Ir al contenido principal

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.Ver todos los modelos con este nivel de filtrado
kling/o3/reference-to-video

El reference-to-video de Kling O3 (Kling 3.0 Omni) reúne hasta 7 imágenes de referencia, como una persona, un atuendo o un lugar, en una misma toma nueva. Los clips duran de 3 a 15 segundos a 720p, 1080p o 4K, con audio nativo opcional.

Desde $0.067/s
Ejecutar modelo

Playground

Entrada

Referencia a video
508/2500

Al reordenar se actualizan las referencias del prompt. Al borrar un archivo también se borran sus referencias; revisa el prompt.

Di qué es cada referencia numerada (<<<image_1>>>, <<<image_2>>>, y así sucesivamente) y describe la toma que deberían producir juntas. Nombrar la función de cada foto es lo que evita que se mezcle con las demás. mínimo 1 caracteres · máximo 2500 caracteres
3/7

Arrastra archivos o enlaces multimedia, pega o selecciona · Hasta 7 archivos · Máx. 10 MB · JPG · PNG · WEBP · GIF

  • <<<image_1>>>
  • <<<image_2>>>
  • <<<image_3>>>
3 / 7 archivos
Hasta 7 fotos de referencia para personajes, objetos, atuendos o lugares. JPEG o PNG. Refiérete a cada una en el prompt como <<<image_1>>>, <<<image_2>>>, etc. mínimo 1 elementos · máximo 7 elementos
afecta al precio0/1

Suelta un video o elige un archivo · Hasta 1 archivos · Máx. 90 MB · MP4 · WEBM

0 / 1 archivos
Video de referencia opcional, un solo clip, del que la nueva toma toma el movimiento, la cámara o los personajes; menciónalo en el prompt como <<<video_1>>>. Con video puedes usar hasta 4 imágenes de referencia y generate_audio debe quedar apagado. Una ejecución con video de referencia se cobra a una tarifa por segundo más alta que sin él; no está disponible en 4K. mínimo 1 elementos · máximo 1 elementos
16:9, 9:16 o 1:1. Elígela antes de escribir la toma para que la composición encaje.
afecta al precio
720p, 1080p o 4K. Los niveles más altos cuestan más por segundo.
Generar audioafecta al precio
Agrega una banda sonora generada en la misma pasada: diálogo entre comillas, efectos, ambiente. En 720p y 1080p cuesta más por segundo que una corrida silenciosa; en 4K el precio es el mismo con o sin sonido. No está disponible junto con un video de referencia.
Duraciónafecta al precio
Segundos completos, de 3 a 15. Determina el precio junto con la resolución y el audio. no menor que 3 · no mayor que 15
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.

Salida

Listo para una nueva ejecución
Resultado de ejemplo
Extender
Reescalado de video
Edición de video

¿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.

VIDEO CON SONIDO, CONSTRUIDO DE CUATRO FORMAS

La API de Kling O3 de un vistazo

Un modelo, cuatro entradas: escríbelo, anima un cuadro, arma la toma desde fotos, o edita un clip que ya tienes.

Modos en un modelo
4EN1
Texto, imagen, fotos de referencia o un video existente pasan todos por el mismo conjunto de endpoints.
Fotos de referencia
7
Dale a una persona, un objeto y un lugar su propia foto y arma los tres en una sola toma.
Resolución máxima
4K
Borrador barato en 720p, entrega final en 4K.
Clip más largo
15S
De 3 a 15 segundos para clips nuevos; las ediciones toman un clip fuente de 3 a 10 segundos.
Sonido nativo opcional
AUDIO
Diálogo, efectos y ambiente generados con la imagen cuando lo activas.
Planos automáticos
MULTI
Pide varias tomas en un prompt y las corta entre sí por su cuenta.

Resultados

Lo que puedes crear con Kling O3

  • Desde texto

    Una escena de tres planos desde un párrafo

    Escribe las tomas en orden y pon shot_type en multi: Kling O3 corta entre ellas por su cuenta, manteniendo el escenario y a las personas consistentes de una toma a la siguiente. Este tango bajo la lluvia fue un solo prompt describiendo una toma amplia, un primer plano y un ángulo bajo, nada más.

    Texto a video, varios planos, 1080p con sonido: un prompt describiendo una toma amplia, un primer plano y un ángulo bajo volvió como tres planos cortados.

