Kling Video O3 Pro Reference To Video: geração cinematográfica com identidade preservada na RunComfy e pela API | RunComfy

É o modelo Pro da família O3 da Kuaishou orientado por referências. A partir de um prompt, gera um clipe cinematográfico de 3 a 15 segundos preservando a identidade de pessoas, objetos ou estilos das imagens; um vídeo opcional pode orientar movimento ou estilo. O resultado mantém personagens e aparência consistentes entre os quadros no nível mais alto de fidelidade O3.

Você pode anexar imagens de personagens, objetos ou estilos e, opcionalmente, um vídeo para movimento ou transferência de estilo. Sem vídeo, são aceitas até 7 imagens; com vídeo, até 4. No prompt, associe as pessoas ou os objetos às posições, por exemplo, “A pessoa mostrada em Figure 1 está ao lado da pessoa mostrada em Figure 2”.

Segundo as informações disponíveis, o Pro oferece maior fidelidade de movimento, luz e identidade para peças principais e broadcast; o Standard custa menos e favorece rascunhos e grande volume. Prompt, referências, proporção, duração, som e shot type funcionam da mesma forma e podem ser transferidos sem retrabalho.

Equipes de cinema, agências, estúdios de marca, e-commerce e produto podem criar campanhas com identidade preservada a partir de imagens existentes, mudando cenas, objetos ou clima sem nova filmagem. Também atende conteúdo com porta-voz, reels premium, narrativas com vários personagens e variações consistentes; desenvolvedores podem automatizar a produção a partir de briefing e referências.

O prompt é obrigatório; referências e vídeo são opcionais, mas recomendados. As imagens são limitadas a 7, ou 4 com vídeo; aspect_ratio aceita 16:9, 9:16 ou 1:1; duration é um inteiro entre 3 e 15 segundos; shot_type aceita customize ou intelligent. sound e keep_original_sound são booleanos, e a geração de som só vale sem vídeo. Consulte o painel RunComfy para formato e resolução.

Sim. Ajuste referências, prompt, proporção, duração e áudio na interface web do RunComfy AI Playground e depois chame o mesmo modelo pela API com parâmetros idênticos. A criação fica no navegador e a produção no código sem mudar o comportamento.

As gerações consomem o saldo em USD/créditos. A tarifa é $0.19 por segundo, ou $0.23 com som sintetizado. O som sintetizado só está disponível quando não há vídeo de referência, portanto uma geração com vídeo de referência é cobrada a $0.19 por segundo, e imagens ou vídeo de referência não geram custo adicional. Exemplos: 5 segundos custam cerca de $0.615 ($0.745 com som sintetizado) e 15 segundos cerca de $1.845 ($2.235 com som sintetizado). Novos usuários normalmente recebem um valor de teste.

Associe claramente as referências aos papéis com “Figure 1”, “Figure 2” e assim por diante; depois descreva ação, ambiente e câmera. Indicações como “50mm slow dolly-in”, “golden hour rim light” e “neon practicals” orientam melhor a aparência e o movimento. Em cenas complexas, separe as etapas com multi-prompt.