¿Qué hay de nuevo en Kling 4.0 frente a Kling 3.0?

Clips más largos (hasta 30 segundos en lugar de 15), una opción ultrapanorámica 21:9, cuadros clave intermedios en imagen a video, y referencia a video que acepta videos y clips de voz además de imágenes. El sonido siempre está activo. Kling 3.0 sigue ofreciendo 4K y Motion Control, que Kling 4.0 no tiene aquí.

¿Puedo editar o continuar un video que ya tengo?

Sí. La edición de video reescribe un clip de 3 a 30 segundos a partir de una instrucción de texto y conserva la escena, el sujeto y el movimiento. La extensión de video continúa un clip de hasta 60 segundos: su último cuadro abre un nuevo segmento, y recibes un solo MP4 con tu original y la parte nueva unidas.

¿Puedo desactivar el audio?

No. Cada clip de Kling 4.0 llega con una pista de sonido estéreo, sin costo adicional. En referencia a video puedes conservar el sonido propio de un video de referencia con keep_original_audio.

¿Cómo menciono mis archivos en el prompt?

En referencia a video, escribe @Image1, @Image2 para imágenes, @Video1 para videos y @Audio1 para clips de audio, numerados en el orden en que los subiste. Los cuadros clave intermedios en imagen a video no se nombran en el prompt; su orden en la lista es el orden en que aparecen.

¿Kling 4.0 permite contenido NSFW?

No. Las solicitudes se revisan antes de generar y todo lo que va desde Moderado hacia arriba se rechaza en unos segundos; una solicitud rechazada no se cobra. Para ese tipo de trabajo, revisa en nuestro catálogo las familias de video sin restricciones.

Por segundo de salida. 1080p cuesta más por segundo que 720p. En referencia a video, una solicitud con videos de referencia se cobra a una tarifa por segundo aparte y más baja, sobre los segundos de salida más los segundos de referencia (que se cuentan como mínimo igual a los segundos de salida). La edición de video se cobra sobre los segundos de salida más los segundos del clip original. La extensión de video se cobra solo sobre el nuevo segmento. La relación de aspecto, los cuadros clave, las imágenes de referencia y los clips de audio no cambian el precio.

¿Cuánto tarda un clip?

En nuestras pruebas, un clip de 3 segundos tardó unos 1,5 a 4 minutos y uno de 5 segundos algunos minutos más. Las solicitudes en el mismo endpoint se procesan una a la vez.

API Kling 4.0: video 30 s, keyframes, referencias

kling/4.0/video-extend

La extensión de video de Kling 4.0 continúa tu clip: su último cuadro abre un nuevo segmento de 3 a 30 segundos, y recibes un solo MP4 con tu original y la parte nueva unidas, a 720p o 1080p.

Desde $0.188/s

Ejecutar modelo Ver API

Entrada

Extensión de video

1
Elegir el clip que vas a continuar
Elige un video y lo continuamos desde su último fotograma.
2
Qué pasa después
Elige un clip en el paso 1 y este paso se abre.
Modelo
Prompt
Opcional. Describe lo que sucede después: la acción, la cámara y el sonido. Déjalo vacío y el modelo continúa la escena por su cuenta. mínimo 1 caracteres
Fotograma final0/1
URL del recurso
Arrastra archivos o enlaces multimedia, pega o selecciona · 1 archivo · Máx. 10 MB · JPG · PNG · WEBP · GIF
0 / 1 archivos
Cuadro de cierre opcional. El nuevo segmento debe terminar en esta imagen.
Resoluciónafecta al precio
720p (por defecto) o 1080p. Usa la misma de tu original para que la unión no muestre un salto de nitidez. 1080p cuesta más por segundo.
Duraciónafecta al precio
Duración del nuevo segmento: un número entero de 3 a 30 segundos (por defecto 5). Define el precio. no menor que 3 · no mayor que 30

Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Falta 1 campo obligatorio: Video de entrada

Salida

Listo para una nueva ejecución

El resultado aparecerá aquí.

Configura las entradas, revisa la estimación y ejecuta el modelo.

{
  "model": "kling/4.0/video-extend",
  "input": {
    "resolution": "720p",
    "duration_seconds": 5,
    "prompt": "Continue the scene naturally, keeping the same subject, camera movement and lighting."
  }
}

Introducción

Kling 4.0 Extensión de video continúa un clip que ya tienes. Envía un video de hasta 60 segundos y, si quieres, un prompt para lo que sucede después. El último cuadro de tu clip se convierte en el cuadro de apertura de un nuevo segmento de 3 a 30 segundos, hecho con imagen a video de Kling 4.0. Recibes un MP4 con tu original y el nuevo segmento unidos, y el nuevo segmento por separado.