  • Desde una imagen

    Tu cuadro inicial, llevado hacia adelante

    Sube el cuadro que ya aprobaste y describe solo lo que pasa después. Aquí el cuadro inicial eran dos mujeres compartiendo un paraguas; el prompt solo agregó la lluvia más fuerte, la risa y la caminata hacia la calle de neón.

    Imagen a video, 720p con sonido: el cuadro inicial fijó la escena, el prompt solo agregó la lluvia más fuerte y la caminata hacia la calle.

  • Desde fotos de referencia

    Arma una persona, un objeto y un lugar a partir de tres fotos

    Dale hasta siete imágenes y asígnale a cada una una función en el prompt: la Imagen 1 es el hombre, la Imagen 2 es la habitación, la Imagen 3 es la carta que abre. Las tres se mantuvieron en una toma que ninguna de las fotos fuente mostraba.

    Referencia a video, 720p con sonido: el hombre, el vagón comedor y la carta vinieron cada uno de una foto de referencia separada.

  • Edita un video que ya tienes

    Cambia la estación, mantén todo lo demás

    Video-edit toma un clip terminado y un prompt que nombra solo lo que debe cambiar. Aquí la fuente eran dos hombres en bicicleta bajando una calle de Lisboa, riendo por encima del hombro; la edición agregó nieve a la calle, los techos y el tranvía, y puso a ambos ciclistas con abrigos de lana, mientras el movimiento de cámara, el paseo y la risa se mantuvieron intactos.

    Video-edit, 720p: el clip fuente era la misma calle y el mismo paseo bajo el sol de la mañana; la edición agregó la nieve y los abrigos y mantuvo el resto.

  • Con sonido

    El diálogo llega en el mismo archivo que la imagen

    Activa generate_audio y las líneas habladas, el ambiente de la sala y el sonido se generan junto con el video. Las dos líneas de diálogo de este clip volvieron exactamente como se escribieron, sincronizadas con la imagen.

    Texto a video, 720p con sonido: ambas líneas de diálogo volvieron exactamente como se escribieron.

Prueba de contenido

¿Kling O3 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 O3, por modo
NivelEdición de videoImagen a videoReferencia a videoTexto a video
SuaveLos prompts más suaves de la prueba
Aún sin probar
Aún sin probar
Aún sin probar
Aún sin probar
ModeradoDonde los modelos con filtro empiezan a negarse
RechazadoProbado el 28 sept 2026
RechazadoProbado el 28 sept 2026
RechazadoProbado el 28 sept 2026
RechazadoProbado el 28 sept 2026
FuerteEl punto medio de la escala
RechazadoProbado el 28 sept 2026
Aún sin probar
Aún sin probar
Aún sin probar
Muy fuerteDonde la mayoría de los modelos empiezan a frenar
Aún sin probar
Aún sin probar
Aún sin probar
Aún sin probar
MáximoLa cima de la escala
Aún sin probar
Aún sin probar
Aún sin probar
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

Texto a video
shot_type: single no es una garantía estricta de una sola toma continua: Kling O3 a veces corta de todas formas. Agrega "one continuous shot, no cuts" al prompt cuando una sola toma sin cortes importe.
Imagen a video
El cuadro inicial se sigue de cerca y un last_image_url opcional ancla el final, pero el medio de un clip largo puede desviarse. Mantén los dos cuadros cercanos en luz y encuadre para el resultado más limpio.
Referencia a video
Cada foto de referencia solo sirve tanto como la función que le des en el prompt. Tres o cuatro referencias con una función clara cada una se sostienen mejor que siete tomas superpuestas del mismo sujeto.
Edición de video
Video-edit conserva por defecto el sonido propio del clip fuente (keep_original_audio); desactívalo para obtener un resultado sin sonido. No genera sonido nuevo y el interruptor no cambia el costo. El resultado dura exactamente lo mismo que tu clip fuente, de 3 a 10 segundos, y la fuente necesita al menos unos 720 píxeles en su lado más corto. Cuando una edición agrega una prenda nueva a más de una persona, puede darles el mismo estilo y color en lugar de unos distintos a menos que el prompt diga lo contrario.
Todos los modos
Kling aplica su propia revisión de contenido a cada solicitud, y es estricta: las solicitudes de nivel Suave a veces se renderizan y a veces no, y cualquier cosa desde Moderado en adelante se rechaza sin excepción, también cuando aparece en una foto subida o en un video de origen. Las solicitudes rechazadas no se cobran. Si tu proyecto necesita ese rango, nuestras familias Spicy —Seedance 2.5 Spicy, Wan 2.2 Spicy o MiniMax H3 Spicy— están pensadas para ello; la fuerza de Kling es el aspecto cinematográfico, el movimiento, el sonido nativo y el control por referencia.

