ai-avatar/v2/pro
Cree un vídeo de avatar a partir de una imagen y un archivo de audio necesarios, con un prompt de texto opcional como guía de generación.
Kling V3.0 4K es el nivel nativo 4K del modelo multimodal de generación de vídeo Kling V3.0 en RunComfy. Convierte prompts de texto en clips cinematográficos de ultra alta resolución en 3840×2160, con la misma secuenciación de múltiples tomas, audio sincronizado y control de cámara profesional que el resto de la familia V3.0; está diseñado específicamente para entregables de calidad maestra que no necesitan ampliación de posproducción.
Formato de salida: nativo 4K (3840×2160) / 3–15 s / 16:9, 9:16, 1:1 / audio sincronizado opcional
| Parámetro | Requerido | Tipo | Por defecto | Rango / opciones | Descripción |
|---|---|---|---|---|---|
| prompt* | Sí (*) | string | — | — | Descripción de texto de la escena, movimiento, estilo de cámara y atmósfera deseados. |
| negative_prompt | No | string | — | — | Elementos a excluir del vídeo. |
| duration | No | number (seconds) | 5 | 3–15 | Duración del vídeo en segundos. |
| aspect_ratio | No | enum | 16:9 | 16:9, 9:16, 1:1 | Relación de aspecto del vídeo. |
| cfg_scale | No | number | 0.5 | — | Intensidad de seguimiento del prompt. |
| sound | No | boolean | disabled | enabled/disabled | Genera sonido sincronizado junto al vídeo. |
| multi_prompt | No | array/string | — | — | Prompts adicionales para composiciones de escenas complejas. |
| Unidad de facturación | Audio | Precio |
|---|---|---|
| Por segundo generado | Desactivado | $0.42 por segundo |
| Por segundo generado | Activado | $0.42 por segundo |
Kling V3.0 4K utiliza una única tarifa fija por segundo independientemente de si el audio está activado o desactivado.
Cree un vídeo de avatar a partir de una imagen y un archivo de audio necesarios, con un prompt de texto opcional como guía de generación.
Anima una imagen inicial con Hailuo 02 Pro mediante un prompt para crear un vídeo de seis segundos.
Modelo de video con IA rápido y económico para crear clips de varias tomas con audio nativo y referencias.
Genere un vídeo a partir de un prompt obligatorio con 6, 8 o 10 segundos, de 1080p a 2160p, 25 o 50 FPS, formato 16:9 fijo y audio generado opcional.
Transforma imágenes en videos fluidos con escenas naturales y movimiento coherente.
Anima una imagen a partir de una pista de audio en modo de habla, canto o actuación.
Kling V3.0 4K es el nivel nativo 4K de la familia Kling V3.0. A diferencia de las variantes Estándar y Pro, se renderiza directamente en 3840×2160 en una sola pasada, sin reescalado posterior, por lo que las texturas finas, los bordes y los detalles de movimiento se mantienen bajo una inspección minuciosa y una visualización de gran formato. Comparte la misma arquitectura multitoma, audio sincronizado y conjunto de parámetros que el resto de la familia, por lo que obtiene una resolución de calidad maestra sin cambiar la forma de redactar los prompts.
Sí. Kling V3.0 4K genera resultados nativos en 3840×2160 (UHD 4K) independientemente de la relación de aspecto elegida. No hay reescalado posterior en el proceso, lo que significa que detalles como los poros de la piel, los tejidos y los reflejos de las lentes se generan con la resolución 4K completa en lugar de reconstruirse a partir de una base de resolución más baja.
La mayoría de los modelos text-to-video de la competencia, incluidos Seedance 1.0 Pro y Wan 2.5, apuntan a 1080p como su techo nativo y dependen del reescalado para resoluciones más altas. Kling V3.0 4K genera 4K nativo directamente, con una mayor coherencia temporal en secuencias de múltiples tomas y una sincronización de audio y video más estrecha. Los competidores aún pueden sobresalir en representaciones estilizadas específicas, pero para los entregables maestros de resolución nativa, Kling V3.0 4K tiene una clara ventaja.