Elige un modo de Kling 4.0 según el material de partida

Lo que tienes al inicio	Modo
una escena o guion escrito	Kling 4.0 Texto a video
un cuadro de apertura, y opcionalmente un cuadro de cierre y cuadros intermedios	Kling 4.0 Imagen a video
fotos, clips o muestras de voz para armar el reparto	Kling 4.0 Referencia a video
un clip que quieres cambiar	Kling 4.0 Edición de video
un clip que quieres continuar	Kling 4.0 Extensión de video (estás aquí)

Funciones y aspectos destacados

El último cuadro marca la escena

El nuevo segmento empieza en tu último cuadro, así que las personas, el escenario y la luz continúan. El movimiento no se traslada de la misma manera, porque el modelo ve una sola imagen fija. Describe el movimiento que quieres continuar.

Elige dónde termina

Añade last_image_url y el nuevo segmento termina en esa imagen. Si no lo pones, el modelo decide cómo termina el segmento.

Un archivo unido, más el segmento nuevo

El archivo unido conserva la velocidad de cuadros y el encuadre de tu clip, sin barras negras. Para alinear la unión, la imagen puede recortarse o ajustarse unos pocos por ciento en los bordes, y el sonido se funde de forma cruzada en la unión. Tu clip conserva su propio sonido, y el nuevo segmento siempre tiene sonido estéreo generado.

La forma sigue a tu clip

No hay ajuste de relación de aspecto. El nuevo segmento sigue la forma de tu clip original.

Parámetros de la solicitud

Parámetros de la solicitud de Kling 4.0 · Video Extend
Parámetro	Obligatorio	Descripción
`prompt`	No	Opcional. Describe lo que sucede después: la acción, la cámara y el sonido. mínimo 1 caracteres
`video_url`	Sí	El clip a continuar, en MP4 o WebM, de hasta 60 segundos. Su último cuadro abre el nuevo segmento, así que termínalo en un cuadro limpio y nítido. mínimo 1 caracteres
`last_image_url`	No	Cuadro de cierre opcional. El nuevo segmento debe terminar en esta imagen.
`resolution`	No	720p (por defecto) o 1080p. Usa la misma de tu original para que la unión no muestre un salto de nitidez. `720p` · `1080p` · Valor predeterminado: `720p`
`duration_seconds`	No	Duración del nuevo segmento: un número entero de 3 a 30 segundos (por defecto 5). Define el precio. `≥ 3` · `≤ 30` · Valor predeterminado: `5`

Precios

Se cobra por segundo del nuevo segmento, a la tarifa de imagen a video para la resolución que elijas. El clip original que envías no se cobra. Una solicitud rechazada o fallida no se cobra.

Precios
Especificación	Precio
`720p`	$0.1884 / segundo
`1080p`	$0.282 / segundo

Casos de uso

Termina una toma que acabó demasiado pronto

Una caminata que se detiene antes de la puerta, un movimiento de cámara que se corta a la mitad: extiéndela unos segundos y describe solo lo que falta por pasar.

Construye una escena más larga paso a paso

Extiende un clip y luego extiende de nuevo el resultado unido. Cada paso se cobra solo por los segundos que añade.

Llega a un cuadro final planeado

Da un cuadro de cierre y el clip llega a la composición que necesitas, como un producto de vuelta en su ángulo principal.

Ver tutoriales de casos de uso principales

Guía de prompts y consejos prácticos

Describe el siguiente momento, no toda la escena

El cuadro ya muestra quién y dónde. Dedica el prompt a la acción que sigue, la cámara y el sonido. Sin prompt, el modelo continúa la escena por su cuenta.

Termina tu original en un cuadro limpio

El último cuadro es lo único que ve el modelo. Un final borroso o cortado a la mitad pasa directo al nuevo segmento, así que recorta primero tu clip en un cuadro nítido.

Iguala la resolución

Elige la misma resolución de tu original para que la unión no muestre un salto de nitidez. Haz un borrador con un segmento corto y luego pide el más largo.

