Kling 3.0: dirige una escena completa con un solo prompt
Preguntar a la IA ▾
Kling 3.0 es el modelo de vídeo que Kling AI, de Kuaishou, lanzó a principios de febrero de 2026, y se parece menos a un generador de clips y más a un pequeño equipo de rodaje. Un solo prompt puede devolver hasta 15 segundos de metraje que alternan entre varios ángulos de cámara, mantienen a los mismos personajes en cada plano e incluyen diálogos, efectos de sonido y ambiente ya mezclados. Creadores de microdramas, equipos de publicidad y canales de memes lo adoptaron enseguida. A continuación verás qué ha cambiado respecto a versiones anteriores, para qué se usa, cómo funciona el storyboard multiplano y plantillas de prompts que puedes pegar directamente.
Crea un vídeo de estilo multiplano →
Generador de vídeo alternativo sin censura
Imagen a vídeoSube un fotograma inicial y describe la acción, el movimiento de cámara y el ambiente. El clip se genera a partir de tu imagen.
Prueba un prompt
Los prompts de ejemplo están en inglés, que es el idioma que da resultados más fiables.
Un modelo de director: 15 segundos, varios planos y sonido incluido
La mayoría de las herramientas de vídeo con IA te entregan un único plano continuo y te dejan el montaje a ti. Este modelo rompe esa costumbre. Describes una escena, o la escribes plano a plano, y el modelo planifica los cortes por sí mismo: un plano general de situación, un primer plano de un rostro, un contraplano para la respuesta. Según el anuncio de lanzamiento de Kling AI, la versión trajo cuatro modelos a la vez, Video 3.0, Video 3.0 Omni, Image 3.0 e Image 3.0 Omni, con mejoras centradas en la coherencia, el detalle fotorrealista, clips de hasta 15 segundos y audio nativo en varios idiomas, dialectos y acentos.
El resultado es que una sola generación ya puede funcionar como un fragmento terminado de una historia. Las guías publicadas tras el lanzamiento hablan de un rango de 3 a 15 segundos por clip y de hasta unos seis cambios de cámara dentro de él. Es un servicio comercial cerrado: se usa a través de la app y la web de Kling, o mediante la API en la plataforma para desarrolladores de Kling y en servicios asociados, y no hay pesos del modelo públicos para descargar.
Kling 2.6 y O1 enamoraron al público: esto es lo que añade la nueva versión
Kling 2.6 fue la versión que hizo que voces y efectos de sonido salieran junto con la imagen, y Kling O1 permitió editar y reestilizar clips con imágenes de referencia. Ambas se difundieron rápidamente en redes sociales. La nueva versión une esas dos ideas en un solo modelo y las lleva más lejos: clips más largos, auténticos cortes de escena y personajes que se mantienen de un plano a otro. Si ya conoces las versiones anteriores, esta tabla muestra solo lo que cambia.
La contrapartida es que más control exige más planificación. Los analistas señalan que el modo Custom storyboard premia a quienes piensan como un montador, mientras que un prompt vago de una línea sigue produciendo imágenes genéricas.
| Kling 2.6 / O1 | Kling 3.0 | |
|---|---|---|
| Duración del clip | 5 o 10 segundos | De 3 a 15 segundos, a tu elección |
| Cámara | Un único plano continuo | Storyboard multiplano, hasta unos 6 cortes |
| Audio | Sonido y voz nativos, principalmente en chino e inglés | Diálogos con sincronización labial en chino, inglés, japonés, coreano y español, además de acentos |
| Referencias | La edición con referencias estaba en O1 | La versión Omni admite varias imágenes y vídeos de referencia como elementos fijos |
| Coherencia | Los rostros podían variar entre generaciones | Mismo personaje, vestuario y objetos en todos los planos |
Dónde lo están aprovechando los creadores
El atractivo es sencillo: menos clips que unir y diálogos que llegan ya sincronizados. Por eso los mismos casos de uso aparecen una y otra vez en los feeds y tutoriales de los creadores.
- Microdramas verticales: una discusión entre dos personas con plano y contraplano, generada de una sola vez en lugar de seis clips sueltos.
- Anuncios de producto y e-commerce: un macro primer plano del producto, una modelo sosteniéndolo y una frase hablada sobre él, todo en un spot de 15 segundos.
- Videoclips y montajes tipo tráiler: cortes rápidos entre ambientes y ángulos que siguen el ritmo de una canción.
- Locuciones localizadas: el mismo presentador hablando en inglés, japonés o español con el movimiento labial correspondiente.
- Personajes recurrentes: una mascota o presentador virtual que luce igual episodio tras episodio de una serie en redes.