Casos de uso

Qué construir con la API de Kling O3

  • Una escena de varios planos sin filmar varias tomas

    Escribe una toma amplia, un primer plano y un ángulo bajo en un solo prompt y deja que shot_type: multi corte entre ellas. Es la forma más rápida de conseguir cobertura de una escena a partir de una sola solicitud.

  • Un personaje repetible a partir de un puñado de fotos

    Referencia a video toma una cara, un atuendo y un lugar como fotos separadas, así un personaje puede aparecer en un escenario nuevo que nunca filmaste en lugar de solo el cuadro que tienes de él.

  • Cambia la estación, el vestuario o el fondo de un clip que ya tienes

    Video-edit toma un video existente y un prompt que describe solo lo que debe cambiar. Todo lo que no menciones (el encuadre, el movimiento, cualquier diálogo) se mantiene del clip fuente.

  • Anima un cuadro aprobado con diálogo incluido

    Parte de una imagen que ya diste por buena y describe la acción, el movimiento de cámara y, con generate_audio activado, la línea que dice un personaje. El cuadro se mantiene fijo; solo se mueve lo que escribiste.

Prompts

Ejemplos de prompts de Kling O3 para copiar

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

  • Texto a video

    Escribe tres planos, deja que el corte automático los divida

    Resultado de este prompt

    A night tango on a rain-slick cobblestone street in Buenos Aires. A man in his late thirties in a dark waistcoat and a white shirt open at the collar, and a woman in her early thirties in a backless black satin dress, dance close under a single amber streetlamp. Shot 1, wide: the couple turns through the falling rain and her dress flares. Shot 2, close-up: their faces almost touching, rain running down his cheek, she smiles. Shot 3, low angle on their feet: a sharp turn, her heel flicking water off the stones. Sound: a bandoneon tango drifting from an open window, steady rain, heels clicking on wet stone, her quiet laugh.

    Por qué funciona. Numerar las tomas y describir cada ángulo de cámara en orden (amplia, primer plano, ángulo bajo) es lo que le dice al modelo dónde debe terminar una toma y empezar la siguiente, en lugar de dejarlo adivinar.

    Probar este prompt

  • Texto a video

    Nombra la posición exacta de cámara para mantener dos caras en cuadro

    Resultado de este prompt

    A small jazz bar after closing, chairs upturned on the tables, one warm lamp over an old upright piano. Seen from the end of the keyboard so both faces are clear: two men in their thirties, a couple, sit close together on the piano bench. One, in a loosened tie with his sleeves rolled up, plays a slow chord; the other, in an open-collar black shirt, rests his head on the pianist's shoulder with his eyes half closed. The pianist stops, turns to him and says softly, "One more song?" The other smiles without lifting his head: "Only if it's ours." One continuous slow push-in, 35mm, warm tungsten light. Sound: soft piano chords, their low voices, the hum of the empty room.

    En lugar de “Two men on a piano bench, one playing, the other leaning on his shoulder.”

    Por qué funciona. "Seen from the end of the keyboard" es una instrucción de cámara real; sin ella el modelo puede elegir un ángulo donde la segunda persona quede casi escondida detrás de la primera.

    Probar este prompt

  • Imagen a video

    Describe solo lo que pasa después del cuadro

    Resultado de este prompt

    The rain gets heavier. The woman in the camel trench coat tilts the umbrella back and laughs; the other woman pulls her closer by the collar and they walk off together down the neon street, the camera following at their shoulders. Sound: heavy rain drumming on the clear umbrella, distant traffic, footsteps splashing, and one of them says, "Come on, we're going to miss the last train."

    Por qué funciona. El cuadro inicial ya fijó a las dos mujeres, el paraguas y la calle de neón, así que el prompt solo tiene que decir qué pasa después: la lluvia más fuerte, la risa, la caminata.

    Este modo parte de tu propia imagen: agrégala en el playground antes de correrlo.