Inicio rápido de la API

# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
  -d '{
  "model": "kling/4.0/video-extend",
  "input": {
    "duration_seconds": 5,
    "resolution": "720p",
    "video_url": "https://example.com/reference.mp4"
  }
}'

# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.

¿No está el modelo que buscas?

Dinos cuál añadir y para qué lo usarías. Las solicitudes llegan directamente al equipo que decide los próximos modelos.

EL MODELO DE 30 SEGUNDOS DE KLING

La API de Kling 4.0 de un vistazo

Hasta 30 segundos por clip, 21:9 ultrapanorámico, cuadros clave desde el primero hasta el último, y referencias de imágenes, video y voz, con sonido en cada clip.

Clip más largo: 30 s; Cualquier número entero de segundos de 3 a 30 en todos los endpoints.
Ultrapanorámico: 21:9; Además de 16:9, 9:16 y 1:1, a 720p o 1080p.
Cuadros a dirigir: 10; Un cuadro de apertura más hasta 9 cuadros clave intermedios, u 8 si hay cuadro de cierre.
Imágenes de referencia: 10; Además de hasta 5 videos de referencia y 3 clips de voz, cada uno nombrado en el prompt.
Sonido incluido: ESTÉREO; Cada clip trae una pista de sonido de dos canales sin costo adicional.

Resultados

Lo que puedes crear con Kling 4.0

Desde texto
Una toma larga con sonido propio
Un solo párrafo nos dio la rueda de latón girando, la cúpula deslizándose abierta hacia las estrellas y una frase susurrada, con el rumor del motor y el viento en la pista de sonido.
Texto a video, 5 segundos a 720p, 16:9, con el rumor de la cúpula y el viento en la pista de sonido.
Desde cuadros
Fija el inicio y el final
Un cuadro de apertura de ella en el telescopio y un cuadro de cierre de ella apoyada en la baranda se convirtieron en un solo movimiento continuo entre ambos.
Imagen a video con cuadro de apertura y de cierre, 5 segundos a 720p.
Desde referencias
Arma una escena con fotos
Un retrato de estudio como @Image1 y una foto de un remolque cromado como @Image2 se convirtieron en ella bajando de ese remolque a la hora azul.
Referencia a video a partir de dos imágenes (@Image1 la mujer, @Image2 el remolque), 5 segundos a 720p.

Más clips hechos con Kling 4.0

Imagen a video, 5 segundos a 720p, con la relación de aspecto según el cuadro de apertura.
5 s
Texto a video, 5 segundos a 720p, 9:16 vertical.
5 s
Referencia a video a partir de dos imágenes (@Image1 el hombre, @Image2 la motocicleta), 5 segundos a 720p.
5 s
Edición de video: la astrónoma reemplazada por la mujer de un retrato de referencia, 5 segundos a 720p.
5 s
Edición de video: la escena del anochecer convertida en nevada, con la duración según el clip original, 720p.
6 s

Prueba de contenido

¿Kling 4.0 funciona sin censura? Lo que probamos

Corrimos cada nivel en nuestra configuración real y revisamos cada clip cuadro por cuadro. Aprobado significa que el contenido realmente apareció en pantalla, no solo que la solicitud pasó.

Niveles de contenido probados en Kling 4.0, por modo
Nivel	Texto a video
SuaveLos prompts más suaves de la prueba	Aún sin probar
ModeradoDonde los modelos con filtro empiezan a negarse	RechazadoProbado el 16 oct 2026
FuerteEl punto medio de la escala	Aún sin probar
Muy fuerteDonde la mayoría de los modelos empiezan a frenar	RechazadoProbado el 16 oct 2026
MáximoLa cima de la escala	Aún sin probar

Se genera: aparece tal como se escribió. Suavizado: se genera, pero más suave de lo que se escribió. Rechazado: denegado. Aún sin probar: todavía no corrimos ese nivel en ese modo.

