Test de Kling O3 : casting par référence et retouche vidéo, filtré dès L2

Nous ne publions pas nos essais d’échelle de contenu ; ce qui suit est le registre courant, tiré des exemples publiés et adaptés au travail, sur la page du modèle Kling O3.

Deux femmes sous un même parapluie. Une image de départ de deux femmes partageant un parapluie transparent dans une rue au néon, avec un prompt demandant seulement plus de pluie, un rire et un éloignement de la caméra — leurs visages sont restés fidèles à l’image de départ tout au long du clip.

Une lettre cachetée dans un train de nuit. Trois images de référence — un homme, un wagon-restaurant des années 1930, une lettre cachetée de cire — combinées en un seul plan : l’homme assis seul à une table, brisant le sceau, une scène qu’aucune des trois photos ne montrait seule.

Un tango en plusieurs plans. Un prompt uniquement textuel demandant un plan large, un gros plan et une contre-plongée est revenu en trois coupes dans cet ordre, tenant la tenue et l’éclairage de la rue sur les trois.

Hiver sur Lisbonne. Une retouche vidéo a transformé un clip de balade à vélo ensoleillée en plein hiver — neige fraîche, manteaux de laine, lumière bleue et froide — pendant que les cyclistes, le tram jaune et le cadrage sont passés intacts depuis le clip source.

Sur l’image vers vidéo et la retouche vidéo, l’image de départ ou le clip fixe qui est dans le plan et ce qu’il porte ; écrivez le prompt autour de ce qui change, pas de ce qui reste. Sur le texte vers vidéo avec shot_type: multi, listez les plans voulus dans l’ordre et Kling coupera entre eux en tenant le reste de la scène stable.

1. Multi-plans à partir du texte seul.

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.

Lancer ce prompt sur Kling O3 →

2. Un changement, pas une réécriture, pour la retouche vidéo.

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.

Lancer ce prompt sur Kling O3 →

Faible : décrire toute une nouvelle scène sur la retouche vidéo pousse le modèle à refaire plus que demandé. Fort : nommez exactement ce qui change et ajoutez « garde tout le reste identique », comme le fait le prompt 2 — c’est ce qui a gardé le tram et les visages des cyclistes intacts.

Kling examine lui-même chaque requête, en trois points : le texte du prompt, toute image envoyée, et le clip final. C’est vrai sur les quatre tâches O3 — les mêmes résultats sont revenus sur chaque route testée, donc c’est bien la modération propre à Kling, pas quelque chose qu’un autre point d’accès changerait.

Le 28 septembre 2026, nous avons fait tourner notre échelle en cinq paliers sur les quatre points d’accès O3. L1 Suggestif (lingerie, une bretelle qui glisse) a rendu sur chaque tâche. L2 Partiel a été refusé à chaque fois, sur chaque tâche, six sondes L2 supplémentaires du même jour sur six points d’accès O3 et Kling 3.0 comprises. L3 Fort a été refusé sur les trois tâches O3 où nous l’avons envoyé — texte vers vidéo, référence vers vidéo et retouche vidéo —, en moins d’une minute quand il arrivait sous forme de photo ou de clip envoyé, mais seulement au bout d’environ deux minutes en texte vers vidéo. Nous n’avons lancé ni L4 Intense (une scène intime entre deux adultes) ni la sonde L5 Extrême de contrainte et jeux d’impact sur O3. La sonde L5 Extrême de gore s’est partagée selon la tâche : elle a rendu en image vers vidéo et a été refusée en référence vers vidéo.

Les requêtes refusées ne coûtent rien — chaque refus de notre lot de tests, y compris ceux revenus refusés seulement après que le clip a fini de rendre, était gratuit. Pas d’atténuation discrète non plus : dans chaque essai, le clip est soit revenu tel qu’écrit, soit la requête a échoué franchement, sans qu’un vêtement soit jamais rajouté ni la scène remplacée par une plus sage. Relancer une retouche vidéo refusée n’aide pas ; une source de clip rejetée renvoie une erreur générique, pas une raison.

L’étiquette de la page reflète cela : les quatre tâches Kling O3 portent un registre filtré, et nous n’ajoutons aucun filtre de contenu de notre côté par-dessus.

Pas encore testé : L4 Intense et la sonde L5 Extrême de contrainte et jeux d’impact sur toutes les tâches O3 ; L3 Fort en image vers vidéo ; les scènes à plus de deux personnes aux paliers supérieurs ; la référence vers vidéo avec plus de trois photos aux paliers supérieurs.

Uniquement des adultes, dans chaque prompt, fichier envoyé et sortie. Ne représentez jamais une personne réelle et identifiable sans son consentement, et assurez-vous de détenir les droits sur toute photo ou tout clip envoyé. Pour du contenu au-delà du niveau lingerie, utilisez une de nos familles Spicy à la place — Wan 2.2 Spicy et Seedance 2.5 Spicy en sont deux parmi les vidéo — ce point d’accès refuse tout ce qui dépasse L1.

Kling O3 n’a pas beaucoup d’adeptes indépendants en dehors de la conversation Kling plus large, mais il est cité directement quand les développeurs parlent d’outils vidéo fermés. Dans un fil Hacker News d’avril 2026, un commentateur a écrit : « Les modèles que la plupart des professionnels utilisent sont Kling o3, Kling 3.0 et, plus récemment, Seedance 2.0 ».

Les classements publics à l’aveugle le confirment plus timidement : sur le classement image vers vidéo d’Artificial Analysis (28 septembre 2026), le palier 720p Standard de Kling 3.0 Omni se plaçait 21ᵉ sur 82 modèles suivis, un peu derrière le classement de Kling 3.0 lui-même sur le même tableau.

• Besoin d’un transfert de mouvement depuis un clip de performance plutôt qu’une photo de référence ? Kling 3.0 ajoute Motion Control, qui pilote une photo de personnage depuis un clip de 3 à 30 secondes, aux mêmes tarifs de base que les tâches image et texte d’O3. Notre test de Kling 3.0.
• Pas besoin de casting par référence ni de retouche vidéo ? Kling 2.6 couvre l’image et le texte vers vidéo avec du son natif dès $0.069 la seconde, sans les tâches supplémentaires d’O3.
• Vous voulez que des scènes dialoguées soient l’essentiel ? Seedance 2.5 est plus cher mais construit autour de la parole synchronisée.
• Besoin d’une seule prise continue de plus de 15 secondes ? Wan 3.0 tient jusqu’à 30 secondes avec une direction multi-plans, dès $0.045 la seconde en 480p.