Kling 3.0: dirija uma cena inteira com um único prompt

Um modelo de diretor: 15 segundos, vários planos, som incluído

A maioria das ferramentas de vídeo com IA entrega um único plano contínuo e deixa a edição com você. Este modelo muda esse hábito. Você descreve uma cena, ou a escreve plano a plano, e o próprio modelo planeja os cortes: uma vista geral de abertura, um close no rosto, um contraplano para a resposta. Segundo o anúncio de lançamento da Kling AI, a novidade trouxe quatro modelos de uma vez, Video 3.0, Video 3.0 Omni, Image 3.0 e Image 3.0 Omni, com melhorias focadas em consistência, detalhes fotorrealistas, clipes de até 15 segundos e áudio nativo em vários idiomas, dialetos e sotaques.

Com isso, uma única geração já pode funcionar como um trecho finalizado de uma história. Guias publicados após o lançamento descrevem uma faixa de 3 a 15 segundos por clipe e até cerca de seis mudanças de câmera dentro dele. É um serviço comercial fechado: você o usa pelo app e pelo site da Kling, ou pela API na plataforma de desenvolvedores da Kling e em parceiros, e não há pesos públicos do modelo para baixar.

Kling 2.6 e O1 conquistaram o público — veja o que a nova versão acrescenta

O Kling 2.6 foi a versão que passou a gerar vozes e efeitos sonoros junto com a imagem, e o Kling O1 permitiu editar e reestilizar clipes com imagens de referência. Os dois se espalharam rápido nas redes sociais. A nova versão junta essas duas ideias em um só modelo e vai além: clipes mais longos, cortes de cena de verdade e personagens que se mantêm de um plano para o outro. Se você já conhece as versões anteriores, esta tabela mostra apenas o que mudou.

A contrapartida é que mais controle exige mais planejamento. Os analistas observam que o modo Custom Storyboard favorece quem pensa como editor, enquanto um prompt vago de uma linha ainda gera imagens genéricas.

Onde os criadores estão usando

O atrativo é simples: menos clipes para juntar e diálogos que já chegam sincronizados. Por isso os mesmos casos de uso aparecem sem parar nos feeds e tutoriais de criadores.

• Microdramas verticais: uma discussão entre duas pessoas com plano e contraplano, gerada de uma vez em vez de seis clipes separados.
• Anúncios de produtos e e-commerce: um close macro do produto, um modelo segurando-o e uma fala sobre ele, tudo em um único spot de 15 segundos.
• Videoclipes e edições no estilo trailer: cortes rápidos entre climas e ângulos que acompanham a batida da música.
• Dublagens localizadas: o mesmo apresentador falando inglês, japonês ou espanhol com movimento labial correspondente.
• Personagens recorrentes: um mascote ou apresentador virtual com a mesma aparência episódio após episódio de uma série nas redes.

Storyboards multicena: deixe o modelo cortar ou defina cada plano

O recurso de storyboard é o destaque deste lançamento e vem em dois estilos. O Smart Storyboard lê uma descrição normal da cena e decide sozinho onde cortar e qual ângulo usar, ideal quando você quer rapidez. O Custom Storyboard permite que você defina cada plano: quanto tempo dura, onde fica a câmera e o que acontece nele. Pense no Smart como entregar o roteiro a um diretor, e no Custom como sentar na ilha de edição.

• Comece pelo modo Smart para ver como o modelo interpreta sua ideia e depois passe para o Custom para ajustar os planos de que não gostou.
• Mantenha uma ação clara por plano; duas pessoas conversando, mais um movimento de câmera, mais uma mudança de luz em um só plano é onde tudo começa a borrar.
• Some os segundos: os planos de um storyboard Custom precisam caber na duração total do clipe que você escolheu.

Diálogos, efeitos sonoros e sincronia labial de uma só vez

O som é gerado junto com a imagem, então os passos soam quando os pés tocam o chão e a chuva soa como a chuva da tela. As falas são onde ele realmente se destaca: guias de terceiros relatam sincronia labial em chinês, inglês, japonês, coreano e espanhol, e o anúncio de lançamento também destaca dialetos e sotaques. O segredo é escrever a fala exatamente como deve ser dita, entre aspas, e indicar quem fala e de que jeito. Uma nota como em japonês, sussurrando ou com leve sotaque britânico molda a interpretação muito mais do que adjetivos sobre o clima.

Para anúncios e vídeos explicativos, isso elimina toda uma etapa de gravação. Para dramas, significa que um plano e sua resposta podem sair da mesma geração, com cada personagem mantendo uma voz própria, exatamente o que faz funcionar aquelas cenas virais de duas pessoas.

Mesmo rosto, figurino e objetos em todos os planos

Nada quebra uma história mais rápido do que um protagonista cujo rosto muda entre os cortes. O modelo resolve isso com referências: envie uma ou mais imagens de um personagem, objeto ou lugar, e o modelo Omni as trata como elementos fixos ao longo da cena. Criadores que produzem séries com o mesmo apresentador ou casal em muitos episódios dependem muito disso.