Storyboards multiplano: deja que corte o decide cada plano
La función de storyboard es la gran novedad de esta versión y viene en dos estilos. Smart Storyboard lee una descripción normal de la escena y decide por sí solo dónde cortar y qué ángulo usar, ideal cuando buscas rapidez. Custom Storyboard te permite definir cada plano: cuánto dura, dónde se coloca la cámara y qué ocurre en él. Piensa en Smart como entregar el guion a un director, y en Custom como sentarte tú en la sala de montaje.
- Empieza con el modo Smart para ver cómo interpreta el modelo tu idea y luego pasa a Custom para corregir los planos que no te gustaron.
- Limita cada plano a una acción clara: dos personas hablando, más un movimiento de cámara, más un cambio de luz en un mismo plano es donde todo se desdibuja.
- Suma los segundos: los planos de un storyboard Custom deben caber en la duración total del clip que elegiste.
Diálogos, efectos de sonido y sincronización labial de una vez
El sonido se genera junto con la imagen, así que los pasos suenan cuando los pies tocan el suelo y la lluvia suena como la que se ve en pantalla. Donde de verdad destaca es en los diálogos: guías de terceros informan de sincronización labial en chino, inglés, japonés, coreano y español, y el anuncio de lanzamiento también destaca dialectos y acentos. El truco es escribir la frase exactamente como debe decirse, entre comillas, e indicar quién la dice y cómo. Una indicación como en japonés, susurrando o con un ligero acento británico influye en la entonación mucho más que los adjetivos sobre el ambiente.
En anuncios y vídeos explicativos esto elimina todo un paso de grabación. En ficción significa que un plano y su réplica pueden compartir una sola generación, con cada personaje conservando una voz propia, que es justo lo que hace funcionar esas virales escenas a dos.
Mismo rostro, vestuario y objetos en todos los planos
Nada rompe antes una historia que un protagonista cuyo rostro cambia entre cortes. El modelo lo resuelve con referencias: sube una o varias imágenes de un personaje, objeto o lugar, y el modelo Omni las trata como elementos fijos que mantiene a lo largo de la escena. Los creadores que producen series con el mismo presentador o la misma pareja en muchos episodios dependen mucho de esto.
- Usa una referencia nítida y bien iluminada del rostro y una imagen de cuerpo entero para el vestuario.
- Dale al personaje un nombre corto y repítelo, con dos o tres palabras clave de su aspecto, en cada plano del prompt.
- Mantén idénticas las palabras del vestuario de un episodio a otro; cambiar gabardina roja por abrigo escarlata invita al modelo a rediseñarlo.
Plantillas de prompts para copiar y adaptar
Una estructura fiable para un solo plano tiene cinco partes: detalles del sujeto, acción, movimiento de cámara, entorno y estilo o iluminación. Para escenas multiplano, etiqueta cada plano, indica su duración y pon los diálogos entre comillas con el nombre de quien habla. Cambia los personajes y escenarios por los tuyos; la estructura es la que hace el trabajo.
- Términos de cámara a los que el modelo responde bien: tracking shot, orbital pan, macro close-up, POV, whip-pan, slow push-in, static wide shot, handheld with subtle drift.
- Escribe el idioma y el tono junto a cada línea de diálogo, por ejemplo: en coreano, emocionado.
- Haz borradores rápidos con la versión Turbo y luego renderiza la toma buena con el modelo estándar.
[Subject] a woman in her thirties with short silver hair and a leather jacket [Action] lights a cigarette and glances over her shoulder [Camera] slow push-in, shallow depth of field [Environment] empty subway platform at 2 a.m., flickering lights [Style] cinematic, cold blue tones, light film grain
Shot 1 (3s): wide establishing shot, rainy neon street at night, a woman in a red trench coat walks toward camera, slow push-in. Shot 2 (4s): close-up, she looks up and says: "You're late." soft rain ambience. Shot 3 (4s): reverse shot over her shoulder, a man under an umbrella replies: "I came anyway." handheld with subtle drift. Shot 4 (4s): static wide shot, both walk away together, warm streetlight, cinematic film grain.
Shot 1 (5s): macro close-up of a glass perfume bottle on wet black stone, orbital pan, droplets catching light. Shot 2 (5s): medium shot, a model lifts the bottle and says in Spanish, smiling: "Tu nuevo aroma favorito." Shot 3 (5s): POV shot walking into a sunlit garden party, whip-pan to the model laughing, upbeat music.
