Kling 3.0: Motion Control y varios planos, con filtro desde L2

No publicamos las ejecuciones de nuestra escala de contenido; lo que sigue es el registro habitual, tomado de los ejemplos publicados y aptos para el trabajo en la página del modelo Kling 3.0.

Una danza de estudio, con otro personaje. Un clip guía con pasos laterales, una sentadilla profunda con los brazos abiertos y ambos brazos levantados volvió sincronizado al detalle sobre un personaje nuevo, que conservó su propia cara, traje de satén y fondo de estudio en lugar del intérprete del clip guía.

Un giro hacia cámara al atardecer. Desde un fotograma inicial en cubierta de yate, «one continuous shot with no cuts» más una descripción de luz mantuvo el color del atardecer y el encuadre firmes durante un giro completo hacia cámara y una línea hablada.

Relámpagos sobre una explanada. Un prompt de lluvia y relámpagos añadió solo el destello, un paso bajando de un camión y una caminata bajo el aguacero: el vestuario y la iluminación se mantuvieron, pero la posición de un camión respecto al edificio no coincidía entre el fotograma inicial y un ángulo posterior del mismo clip.

Un brindis en la azotea. Un plano en mano recorrió una multitud bailando y terminó con el grupo entero gritando una sola línea a la vez, sincronizada con la música y el choque de botellas: nombrar una única línea compartida en el prompt evitó que el diálogo se superpusiera.

En imagen a vídeo, di explícitamente si quieres un solo plano continuo o una secuencia con cortes: el modelo añadirá un corte por su cuenta si lo dejas ambiguo. En Motion Control, el clip guía fija el ritmo y la actuación; la foto de personaje fija quién la interpreta.

1. Fijar un solo plano en imagen a vídeo.

One continuous shot with no cuts, the golden-pink dusk light staying the same throughout. He turns from the rail toward the camera, pushes his wet hair back with one hand and smiles, then says, "Jump in, the water's perfect."

Ejecuta este prompt en Kling 3.0 →

2. Una sola línea compartida para una escena de grupo.

A summer rooftop party in Brooklyn at blue hour, string lights and the Manhattan skyline behind. A group of friends dance and laugh, then everyone shouts one line together: "To us!" Their glasses clink on the beat.

Ejecuta este prompt en Kling 3.0 →

Débil: dejar el número de planos al criterio del modelo, incluso con shot_type: single, fue donde vimos colarse cortes que no pedimos. Fuerte: escribe «one continuous shot with no cuts» como hace el prompt 1 cuando la toma necesita quedarse en una sola pieza; reserva shot_type: multi y una lista de planos numerados para cuando quieras tú los cortes.

Kling revisa cada petición por su cuenta, en tres puntos: el texto del prompt, cualquier imagen o clip guía subido y el clip terminado. Eso se mantuvo en las tres tareas de Kling 3.0: los mismos resultados volvieron en cada ruta que probamos, así que esto es la propia moderación de Kling y no algo que cambiaría con otro endpoint.

El 28 de septiembre de 2026 lanzamos nuestra escala de cinco escalones contra imagen a vídeo y texto a vídeo (Motion Control no formó parte de esta ronda). L1 Sugerente (lencería, un tirante que se cae) se generó en cada tarea probada; L2 Temas maduros se rechazó cada vez que lo enviamos, incluidos seis sondeos L2 adicionales el mismo día en seis endpoints de Kling 3.0 y O3. L3 Fuerte y L4 Intenso (una escena íntima entre dos adultos) también se rechazaron, casi siempre en la fase de prompt o de carga, en cuestión de segundos o de medio minuto; en una ruta, la petición L3 de texto a vídeo volvió rechazada solo al cabo de unos dos minutos. El sondeo de L5 Extremo de restricción e impacto se rechazó después de generarse. El sondeo de L5 Extremo gore se dividió por tarea: se generó en texto a vídeo y se rechazó en imagen a vídeo.

Las peticiones rechazadas no cuestan nada —cada rechazo en nuestro conjunto de pruebas, incluidos los que solo volvieron rechazados después de que el clip se generara por completo, fue gratis—. Tampoco hay suavizado silencioso: en cada ejecución el clip volvió tal como se escribió o la tarea falló directamente, sin que la ropa se añadiera de nuevo ni la escena se cambiara por una más segura.

La etiqueta de la página lo refleja: imagen a vídeo y texto a vídeo llevan un nivel de política con filtro, y no añadimos ningún filtro de contenido propio por encima.

Aún sin probar: Motion Control contra nuestra escala de contenido; si un prompt más largo y específico mueve el punto de rechazo de L4 Intenso; escenas con más de dos personas en los escalones más altos.

Solo adultos, en cada prompt, imagen subida y resultado. Nunca representes a una persona real e identificable sin su consentimiento, y asegúrate de tener los derechos de cualquier foto o clip que subas. Para contenido más allá del nivel lencería, usa una de nuestras familias Spicy en su lugar —Wan 2.2 Spicy y Seedance 2.5 Spicy son dos de las de vídeo—; este endpoint rechaza cualquier cosa más allá de L1.

Kling 3.0 aparece por nombre cuando los desarrolladores comparan herramientas de vídeo de código cerrado. En un hilo de Hacker News de abril de 2026, un comentarista escribió: "Los modelos que más usan los profesionales son Kling o3, Kling 3.0 y, más recientemente, Seedance 2.0". Un hilo aparte de mayo de 2026, que resumía la opinión del subreddit de vídeo con IA, agrupaba a Kling 3 con Seedance 2.0 entre los modelos de vídeo de código cerrado a los que recurría esa comunidad.

Los tableros públicos de votación a ciegas lo sitúan un poco más arriba que O3 en las mismas pruebas. En la clasificación de imagen a vídeo de Artificial Analysis (28 de septiembre de 2026), el nivel Standard en 720p de Kling 3.0 quedó en el puesto 23 de 82 modelos seguidos; en la clasificación de imagen a vídeo de arena.ai (21 de septiembre de 2026), su nivel Pro en 1080p quedó en el puesto 19 de 48 sobre más de 200.000 votos.

• ¿Necesitas combinar fotos de referencia en un plano, o editar un clip existente? Kling O3 cambia Motion Control por referencia a vídeo y edición de vídeo, a los mismos precios base que las tareas de imagen y texto de 3.0. Nuestro análisis de Kling O3.
• ¿No necesitas Motion Control en absoluto? Kling 2.6 cubre imagen y texto a vídeo con audio nativo desde $0.069 por segundo.
• ¿Necesitas un solo plano continuo de más de 15 segundos? Wan 3.0 llega hasta 30 segundos con dirección de varios planos, desde $0.045 por segundo en 480p.
• ¿Quieres que las escenas con mucho diálogo sean el centro? Seedance 2.5 tiene un precio más alto pero está construido en torno al habla con sincronía labial.