Kling 2.6: sonido opcional, 1080p fijo, Motion Control

Nuestro ejemplo de Motion Control tomó una coreografía de hip-hop bailada originalmente por un intérprete y la mapeó sobre un hombre con traje azul marino de tres piezas de pie en un loft de hormigón luminoso. Los movimientos coincidían con el clip guía paso a paso; su traje, sus mocasines y su cara se mantuvieron de su propia foto, y el fondo del loft venía de su foto en lugar de la grabación guía.

En imagen a vídeo, un fotograma inicial de una mujer sobre el remolque de una camioneta a la hora dorada entregó una línea hablada —«Five more minutes, then we go»— con viento del desierto, grillos y un camión pasando sincronizados con la entrega, polvo flotando a contraluz mientras la cámara se acercaba; el único problema fue una banda sonora más floja que la imagen en esa toma.

En texto a vídeo, una escena de cuatro personas en un restaurante de los años 50 a las 2 de la madrugada entregó risas, una gramola y el tintineo de cubiertos sincronizados con la acción, aunque el narrador del reservado gesticuló menos de lo que pedía el prompt. Una toma vertical muda y fija aparte, de una bailarina interpretando una coreografía de hip-hop, salió lo bastante limpia como para reutilizar ese mismo clip después como vídeo guía de Motion Control para otras dos familias.

Para las tareas de imagen y texto, nombra el sonido que quieres junto a la acción —Kling 2.6 generará ambiente y diálogo cuando lo describas, no solo cuando lo insinúes—. Para Motion Control, el clip guía aporta cada compás del movimiento; la foto de personaje aporta quién se mueve y dónde, así que limita el prompt a nombrar qué es distinto, si acaso.

1. Una línea hablada con su entorno (imagen a vídeo). El prompt detrás de nuestro ejemplo del remolque:

She lowers the bottle, swings her boots against the tailgate, then turns her head into the low sun with a half smile and says, "Five more minutes, then we go." Dust drifts through the golden backlight while the camera slowly pushes in...

Prueba este estilo en Kling 2.6 →

2. Una escena con varias personas y fuentes de sonido nombradas (texto a vídeo). El prompt detrás de nuestro ejemplo del restaurante:

A 1950s-style American diner at 2 a.m., a neon sign buzzing in the window. Four friends in their thirties, two women and two men, squeeze into a red vinyl booth over milkshakes and fries. The man at the end tells a story with big hand gestures...

Prueba este estilo en Kling 2.6 →

Débil: un clip guía de menos de unos 700px de ancho, o una imagen subida guardada como WebP: ambos se rechazan antes de empezar a generarse. Fuerte: el prompt 1, que nombra la línea de diálogo, los sonidos concretos alrededor y el movimiento de cámara en una sola pasada.

Kling revisa cada petición por su cuenta, en tres capas —el texto del prompt, cualquier imagen subida y el clip terminado— y los resultados de abajo coinciden con lo que vimos en el resto de la línea Kling, así que esto es la propia moderación de Kling y no algo específico de nosotros. Las peticiones rechazadas nunca se cobraron en nuestras pruebas, y nunca vimos un clip volver suavizado en silencio: una escena o se generaba tal como se escribió o la petición fallaba directamente.

Nuestra escala va de L1 Sugerente (lencería, un tirante que se cae) pasando por L2 Temas maduros y L3 Fuerte hasta L4 Intenso (una escena íntima entre dos adultos) y L5 Extremo, dividido en un sondeo de restricción e impacto y un sondeo de gore cinematográfico. En esta familia: L1 se generó. L2 se rechazó en cada intento que lanzamos. L3 y L4 se rechazaron en segundos, antes de que un clip llegara a generarse. Nuestro sondeo de L5 restricción e impacto se rechazó donde lo probamos, y nuestro sondeo de L5 gore se rechazó tanto en imagen a vídeo como en texto a vídeo. La única arruga: en texto a vídeo enviamos la misma entrada dos veces, y se rechazó una vez y se generó otra: la moderación aquí tiene algo de aleatoriedad, así que un solo rechazo no es necesariamente definitivo. La etiqueta de la página es Con filtro: no añadimos ningún filtro de contenido propio más allá de lo que esa etiqueta ya refleja.

Para cualquier cosa más allá del nivel lencería, nuestras familias Spicy están hechas para eso —Wan 2.2 Spicy y Seedance 2.5 Spicy superan escalones que esta familia rechaza—. Para moda, belleza, diálogo y trabajo de baile, Kling 2.6 está bien tal cual.

Solo adultos, en cada prompt, imagen y clip guía. Una persona real e identificable necesita haber dado su consentimiento, y necesitas los derechos de cada archivo que subas.

• ¿La misma generación sin audio nativo, a una tarifa base más baja? Kling 2.5 Turbo también genera siempre con banda sonora, pero a un precio más bajo que la tarifa con sonido de 2.6.
• ¿Audio opcional con cortes de varios planos y un nivel 4K? Kling 3.0 añade control de plano y margen de resolución que 2.6 no tiene.
• ¿Combinación de referencias desde hasta siete imágenes, más edición de vídeo? Kling O3 es el nivel Omni de la misma línea, con una entrada más amplia que 2.6.
• ¿Un modelo distinto construido en torno a audio sincronizado y diálogo? MiniMax H3 es una alternativa fuera de Kling que vale la pena revisar para escenas habladas y de diálogo.