Cómo se comporta cada modo

Todos los modos: Los prompts y las entradas se revisan antes de generar. Las solicitudes desde Moderado en adelante se rechazan en unos segundos y no se cobran; el vestuario de nivel Suave tampoco es fiable. Cada clip trae audio generado: no hay opción silenciosa, salvo conservar el sonido propio de un video de referencia.
Todos los modos: La generación es lenta: los clips de 3 segundos tardaron entre 1,5 y 4 minutos en nuestras pruebas, y las solicitudes en el mismo endpoint se ejecutan una a la vez, así que un lote se pone en cola.
Imagen a video: Hasta 9 cuadros clave intermedios, u 8 cuando también envías un cuadro de cierre (10 imágenes en total con el cuadro de apertura). Los cuadros de apertura, intermedios y de cierre deben mostrar el mismo personaje y escenario desde la misma posición de cámara; si no, el clip tiene que cortar o transformarse para llegar a ellos.
Referencia a video: Los videos de referencia pueden sumar hasta 30 segundos en total y sus segundos también se cobran, redondeando cada clip al segundo entero; los clips de audio deben durar de 5 a 30 segundos cada uno.
Edición de video: El clip original debe durar de 3 a 30 segundos, en MP4 o WebM, y admite hasta 10 imágenes de referencia. Con la duración en la opción “Match source” (igual que el original), el resultado puede salir hasta un segundo más largo que el clip original, y el sonido propio del original termina un momento antes que la imagen.
Extensión de video: El clip original puede durar hasta 60 segundos, en MP4 o WebM. El nuevo segmento dura de 3 a 30 segundos y sigue la forma de tu clip original. Para alinear la unión, la imagen puede recortarse o ajustarse unos pocos por ciento en los bordes.

Casos de uso

Qué construir con la API de Kling 4.0

Tomas de establecimiento largas
Hasta 30 segundos permiten que un movimiento de cámara se despliegue por completo —una grúa lenta, un recorrido por un camino, una revelación— sin unir clips.
Movimiento storyboardeado
Sube las poses clave como cuadros de apertura, intermedios y de cierre, y deja que el modelo rellene el movimiento entre ellos.
Personajes y objetos consistentes
Referencia una vez un rostro, un vestuario y un vehículo, e introdúcelos en escenas nuevas, con una muestra de voz si el personaje habla.
Cambia una toma que ya tienes
La edición de video conserva la escena, el sujeto y el movimiento, y cambia lo que nombras: el clima, la hora del día, el escenario o el estilo.
Continúa una escena
La extensión de video toma el último cuadro de tu clip y añade un nuevo segmento de 3 a 30 segundos, que se devuelve unido al original en un solo archivo.

Prompts

Ejemplos de prompts de Kling 4.0 para copiar

Pega uno tal cual en el playground y luego cambia una sola cosa a la vez.

Referencia a video
Primero la lista del reparto, luego la toma
Resultado de este prompt
@Image1 is the woman, @Image2 is the chrome trailer. At blue hour in the high desert, the woman from @Image1 steps out of the door of the trailer from @Image2 holding two steaming enamel mugs; the string lights along its awning blink on one by one and their glow slides across the polished aluminium. She stops, looks up at the first stars and smiles, then glances at the camera. Slow push-in. Sound: the creak of the trailer door, boots on cracked earth, a soft desert wind, a distant owl.
Por qué funciona. Abrir con una frase por referencia le dice al modelo qué rostro y qué objeto conservar; el resto del prompt solo tiene que describir la acción, la cámara y el sonido.
Probar este prompt
Texto a video
Acción, cámara y luego sonido
Resultado de este prompt
Inside a white observatory dome on a high-desert mesa at indigo dusk. An astronomer in her late thirties with short silver-streaked hair, wearing a charcoal wool sweater and fingerless gloves, turns a heavy brass wheel; with a deep rumble the dome slit slides open and a band of deep-blue sky full of first stars pours light across the polished chrome telescope. She looks up, breath visible in the cold air, and says quietly, "There you are." Slow crane up from her hands on the wheel to the opening sky. Sound: the grinding rumble of the dome motor, desert wind, the soft hum of equipment.
Por qué funciona. El prompt sigue el orden en que ocurren las cosas y deja el sonido en su propia línea, para que el rumor, el viento y la frase hablada caigan donde deben.
Probar este prompt
Imagen a video
Fija el final con un segundo cuadro
Resultado de este prompt
She takes one last look through the open slit of the dome, then turns around, leans back against the steel railing and crosses her arms with a small satisfied smile as more stars come out over the mesa. Static wide shot, her braid and coat stirred by the wind. Sound: steady desert wind, the faint whirr of the telescope motor.
Por qué funciona. Con un cuadro de cierre definido, el prompt solo necesita describir cómo pasa ella de una pose a la otra.
Este modo parte de tu propia imagen: agrégala en el playground antes de correrlo.
Probar este prompt

