Kling O3: referencias y edición de vídeo, 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 O3.

Dos mujeres bajo un mismo paraguas. Un fotograma inicial de dos mujeres compartiendo un paraguas transparente en una calle iluminada de neón, con un prompt que solo pedía más lluvia, una risa y alejarse de la cámara: sus caras coincidieron con el fotograma de origen durante el clip entero.

Una carta lacrada en un tren nocturno. Tres imágenes de referencia —un hombre, un vagón restaurante de los años 30, una carta con sello de lacre— combinadas en un solo plano: el hombre sentado solo a la mesa, rompiendo el sello, una escena que ninguna de las tres fotos mostraba por su cuenta.

Un tango con varios planos. Un prompt solo de texto que pedía un plano general, un primer plano y un ángulo bajo volvió como tres cortes en ese orden, manteniendo firmes el vestuario y la iluminación de la calle en los tres.

Invierno sobre Lisboa. Un trabajo de edición de vídeo convirtió un clip de paseo en bici soleado en pleno invierno —nieve fresca, abrigos de lana, luz azul y fría— mientras los ciclistas, el tranvía amarillo y el encuadre se mantuvieron intactos desde el clip de origen.

En imagen a vídeo y edición de vídeo, el fotograma o el clip de origen fijan quién está en el plano y qué lleva puesto; escribe el prompt en torno a lo que cambia, no a lo que se mantiene. En texto a vídeo con shot_type: multi, enumera los planos que quieres en orden y Kling cortará entre ellos manteniendo firme el resto de la escena.

1. Varios planos solo desde texto.

Wide shot, then a close-up, then a low angle. A night tango on a rain-slick cobblestone street in Buenos Aires. A man in a dark waistcoat and a woman in a backless black satin dress dance close under a single streetlamp, rain beading on the stone.

Ejecuta este prompt en Kling O3 →

2. Un cambio, no una reescritura, para edición de vídeo.

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 everything else the same.

Ejecuta este prompt en Kling O3 →

Débil: describir una escena completamente nueva en edición de vídeo invita al modelo a rehacer más de lo que pediste. Fuerte: nombra exactamente qué cambia y añade «keep everything else the same», como hace el prompt 2 —eso fue lo que mantuvo intactos el tranvía y las caras de los ciclistas.

Kling revisa cada petición por su cuenta, en tres puntos: el texto del prompt, cualquier imagen subida y el clip terminado. Eso vale para las cuatro tareas de O3: 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 los cuatro endpoints de O3. L1 Sugerente (lencería, un tirante que se cae) se generó en cada tarea. L2 Temas maduros se rechazó siempre, en cada tarea, incluidos seis sondeos L2 adicionales el mismo día en seis endpoints de O3 y Kling 3.0. L3 Fuerte se rechazó en las tres tareas de O3 a las que lo enviamos —texto a vídeo, referencia a vídeo y edición de vídeo—, en menos de un minuto cuando llegaba como foto o clip subido, pero solo al cabo de unos dos minutos en texto a vídeo. No ejecutamos L4 Intenso (una escena íntima entre dos adultos) ni el sondeo de L5 Extremo de restricción e impacto en O3. El sondeo de L5 Extremo gore se dividió por tarea: se generó en imagen a vídeo y se rechazó en referencia 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. Reintentar un trabajo de edición de vídeo rechazado no ayuda; un clip de origen rechazado devuelve un error genérico, no un motivo.

La etiqueta de la página lo refleja: las cuatro tareas de Kling O3 llevan un nivel de política con filtro, y no añadimos ningún filtro de contenido propio por encima.

Aún sin probar: L4 Intenso y el sondeo de L5 Extremo de restricción e impacto en cualquier tarea de O3; L3 Fuerte en imagen a vídeo; escenas con más de dos personas en los escalones más altos; referencia a vídeo con más de tres fotos en los escalones superiores.

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 O3 no tiene mucho seguimiento propio fuera de la conversación general sobre Kling, pero se le nombra directamente cuando los desarrolladores hablan de 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".

Los tableros públicos de votación a ciegas lo respaldan solo en parte: en la clasificación de imagen a vídeo de Artificial Analysis (28 de septiembre de 2026), el nivel Standard en 720p de Kling 3.0 Omni quedó en el puesto 21 de 82 modelos seguidos, un poco por detrás del puesto que logra el propio Kling 3.0 en el mismo tablero.

• ¿Necesitas transferir el movimiento de un clip de actuación en lugar de una foto de referencia? Kling 3.0 añade Motion Control, que anima una foto de personaje a partir de un clip de 3 a 30 segundos, a los mismos precios base que las tareas de imagen y texto de O3. Nuestro análisis de Kling 3.0.
• ¿No necesitas combinar referencias ni editar vídeo? Kling 2.6 cubre imagen y texto a vídeo con audio nativo desde $0.069 por segundo, sin las tareas extra de O3.
• ¿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.
• ¿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.