    Probar este prompt

  • Referencia a video

    Dale a cada foto de referencia una función

    Resultado de este prompt

    Image 1 is the man, Image 2 is the dining carriage, Image 3 is the sealed letter. The man from Image 1, still in his camel overcoat, sits alone at a table in the train carriage from Image 2 at night. He breaks the red wax seal of the letter from Image 3, unfolds it and reads, and a slow smile spreads across his face while city lights streak past the rainy window. Slow push-in. Sound: the rhythmic clatter of the train, rain on the glass, paper unfolding, a soft exhale.

    Por qué funciona. Nombrar de qué es responsable cada imagen numerada (el hombre, el vagón, la carta) es por qué las tres se mantuvieron juntas en lugar de que el modelo las mezclara en algo nuevo.

    Probar este prompt

  • Edición de video

    Cambia una sola cosa, deja el resto como está

    Resultado de este prompt

    Turn the season to deep winter: fresh snow on the cobblestones, the balconies, the rooftops and the yellow tram, snowflakes drifting through the air and cold blue morning light. Dress both riders in wool coats and knitted scarves. Keep the street, the bicycles, the riders' movement and the camera move exactly as they are.

    Por qué funciona. Video-edit solo cambia lo que nombras (aquí, la estación y el vestuario) y mantiene el encuadre, el movimiento y el ritmo del clip fuente tal como están.

    Probar este prompt

Comparar

Kling O3 frente a modelos similares: cuál elegir

ModeloModosDesdeContenidoElígelo si
Kling O3Esta páginaImagen a video · Referencia a video · Texto a video · Edición de video$0.067 / segundo de salidaCon 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 fotos de referencia, editar un video que ya tienes, o el rango más amplio de modos en un solo conjunto de endpoints.
Kling 3.0Animación de personajes · Imagen a video · Texto a video$0.067 / segundo de salidaCon 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 una sola toma insignia con primer y último cuadro, o Motion Control para trasladar una actuación a tu personaje.
Kling 3.0 TurboImagen a video · Texto a video$0.112 / segundo de salidaCon 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.Siempre quieres sonido y una entrega más rápida con un prompt de texto o imagen, y no necesitas fotos de referencia ni video-edit.
Kling 2.6Animación de personajes · Imagen a video · Texto a video$0.069 / segundo de salidaCon 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 el modelo de audio nativo original de Kling a una tarifa menor en 1080p sin sonido, o su versión más barata de Motion Control.

Precios

Precios de la API de Kling O3

Un clip de 5 segundos cuesta desde $0.336 en 720p y desde $1.68 en 4K.

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 O3 en tres pasos

  1. Paso 1

    Pruébalo en el playground

    Elige un modo de arriba (un párrafo, tu propio cuadro inicial, hasta siete fotos de referencia, o un video para editar), pega uno de los prompts de esta página y corre. El precio exacto se muestra antes de cobrar nada.

  2. Paso 2

    Consigue una clave de API

    Regístrate, recarga con tarjeta o cripto, y crea una clave en la consola. No hay suscripción: pagas por los segundos de video que generas.

  3. Paso 3

    Envía la misma solicitud desde tu código

    Copia la solicitud de la pestaña de API: es el mismo cuerpo que acaba de correr el playground. El clip terminado llega a tu webhook, o lo consultas por ID de tarea.

Abrir el playgroundObtener 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 O3 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 O3

Acerca de Kling O3

Kling O3 (Kling 3.0 Omni) es el modelo de video polivalente de Kling en SpicyAPI, en cuatro modos: texto a video, imagen a video, referencia a video y edición de video. Los clips duran de 3 a 15 segundos (un video que edites puede llegar a 10), hasta 4K, con sonido nativo opcional y cortes automáticos entre varios planos. Kling aplica su propia revisión de contenido y no añadimos ningún filtro encima: a veces pasa material de nivel Suave, cualquier cosa más fuerte se rechaza, y una solicitud rechazada no se cobra. Cobramos por segundo de salida en dólares estadounidenses, sin suscripción ni paquete que comprar por adelantado. Eres responsable de tener los derechos y el consentimiento de todo lo que subas, y del uso de lo que generes.

Todos los modelos Kling9

Modelos relacionados y tareas siguientes

Comparativas relacionadas

Kling O3 vs Wan 2.1 LoRA