Los resultados de Kling V3.0 4K están limitados a alrededor de 15 segundos por generación, con hasta seis tomas continuas. La resolución nativa es 3840×2160 y las relaciones de aspecto suelen incluir 16:9, 9:16 y 1:1. Los prompts suelen admitir hasta 1,200 tokens y las entradas de referencia están limitadas a un pequeño número por generación según la configuración del nodo. Debido a la alta resolución, espere una latencia de generación más larga que las variantes Estándar o Pro.
Sí. Kling V3.0 4K admite el encadenamiento de hasta seis tomas en un clip 4K coherente utilizando la misma función de tomas múltiples que el resto de la familia V3.0. Los desarrolladores pueden definir tipos de tomas, ángulos de cámara y transiciones directamente en prompts o mediante multi_prompt en RunComfy Playground. El sistema mantiene una iluminación constante y continuidad de personajes en todas las tomas con resolución 4K completa.
Una vez que haya validado sus flujos de trabajo Kling V3.0 4K text-to-video en RunComfy Playground, puede pasar a producción a través de la API de RunComfy. La API refleja todas las configuraciones del Playground, incluidas definiciones de tomas, segmentos multi_prompt y alternancia de audio, pero opera a través de endpoints REST autenticados. Deberá generar una clave API, asignar créditos USD para producción y manejar la recuperación asíncrona del vídeo a través de la estructura de cola de trabajos de RunComfy.
Sí. Kling V3.0 4K incluye las mismas capacidades integradas de síntesis de audio y sincronización dinámica de labios que el resto de la familia V3.0, y admite inglés, chino, japonés, coreano y español. Al generar clips con descripciones de diálogos, sincroniza automáticamente el habla generada y los movimientos de la boca en una sola pasada de generación 4K; no se necesita ningún paso de doblaje por separado.
Kling V3.0 4K permite a los usuarios especificar la semántica de la cámara profesional (paneo, dolly, inclinación, POV) y descripciones de movimiento directamente en los prompts de texto. En el 4K nativo, los detalles ópticos como la profundidad de paralaje, los reflejos de la lente y el equilibrio compositivo se reproducen con notablemente más claridad que las variantes del 1080p, lo que brinda a los artistas técnicos un control cinematográfico más utilizable para los masters terminados.
Kling V3.0 4K se factura a un precio fijo de $0.42 por segundo, independientemente de que el audio esté habilitado o no, lo que hace que el presupuesto sea predecible para los proyectos 4K. En comparación, la variante Estándar funciona a $0.084 por segundo sin audio y $0.126 por segundo con audio, y la variante Pro funciona a $0.112 por segundo sin audio y $0.168 por segundo con audio. La tarifa 4K refleja la mayor carga de cálculo por fotograma necesaria para renderizar de forma nativa en 3840×2160.
El uso comercial de los resultados de Kling V3.0 4K Text-to-Video depende de los términos de licencia publicados de Kuaishou Technology y de las condiciones de servicio de RunComfy. Generalmente, los videos generados se pueden utilizar para proyectos creativos o de marketing, pero debe verificar las cláusulas de uso comercial o los requisitos de atribución en las páginas oficiales de la licencia antes de su publicación.
Para los usuarios estándar a través de RunComfy Playground, todo el renderizado se realiza en el lado de la nube, por lo que no se necesita ninguna GPU local compatible con 4K. Sin embargo, si integra Kling V3.0 4K a través de la API, espere una latencia notablemente más larga que las variantes Estándar o Pro debido al recuento de píxeles por cuadro mucho mayor. El diseño eficiente de prompts, la duración moderada del clip y la reutilización de plantillas de prompts pueden ayudar a reducir el tiempo y el costo de generación.
RunComfy es la principal ComfyUI plataforma, ofreciendo ComfyUI en línea entorno y servicios, junto con flujos de trabajo de ComfyUI con impresionantes imágenes. RunComfy también ofrece AI Models, permitiendo a los artistas aprovechar las últimas herramientas de AI para crear arte increíble.
