Kling Video O3 Standard Reference to Video : vidéos aux personnages cohérents dans Models et via l’API | RunComfy

Kling Video O3 Standard Reference to Video est le modèle de la famille O3 de Kuaishou piloté par références. Il crée une vidéo de 3 à 15 secondes à partir d’un prompt tout en préservant l’identité des personnes, accessoires ou styles fournis sous forme d’images, avec une vidéo facultative pour guider le mouvement ou le style. Le résultat maintient la cohérence des personnages et de l’esthétique d’une frame à l’autre, sans masque ni compositing manuel.

Vous pouvez joindre des images de personnages, d’accessoires ou de styles artistiques, ainsi qu’une vidéo facultative pour transférer un mouvement ou un style. Sans vidéo de référence, Kling Video O3 Standard Reference to Video accepte jusqu’à 7 images ; avec une vidéo, cette limite passe à 4. Dans le prompt, désignez les images par leur position, par exemple "Figure 1 walks toward Figure 2", pour indiquer au modèle quel sujet placer à quel endroit.

Face à Pro Reference-to-Video, Kling Video O3 Standard Reference to Video conserve l’esthétique O3 à un tarif à la seconde inférieur, ce qui convient aux itérations et aux volumes importants de contenus sociaux ou marketing. D’après les informations disponibles auprès du fournisseur, Pro vise la fidélité maximale pour les rendus finaux, tandis que Standard se prête aux maquettes, variantes et formats courts. Les réglages — prompt, références, format, durée, son et type de plan — restent identiques entre les versions.

Les créateurs de contenus pour les réseaux sociaux, équipes publicitaires et marketing, producteurs de vidéos e-commerce et studios de design utilisent Kling Video O3 Standard Reference to Video pour décliner des photos existantes en variantes aux personnages cohérents : autres décors, accessoires ou ambiances, sans nouveau tournage. Il convient également aux vidéos de porte-parole, aux concepts de direction artistique et aux scènes mettant en jeu plusieurs personnages. Les développeurs peuvent l’intégrer à des pipelines qui transforment automatiquement un brief et quelques images en courte vidéo terminée.

Le prompt est obligatoire ; les images et la vidéo de référence sont facultatives, mais recommandées. Kling Video O3 Standard Reference to Video accepte jusqu’à 7 images, ou 4 avec une vidéo de référence ; aspect_ratio accepte 16:9, 9:16 ou 1:1 ; duration est un entier de 3 à 15 secondes ; shot_type accepte customize ou intelligent. sound et keep_original_sound sont des paramètres booléens. Pour les autres contraintes, comme la résolution et les formats de fichier, consultez le panneau de paramètres RunComfy ; elles peuvent varier selon le fournisseur.

Oui. Commencez dans l’interface web RunComfy AI Playground et ajustez les références, le prompt, le format, la durée et les options audio jusqu’à obtenir le résultat souhaité avec Kling Video O3 Standard Reference to Video. Appelez ensuite le même modèle via l’API RunComfy avec des paramètres identiques. Vous pouvez ainsi itérer dans le navigateur puis exécuter la production en code, sans modifier le comportement du modèle.

Les générations consomment des crédits USD de votre solde RunComfy. D’après les informations disponibles auprès du fournisseur, Kling Video O3 Standard Reference to Video coûte $0.084 par seconde sans son et $0.112 par seconde avec son ; l’ajout d’une vidéo de référence applique un tarif de 1.5×, soit $0.126 par seconde, et remplace le multiplicateur audio. À titre d’exemple, 5 secondes sans son coûtent environ $0.420, 10 secondes avec son environ $1.120 et 15 secondes avec vidéo de référence environ $1.890. Les nouveaux utilisateurs disposent généralement d’un montant d’essai gratuit en USD ; consultez la section Generation pour connaître le tarif actuel.

Kling Video O3 Standard Reference to Video répond mieux aux prompts clairs qui attribuent un rôle à chaque référence avec "Figure 1", "Figure 2", etc., puis décrivent l’action, l’environnement et le mouvement de caméra. Des indications concrètes comme "slow tracking shot", "golden hour rim light" ou "neon-lit street" cadrent mieux l’esthétique et le mouvement que des termes d’ambiance vagues. Pour une scène complexe, séparez les différents temps avec multi_prompt afin de préserver des transitions nettes dans une seule séquence.