• Use uma referência nítida e bem iluminada do rosto, mais uma imagem de corpo inteiro para o figurino.
• Dê ao personagem um nome curto e repita-o, com duas ou três palavras-chave de aparência, em cada plano do prompt.
• Mantenha as palavras do figurino idênticas de um episódio para outro; trocar sobretudo vermelho por casaco escarlate convida o modelo a redesenhá-lo.

Modelos de prompt para copiar e adaptar

Uma estrutura confiável para um único plano tem cinco partes: detalhes do personagem, ação, movimento de câmera, ambiente e estilo ou iluminação. Para cenas com vários planos, nomeie cada plano, dê a ele uma duração e mantenha os diálogos entre aspas com o nome de quem fala. Troque pelos seus próprios personagens e cenários; é a estrutura que faz o trabalho.

• Termos de câmera aos quais o modelo responde bem: tracking shot, orbital pan, macro close-up, POV, whip-pan, slow push-in, static wide shot, handheld with subtle drift.
• Escreva o idioma e o tom ao lado de cada fala, por exemplo: em coreano, animado.
• Faça rascunhos rápidos na versão Turbo e depois renderize a melhor tomada com o modelo padrão.

[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 e API: qual versão combina com você

O lançamento é uma família de modelos, e não uma única opção. O Video 3.0 é o modelo principal de texto para vídeo e imagem para vídeo. O Video 3.0 Omni acrescenta várias imagens e vídeos de referência, a versão ideal para personagens recorrentes e produtos de marca. O Kling 3.0 Turbo é uma opção mais rápida que, segundo o guia da Morphic, renderiza em 720p ou 1080p, nos formatos 16:9, 9:16 ou 1:1, de 3 a 15 segundos, com prompts de até 3.072 caracteres, ideal para testar ideias. A CineD relatou saída nativa em 4K a 30 fps; quais planos liberam esse recurso varia entre plataformas, então confira antes de contar com ele. Desenvolvedores podem acessar os modelos por uma API, mais uma porta de entrada além do app.

Kling 3.0 vs Kling 4.0, Veo 3 e Seedance 2.0

Escolher um modelo depende principalmente da duração e do tipo de cena de que você precisa. Esta comparação resume como os criadores costumam dividir o trabalho, com base em análises e guias publicados, e não em benchmarks de laboratório.

O que os analistas adoram e onde ainda falha

A análise da Magic Hour elogiou a narrativa multicena de 15 segundos como um avanço real para quem cria conteúdo narrativo. A mesma análise lista os pontos fracos de sempre: física complexa, como água espirrando, fogo e movimentos extremos de tecido, pode desandar, e dedos em closes fechados ainda não são confiáveis. Ela também aponta que o modo Custom exige planejar como um editor. Na prática, isso significa deixar as mãos fora dos planos macro, evitar grandes efeitos com líquidos nos momentos principais e gerar duas ou três tomadas do plano mais importante.

Usar o Kling 3.0 oficial vs gerar online no Spicy AI

Kling 3.0 não tem pesos abertos nem edição sem censura; a plataforma oficial modera prompts e uploads e recusa nudez e cenas explícitas. O Spicy AI oferece uma experiência parecida de imagem para vídeo, com menos filtros para adultos (18+): envie um quadro inicial sobre o qual você tenha direitos e descreva o movimento.

Fontes

• Comunicado de lançamento do Kling AI 3.0 (Bernama)↗
• Site oficial da Kling AI↗
• CineD: Kling 3.0 chega com 4K nativo↗
• Magic Hour: análise do Kling 3.0↗
• VEED: prompts para Kling 3.0↗
• Morphic: guia do Kling 3.0 Turbo↗
• Atlas Cloud: guia de consistência de personagens↗

Mais modelos de vídeo com IA sem censura

• Kling sem censura
• Kling 2.6 sem censura
• Kling O1 sem censura
• Sora sem censura
• Veo sem censura
• Hailuo AI sem censura
• MiniMax H3 Max sem censura
• Wan sem censura
• Wan 3.0 sem censura
• Seedance sem censura
• Seedance 2.5 sem censura
• Seedance 2.0 sem censura
• Seedance 2.0 Mini sem censura
• HunyuanVideo sem censura
• LTX Video sem censura
• Runway sem censura
• Pika sem censura
• Luma Dream Machine sem censura
• Vidu sem censura
• PixVerse sem censura
• EdenLive sem censura
• Grok Imagine sem censura
• AI Avatars sem censura
• HappyHorse 1.0 sem censura
• MiniMax H3 FL2VA Ref2VA sem censura
• Kling 4.0 sem censura
• MiniMax H3 RefMods sem censura
• Kandinsky 6.0 sem censura