Comparar

Kling 4.0 frente a modelos similares: cuál elegir

Modelo	Modos	Desde	Contenido	Elígelo si
Kling 4.0Esta página	Imagen a video · Referencia a video · Texto a video · Edición de video · Extensión de video	$0.113 / segundo de salida	Con filtro — Este modelo rechaza sin rodeos las solicitudes que superan sus propios límites. Es un resultado medido, no supuesto; los modelos que no hemos medido no llevan ninguna etiqueta.	Quieres clips de más de 15 segundos, 21:9 ultrapanorámico, cuadros clave intermedios, o referencias de videos y clips de voz además de imágenes.
Kling 3.0	Animación de personajes · Imagen a video · Texto a video	$0.067 / segundo de salida	Con filtro — Este modelo rechaza sin rodeos las solicitudes que superan sus propios límites. Es un resultado medido, no supuesto; los modelos que no hemos medido no llevan ninguna etiqueta.	Necesitas 4K, un interruptor de audio o Motion Control para copiar una actuación sobre tu propio personaje.
Kling O3	Imagen a video · Referencia a video · Texto a video · Edición de video	$0.067 / segundo de salida	Con filtro — Este modelo rechaza sin rodeos las solicitudes que superan sus propios límites. Es un resultado medido, no supuesto; los modelos que no hemos medido no llevan ninguna etiqueta.	Quieres editar un video que ya tienes, o usar fotos de referencia en hasta 4K.
Kling 3.0 Turbo	Imagen a video · Texto a video	$0.112 / segundo de salida	Con filtro — Este modelo rechaza sin rodeos las solicitudes que superan sus propios límites. Es un resultado medido, no supuesto; los modelos que no hemos medido no llevan ninguna etiqueta.	Quieres un clip más rápido y económico con sonido, y no necesitas más de 15 segundos.

Precios

Precios de la API de Kling 4.0

Un clip de 5 segundos cuesta desde $0.564 en 720p y desde $0.846 en 1080p.

El playground muestra el costo exacto de tu configuración antes de correrla. Las tareas fallidas o vencidas normalmente no se cobran. Algunos modelos cobran los rechazos de contenido según lo indicado en su página; consulta esas condiciones antes de enviar.

Ver todos los niveles de precio

Primeros pasos

Cómo usar la API de Kling 4.0 en tres pasos

Paso 1
Prueba en corto a 720p
Encuentra el encuadre y el movimiento con 3 a 5 segundos a 720p antes de pagar un render largo o a 1080p.
Paso 2
Escribe la línea Sound:
Todos los clips tienen audio. Nombra el ambiente y cualquier frase hablada entre comillas para obtener el sonido que quieres.
Paso 3
Nombra tus referencias
En referencia a video, empieza con “@Image1 es …, @Image2 es …” antes de describir la toma.

Abrir el playground Obtener una clave de API

La referencia de parámetros y los ejemplos de código están en las pestañas API y Readme, arriba en esta página.

Por qué SpicyAPI

Por qué usar Kling 4.0 en SpicyAPI

Sin filtro de nuestra parte
No agregamos ningún filtro de contenido propio. Lo que el modelo genera es lo que recibes.
Probado, no supuesto
Los niveles de contenido salen de generaciones reales que corrimos y revisamos, con la fecha de la prueba en la página.
Pagas por resultado, en dólares
Sin suscripción ni créditos. Las tareas fallidas o vencidas normalmente no se cobran. Algunos modelos cobran los rechazos de contenido según lo indicado en su página; consulta esas condiciones antes de enviar.
Una clave para todos los modelos
Una clave de API y un saldo cubren los modelos de imagen, video, audio y chat, para que explores más modelos desde la misma cuenta.

FAQ

Preguntas frecuentes de la API de Kling 4.0

Acerca de Kling 4.0

Kling 4.0 trae el modelo de video más nuevo de Kling a una sola API: texto a video, imagen a video con cuadros de apertura, cierre e intermedios, referencia a video a partir de imágenes, videos y clips de voz, edición de video para un clip que ya tienes, y extensión de video para continuar un clip. Los clips duran de 3 a 30 segundos a 720p o 1080p, en 16:9, 9:16, 1:1 o 21:9, con una pista de sonido estéreo en cada clip. Las solicitudes se revisan y todo lo que va desde Moderado hacia arriba se rechaza sin cargo. SpicyAPI cobra por segundo de salida en dólares estadounidenses, sin suscripción.