Review do Kling O3: elenco por referência e edição de vídeo, com filtro no L2

Não publicamos as rodadas da nossa escala de conteúdo; o que segue é o registro do dia a dia, tirado dos exemplos publicados e seguros para o trabalho na página do modelo Kling O3.

Duas mulheres sob um guarda-chuva compartilhado. Um quadro inicial de duas mulheres dividindo um guarda-chuva transparente numa rua iluminada por neon, com um prompt pedindo só mais chuva, uma risada e um afastamento da câmera — os rostos delas bateram com o quadro de origem no clipe inteiro.

Uma carta lacrada num trem noturno. Três imagens de referência — um homem, um vagão-restaurante dos anos 1930, uma carta lacrada — combinadas num único plano: o homem sentado sozinho à mesa, rompendo o lacre, uma cena que nenhuma das três fotos mostrava sozinha.

Um tango em vários planos. Um prompt só de texto pedindo um plano aberto, um close e um ângulo baixo voltou como três cortes nessa ordem, mantendo o figurino e a iluminação da rua firmes nos três.

Inverno sobre Lisboa. Um trabalho de edição de vídeo transformou um clipe de passeio de bicicleta ensolarado em pleno inverno — neve fresca, casacos de lã, luz azul fria — enquanto os ciclistas, o bonde amarelo e o enquadramento passaram do clipe de origem sem mudar.

Em imagem para vídeo e edição de vídeo, o quadro ou clipe de origem fixa quem está no plano e o que está vestindo; escreva o prompt em torno do que muda, não do que permanece. Em texto para vídeo com shot_type: multi, liste os planos que você quer, em ordem, e a Kling vai cortar entre eles mantendo o resto da cena firme.

1. Vários planos só de 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.

Rodar este prompt no Kling O3 →

2. Uma mudança, não uma reescrita, para edição 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.

Rodar este prompt no Kling O3 →

Fraco: descrever uma cena totalmente nova na edição de vídeo convida o modelo a refazer mais do que você pediu. Forte: nomeie exatamente o que muda e acrescente "keep everything else the same", como faz o prompt 2 — foi isso que manteve o bonde e os rostos dos ciclistas intactos.

A Kling revisa cada pedido por conta própria, em três pontos: o texto do prompt, qualquer imagem enviada e o clipe pronto. Isso vale para as quatro tarefas do O3 — os mesmos resultados voltaram em cada rota que testamos, então essa é a moderação da própria Kling, não algo que um endpoint diferente mudaria.

Em 28 de setembro de 2026 rodamos a nossa escala de cinco degraus contra os quatro endpoints do O3. O L1 Sugestivo (lingerie, uma alça escorregando) renderizou em toda tarefa. O L2 Temas maduros foi recusado toda vez, em toda tarefa, inclusive em seis testes de L2 extras no mesmo dia em seis endpoints do O3 e do Kling 3.0. O L3 Forte foi recusado nas três tarefas do O3 para as quais o mandamos — texto para vídeo, referência para vídeo e edição de vídeo —, em menos de um minuto quando chegava como foto ou clipe enviado, mas só depois de uns dois minutos em texto para vídeo. Não rodamos o L4 Intenso (uma cena íntima entre dois adultos) nem o teste de L5 Extremo de contenção e impacto no O3. O teste de L5 Extremo de gore se dividiu por tarefa: renderizou em imagem para vídeo e foi recusado em referência para vídeo.

Pedidos recusados não custam nada — toda recusa no nosso conjunto de testes, inclusive as que só voltaram recusadas depois que o clipe já tinha renderizado por completo, foi de graça. Também não há suavização silenciosa: em cada rodada o clipe voltou exatamente como escrito ou o pedido falhou de vez, sem roupa recolocada e sem a cena trocada por uma mais segura. Tentar de novo um pedido de edição de vídeo recusado não ajuda; um clipe de origem rejeitado devolve um erro genérico, não um motivo.

O rótulo da página reflete isso: as quatro tarefas do Kling O3 carregam um nível de política com filtro, e não acrescentamos nenhum filtro de conteúdo próprio em cima disso.

Ainda não testado: o L4 Intenso e o teste de L5 Extremo de contenção e impacto em qualquer tarefa do O3; o L3 Forte em imagem para vídeo; cenas com mais de duas pessoas nos degraus mais difíceis; referência para vídeo com mais de três fotos nos degraus mais altos.

Só adultos, em cada prompt, envio e resultado. Nunca retrate uma pessoa real e identificável sem o consentimento dela, e garanta que você tem os direitos de qualquer foto ou clipe que enviar. Para conteúdo além do nível lingerie, use uma das nossas famílias Spicy em vez disso — Wan 2.2 Spicy e Seedance 2.5 Spicy são duas das opções em vídeo — este endpoint recusa bem antes disso, logo depois do L1.

O Kling O3 não tem muito prestígio próprio fora da conversa mais ampla sobre a Kling, mas é citado direto quando desenvolvedores falam de ferramentas de vídeo de código fechado. Numa thread do Hacker News de abril de 2026, um comentarista escreveu: "Os modelos que a maioria dos profissionais usa são Kling o3, Kling 3.0 e, mais recentemente, Seedance 2.0".

Os rankings públicos de votação às cegas confirmam isso só em parte: no ranking de imagem para vídeo da Artificial Analysis (28 de setembro de 2026), o nível Standard em 720p do Kling 3.0 Omni ficou em 21º de 82 modelos monitorados, um pouco atrás da própria colocação do Kling 3.0 no mesmo ranking.

• Precisa de transferência de movimento a partir de um clipe de performance em vez de uma foto de referência? O Kling 3.0 acrescenta o Motion Control, guiando a foto de um personagem a partir de um clipe de 3 a 30 segundos, pelos mesmos preços das tarefas de imagem e texto do O3. Nosso review do Kling 3.0.
• Não precisa de elenco por referência nem de edição de vídeo? O Kling 2.6 cobre imagem e texto para vídeo com áudio nativo a partir de $0.069 por segundo, sem as tarefas extras do O3.
• Quer cenas com muito diálogo como foco principal? O Seedance 2.5 custa mais, mas é construído em torno de fala sincronizada com os lábios.
• Precisa de uma única tomada contínua com mais de 15 segundos? O Wan 3.0 vai até 30 segundos com direção em múltiplos planos, a partir de $0.045 por segundo em 480p.