la página de precios muestra los planes y paquetes de créditos actuales.
Kling 4.0 es el modelo completo, con clips de 3–30 segundos, control de primer fotograma, último fotograma y múltiples fotogramas clave, y hasta 15 referencias multimodales. Kling 4.0 Flash es una versión más ligera pensada para generar más rápido y con menor coste, limitada a 720p y a clips de hasta 20 segundos sin control de fotogramas clave. El espacio de trabajo de esta página usa el Kling 4.0 completo.
Una sola generación de Kling 4.0 puede durar entre 3 y 30 segundos, en pasos de un segundo. Es el doble del límite de 15 segundos de Kling 3.0, con espacio para un inicio, la acción principal y un final completo.
Aquí las generaciones se renderizan en 720p o 1080p; no se ofrece salida en 4K ni en HDR de 10 bits. 720p es adecuado para borradores y redes sociales, y 1080p para versiones finales y material que se va a editar o etalonar.
Omni Reference admite hasta 10 imágenes, 5 vídeos, 7 sujetos y 3 voces en una sola generación, con un máximo combinado de 15 referencias. El control de múltiples fotogramas clave admite hasta 10, uno más que la duración del clip en segundos: un clip de 3 segundos admite hasta 4 y los de 9 segundos o más, 10.
Omni Reference es el sistema de referencias multimodales de Kling 4.0. En una sola generación admite hasta 10 imágenes, 5 vídeos, 7 sujetos y 3 voces, con un máximo de 15 referencias en total, para guiar personajes, productos, estilo, movimiento y voz. Frente a versiones anteriores, ofrece más opciones de referencia y resultados más coherentes.
Sí. Kling AI incluye la edición de vídeo mejorada como parte de la actualización de Omni Reference en Kling 4.0. Las referencias de vídeo, hasta 5 por generación, pueden guiar cómo se reelabora una escena existente, mientras que el prompt describe el cambio.
Kling 4.0 ofrece panorámico 16:9, vertical 9:16, cuadrado 1:1 y un formato ultrapanorámico 21:9 para composiciones cinematográficas. Con Inteligente, el modelo elige el formato según tus materiales.
Kling 4.0 mejora la estabilidad en el movimiento a alta velocidad, la acción continua y los movimientos de cámara complejos. Las escenas a gran escala, las persecuciones y los movimientos de cámara amplios se generan con más estabilidad y fluidez que en versiones anteriores.
Kling 4.0 genera audio estéreo de alta calidad junto con el vídeo y mejora la precisión de la sincronización labial. Admite voz en varios idiomas, entre ellos chino, inglés, japonés, coreano, español, portugués, alemán, francés e hindi, además de diversos acentos y dialectos.
Kling 4.0 mejora el realismo, el control y la duración narrativa:
Ambos modelos generan clips de hasta 30 segundos. Kling 4.0 destaca por el control del tiempo a nivel de fotograma clave y por los sujetos con nombre que pueden tener voz propia. Seedance 2.5 admite hasta 50 referencias, incluidos archivos de audio, y genera hasta 4K, lo que encaja con trabajos de marca y producto con muchas referencias.
Kling 4.0 admite prompts de hasta 8.000 caracteres. Ese margen permite describir un clip de 30 segundos plano a plano, incluidos los movimientos de cámara, los diálogos y el sonido.
Estructure el prompt en torno a la línea de tiempo y no a un único momento:
Utilice fotogramas clave y referencias para todo lo que deba verse con exactitud, y el texto para dirigir el movimiento y el ritmo.
Kling 4.0 está desarrollado por Kling AI, la plataforma de generación de vídeo con IA de Kuaishou Technology. La familia de modelos Kling se lanzó en junio de 2024 y ha recibido actualizaciones importantes cada pocos meses, de Kling 1.0 a Kling 4.0.