Omni, Turbo, 4K y API: qué versión te conviene
La versión es una familia, no un único interruptor. Video 3.0 es el modelo principal de texto a vídeo e imagen a vídeo. Video 3.0 Omni añade varias imágenes y vídeos de referencia, y es la versión indicada para personajes recurrentes y productos de marca. Kling 3.0 Turbo es un nivel más rápido que, según la guía de Morphic, renderiza en 720p o 1080p en 16:9, 9:16 o 1:1, de 3 a 15 segundos, con prompts de hasta 3.072 caracteres, ideal para probar ideas. CineD informó de salida nativa en 4K a 30 fps; los planes que la desbloquean varían según la plataforma, así que compruébalo antes de contar con ella. Los desarrolladores pueden acceder a los modelos mediante una API, otra vía de entrada además de la app.
Kling 3.0 frente a Kling 4.0, Veo 3 y Seedance 2.0
Elegir un modelo depende sobre todo de la duración y el tipo de escena que necesitas. Esta comparativa resume cómo suelen repartirse el trabajo los creadores, basándose en análisis y guías publicados y no en pruebas de laboratorio.
| Ideal para | A tener en cuenta | |
|---|---|---|
| Kling 3.0 | Escenas multiplano de 15 segundos con diálogo y personajes estables | Flujo de storyboard maduro; un nivel intermedio sólido |
| Kling 4.0 | Tomas más largas de hasta 30 segundos y más referencias | El salto más reciente cuando 15 segundos no bastan |
| Veo 3 | Planos únicos con gran realismo y sonido sincronizado | El modelo de Google; puntos fuertes distintos en cámara y física |
| Seedance 2.0 | Movimiento rápido y dinámico y clips multiplano de ByteDance | Un rival popular para vídeo corto en redes sociales |
Lo que más gusta a los analistas y dónde aún falla
El análisis de Magic Hour elogió la narración multiplano de 15 segundos como un verdadero avance para quien crea contenido narrativo. El mismo análisis enumera los puntos débiles habituales: la física compleja, como salpicaduras de agua, fuego o movimientos extremos de tela, puede desmoronarse, y los dedos en primeros planos cerrados siguen siendo poco fiables. También señala que el modo Custom exige planificar como un montador. En la práctica, eso significa dejar las manos fuera de los planos macro, evitar grandes efectos de líquidos en los momentos clave y generar dos o tres tomas del plano más importante.
Usar Kling 3.0 oficial frente a generar online en Spicy AI
Kling 3.0 no tiene pesos abiertos ni edición sin censura; la plataforma oficial modera los prompts y archivos subidos y rechaza desnudos y escenas explícitas. Spicy AI ofrece una experiencia similar de imagen a vídeo con menos filtros para adultos (18+): sube un fotograma inicial sobre el que tengas derechos y describe el movimiento.
| Servicio oficial | Spicy AI online | |
|---|---|---|
| Filtrado de contenido | Moderación estricta de prompts y archivos subidos | Menos filtros para contenido adulto (18+) |
| Pesos abiertos | No, modelo comercial cerrado | No aplica, funciona en el navegador |
| Modelo utilizado realmente | Familia Kling 3.0 | Motor propio de imagen a vídeo de Spicy AI, no Kling |
| Precio | Planes basados en créditos | Cola gratuita tras iniciar sesión, con límite diario |
Convierte un fotograma inicial para adultos en un clip cinematográfico sin censura.
Abrir imagen a vídeoPreguntas frecuentes
¿Cuándo se lanzó Kling 3.0?
Kling AI lo lanzó el 4 y 5 de febrero de 2026, publicó el comunicado de prensa el 6 de febrero y amplió el acceso a nivel mundial a finales de marzo de 2026.
¿Cuánto puede durar un vídeo de Kling 3.0?
Hasta 15 segundos por generación; las guías describen un rango seleccionable de 3 a 15 segundos.
¿Cómo hago un vídeo multiplano?
Deja que Smart Storyboard divida la escena por ti, o escribe Plano 1, Plano 2, etc., con duración, ángulo de cámara y acción para cada uno. Según los informes, una generación admite hasta unos seis planos.
¿Existe un Kling 3.0 de código abierto o sin censura?
No. Es cerrado, no tiene pesos descargables y la plataforma oficial está moderada. Modelos de vídeo de pesos abiertos como Wan 2.2 o HunyuanVideo pueden ejecutarse en local, pero ninguno iguala el multiplano con diálogo nativo en una sola pasada.
¿Es gratis Kling 3.0?
Kling AI vende planes basados en créditos, y los servicios de terceros fijan sus propios precios, que varían mucho. Consulta la página de planes del servicio que uses antes de planificar proyectos largos.