Kling 3.0 es el modelo de texto a video e imagen a video de Kuaishou. Una sola generación con Kling 3.0 entrega un clip de 15 segundos con hasta 6 tomas guionizadas, audio multilingüe nativo y entrada multimodal completa (texto, imagen, audio, video). Lanzado el 2026-02-04.
El modelo de video multi-toma de Kuaishou con entrada multimodal completa
Kling 3.0 es la serie de modelos de generación de video de Kuaishou Technology, lanzada oficialmente el 2026-02-04. El estreno presentó cuatro variantes — Video 3.0, Video 3.0 Omni, Image 3.0 e Image 3.0 Omni — para producción de video con calidad narrativa. Una sola generación de Kling 3.0 produce hasta 15 segundos de video con hasta 6 cortes multi-toma guionizados, audio multilingüe nativo (chino, inglés, japonés, coreano, español, además de soporte de dialectos) y acepta texto, imagen, audio y video como entradas combinadas.
Kling 3.0 Video 3.0 Omni entrega un guion gráfico multi-toma — hasta 6 cortes de cámara dentro de un único clip de 15 segundos.
Una generación de Kling 3.0 se extiende de 10 a 15 segundos — un aumento del 50% sobre versiones anteriores; Kling 3.0 cubre historias de longitud de apertura.
Kling 3.0 incluye audio nativo en chino, inglés, japonés, coreano y español — los doblajes salen en la misma generación.
Kling 3.0 acepta texto, imagen, audio y video como entradas — un solo prompt puede fusionar las cuatro para guiar la generación.
Kling 3.0 eleva el fotorrealismo y la consistencia a lo largo del clip — una generación de Kling 3.0 mantiene personajes y atrezo coherentes cuadro a cuadro.
Especifica duración, encuadre, perspectiva y movimiento de cámara por corte — Kling 3.0 Omni respeta el brief del guion gráfico, así Kling 3.0 acierta el ritmo que planeaste.
Kling 3.0 Video 3.0 Omni cose un guion gráfico multi-toma dentro de una sola generación.
Las herramientas antiguas de texto a video entregaban tomas únicas — encadenar una secuencia exigía cortes manuales y reensamblaje. Kling 3.0 Omni acepta un brief de guion gráfico — duración, tamaño de toma, perspectiva, beat narrativo y movimiento de cámara por corte — y Kling 3.0 devuelve un clip multi-toma en una sola generación. Kling 3.0 cabe hasta 6 cortes dentro de la ventana de 15 segundos.
Una generación de Kling 3.0 incluye audio en chino, inglés, japonés, coreano o español — sincronizado con la acción.
La rama de audio de Kling 3.0 genera diálogo con sincronización labial, sonido ambiental y música en cinco idiomas principales más variantes dialectales. Útil para campañas multi-mercado — Kling 3.0 renderiza la misma escena en cinco idiomas desde un solo prompt en lugar de regrabar cada doblaje, y por eso Kling 3.0 ahorra el coste de doblaje por mercado.
Un prompt de Kling 3.0 puede combinar cualquier modalidad — añade una imagen de referencia y un clip musical, recibe un video sincronizado.
Kling 3.0 admite entrada multimodal completa: el texto describe la escena, una imagen fija al personaje o producto, un clip de audio dirige la sincronización labial o el ritmo en Kling 3.0, y un video existente extiende o reestiliza. Útil para variantes de talento de marca, promos guiadas por música y guiones gráficos de escena continua dentro de Kling 3.0.
Kling 3.0 elevó el listón de la consistencia — personajes y atrezo se mantienen coherentes a lo largo de las 6 tomas.
Los clips multi-toma se rompen cuando el sujeto deriva entre cortes. Kling 3.0 mantiene la semejanza del personaje, el vestuario, el atrezo y la iluminación durante toda la secuencia de 15 segundos de Kling 3.0. Útil para campañas de marca y cualquier narrativa donde la misma persona deba aparecer consistente entre tomas en Kling 3.0.
Kling 3.0 acepta dirección por toma — duración, tamaño, perspectiva, movimiento de cámara.
Brief Kling 3.0 como lo harías con un DOP y un montador a la vez. Los campos por toma controlan duración, encuadre, lente, perspectiva y movimiento dentro de Kling 3.0. Kling 3.0 Omni respeta el guion gráfico, de modo que el corte resultante de Kling 3.0 coincide con el ritmo y los beats que tenías en mente.
Ocho clips — cada subtítulo es un brief reutilizable de Kling 3.0
Especificaciones verificadas desde la página oficial de cada proveedor — sin cifras de terceros.
| Capacidad | Kling 3.0 | Veo 3.1 | Seedance 2.0 | Sora 2 |
|---|---|---|---|---|
| Duración máxima del clip | Hasta 15s (hasta 6 tomas) | 8s base; hasta 148s vía Scene Extension | 15 segundos (multi-toma) | Hasta 12s (Sora 2 API) |
| Audio en la generación | Sí, multilingüe nativo | Sí, nativo a 48kHz | Sí, doble canal | Sí, audio sincronizado |
| Activos de referencia | Entrada multimodal admitida | Hasta 3 imágenes de referencia | 9 imágenes + 3 videos + 3 audios | Una sola imagen de referencia |
| Salida multi-toma | Hasta 6 tomas en una generación | Scene Extension encadena clips de 8s | Una generación, multi-toma | Clip único |
| Entrada multimodal | Texto, imagen, audio, video | Texto, imagen | Texto, imagen, audio, video | Texto, imagen |
| Fecha de lanzamiento | 2026-02-04 (Kuaishou) | 2026-01-13 (Google DeepMind) | 2026-02-12 (ByteDance Seed) | 2025 (OpenAI) |
Cuatro hábitos que separan el material usable del ruido para regenerar
Brief Kling 3.0 Omni toma a toma — duración, encuadre y movimiento de cámara por corte. Una generación de Kling 3.0 cabe hasta 6 tomas en 15s, así que planea el ritmo.
16:9 para YouTube, 9:16 para Reels, 1:1 para feeds. Define ambas antes de enviar a Kling 3.0 — Kling 3.0 las fija por generación.
Pasa una referencia de personaje o producto para mantener coherencia entre tomas. Kling 3.0 lee entrada multimodal incluyendo imágenes y audio de referencia, así un guion gráfico de Kling 3.0 se mantiene fiel a la marca.
Di lo que quieres oír — 'lluvia ambiental', 'voz en off en español', 'lofi animado'. Kling 3.0 entrega audio nativo en la misma generación, así un clip de Kling 3.0 llega listo para subir.
Cada modelo de video tiene sus puntos fuertes — multi-toma, audio, fidelidad
Lo que los usuarios realmente preguntan antes de su primera generación con Kling 3.0
Gratis. Sin tarjeta de crédito. Hasta 15s con 6 cortes multi-toma y audio multilingüe nativo. Prueba Kling 3.0 en ZorqAI arriba.
