Kling 3.0 Turbo: sonido siempre activo, sin opción de silencio

Nuestra muestra de imagen a vídeo lleva una escena en primera persona: un fotograma inicial de dos personas, animado en una carrera por un mercado nocturno abarrotado, con la cara y el vestuario de la pareja del fotograma de origen manteniéndose durante el movimiento de cámara entero y el ruido del mercado llegando en el momento justo. Una segunda ejecución de imagen a vídeo tomó a una pareja en un scooter a la hora dorada y mantuvo la moto, las chaquetas y la costa del fotograma inicial mientras añadía el ruido del motor, el viento y risas sincronizadas con el paseo.

En texto a vídeo, una escena de baile de dos personas en la cocina entregó música, risas y una olla burbujeante desde el prompt en el mismo archivo que la imagen: sonido, movimiento y ambientación generados juntos en lugar de superpuestos después. Un único prompt de acción continua —una carrera por la azotea, un salto y un aterrizaje— volvió como un movimiento ininterrumpido con pasos y respiración siguiendo la acción, en lugar de cortarse en momentos separados.

Como el sonido se genera en cada clip, dedica parte del prompt a lo que debe oírse, no solo a lo que debe verse —pasos, una línea de diálogo, ruido ambiente—, ya que el modelo no tiene un campo de audio aparte para dirigirlo.

1. Un movimiento en primera persona entre una multitud (imagen a vídeo). El prompt detrás de nuestro ejemplo del mercado nocturno empieza así:

First person point of view: she tightens her grip on the viewer's hand and pulls, breaking into a run through the crowded neon night market, glancing back over her shoulder and laughing. The camera is towed after her past glowing stalls...

Prueba este estilo en Kling 3.0 Turbo →

2. Nombrar el sonido, no solo el plano (texto a vídeo). Nuestra escena de cocina nombró a las bailarinas, el escenario y el sonido ambiente en una sola pasada en lugar de dejar la banda sonora al azar:

Late night in a small tiled kitchen lit by a warm pendant lamp. Two women in their early thirties, a couple, dance salsa between the counter and the fridge while a pot steams on the stove...

Prueba este estilo en Kling 3.0 Turbo →

Débil: un prompt solo visual sin ninguna pista de diálogo, ambiente o pasos —igual tendrás una banda sonora, solo que no dirigida por tus palabras—. Fuerte: nombrar un sonido concreto junto a la acción, como hace el prompt 2 al nombrar la olla humeante y el escenario de la cocina.

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, incluidas las ejecuciones que solo se rechazaron después de que un clip se generara por completo, 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; en imagen a vídeo en concreto, el límite se sitúa un poco más bajo que en texto —un fotograma inicial con lencería de encaje transparente pasó, pero un fotograma inicial con un camisón transparente se rechazó después de haberse generado ya—. L2 se rechazó en cada intento. 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. El sondeo de L5 gore se generó en imagen a vídeo; todavía no lo hemos ejecutado en texto a vídeo. 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, acción y trabajo de terror cercano al gore, Kling 3.0 Turbo está bien tal cual.

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

• ¿La misma generación con silencio opcional y más funciones? Kling 3.0 añade cortes con varios planos, un fotograma de cierre y un nivel 4K, y deja desactivar el audio.
• ¿Combinación de referencias y edición de vídeo además de eso? Kling O3 es el nivel Omni: hasta siete imágenes de referencia, una tarea de edición para material ya grabado, y el mismo audio opcional y tope de 4K que Kling 3.0.
• ¿Un hermano más barato, silencioso por defecto y con transferencia de movimiento? Kling 2.6 fija la salida en 1080p, hace el audio opcional en lugar de obligatorio, y añade una tarea de Motion Control que esta familia no tiene.
• ¿Una sola toma más larga sin banda sonora forzada? Seedance 2.5 llega hasta 30 segundos desde un prompt de texto.