TokenLab añade referencias de elementos de Kling 3.0 para flujos de trabajo de API de vídeo

Una demostración de producto con un zapato y una mano necesita dos anclas visuales, no una. Ahora admitimos referencias de elementos de Kling 3.0 en la API de generación de vídeo. La API de referencias de elementos de Kling 3.0 permite a los desarrolladores anclar productos, accesorios o personajes específicos a etiquetas con nombre (@nombre) que se mantienen consistentes a lo largo de un clip generado. Esto cierra una brecha en los flujos de trabajo de vídeo condicionados por imágenes, donde una sola imagen de referencia no era suficiente para mantener múltiples sujetos visualmente estables entre fotogramas.

Por qué el vídeo con múltiples sujetos necesita referencias de elementos

Una sola imagen de referencia funciona para un sujeto. Falla cuando una escena necesita que varios elementos distintos persistan. Por ejemplo, un producto sostenido por una mano necesita que tanto el producto como la mano se mantengan estables. Dos personajes que intercambian un diálogo necesitan continuidad separada para el rostro y el atuendo. Ahora admitimos referencias de elementos de Kling 3.0 para abordar esa brecha.

Puntos clave

• Las referencias de elementos de Kling 3.0 le permiten definir elementos con nombre con URLs de imágenes de referencia y luego llamarlos por etiqueta (@productoA, @personaje1) directamente en el texto de su prompt.
• Esto está dirigido a escenas con múltiples sujetos: producto más modelo de mano, personaje más accesorio, dos personajes en una toma de diálogo y configuraciones similares donde una imagen de referencia por solicitud era anteriormente limitante.
• No combine kling_elements con output_audio=true en la misma solicitud. Los dos parámetros son mutuamente excluyentes según el contrato de API actual.
• Las referencias de elementos se suman al soporte existente de TokenLab de referencia a vídeo para otros modelos. Ofrecen a los desarrolladores un patrón consistente para elegir el enfoque correcto según el caso de uso.

Cómo funciona la API de referencias de elementos de Kling 3.0

La mayoría de la generación de vídeo condicionada por imágenes trata una imagen de referencia como un ancla única. Usted le da al modelo una imagen y este intenta mantener el aspecto general consistente mientras anima el movimiento a su alrededor. Eso funciona para tomas de un solo sujeto. Se desmorona rápidamente cuando una escena necesita que más de un elemento visualmente distinto persista de forma independiente.

Las referencias de elementos de Kling 3.0 resuelven esto permitiéndole registrar múltiples imágenes de referencia con nombre en una sola solicitud. Luego, usted apunta a ellas individualmente desde el texto del prompt. En lugar de una referencia implícita, obtiene referencias explícitas y direccionables. El modelo sabe que @zapato se refiere a la imagen de referencia uno y @modelo se refiere a la imagen de referencia dos. Compone la escena utilizando ambas anclas simultáneamente.

Vimos este patrón en el contrato de API actual. Es un paso significativo en el control para tuberías de vídeo de productos, herramientas de contenido impulsadas por personajes y generadores de creatividades publicitarias. La consistencia del sujeto a lo largo de un clip suele ser la diferencia entre un resultado utilizable y una nueva toma.

Uso de la API de referencias de elementos de Kling 3.0 en solicitudes

El patrón es sencillo: defina sus elementos, nómbrelos y haga referencia a ellos en el prompt con la sintaxis @.

{
  "model": "kling-3.0",
  "prompt": "@zapato gira lentamente sobre un pedestal de mármol mientras @mano se acerca para recogerlo",
  "kling_elements": [
    {
      "name": "zapato",
      "image_url": "https://example.com/product-shoe.png"
    },
    {
      "name": "mano",
      "image_url": "https://example.com/hand-reference.png"
    }
  ],
  "duration": 5,
  "aspect_ratio": "16:9"
}

Algunas notas prácticas para la implementación:

• Los nombres de los elementos deben ser cortos e inequívocos. Evite nombres que se superpongan con palabras comunes en inglés que probablemente aparezcan en el texto de su prompt. Esa superposición aumenta la posibilidad de ambigüedad en el análisis.
• Las URLs de las imágenes de referencia deben ser públicamente accesibles en el momento de la solicitud. Si sus imágenes están detrás de una capa de almacenamiento autenticada, genere una URL firmada o pública antes de enviar la solicitud.
• Puede combinar varios elementos en un solo prompt, pero mantenga la descripción general de la escena enfocada. Acumular más de dos o tres elementos con nombre tiende a diluir la capacidad del modelo para rastrear cada uno por separado. Esto es similar a cómo demasiados sujetos nombrados en un prompt de imagen estática reducen la fidelidad por sujeto.
• Pruebe primero con una duración corta. Los problemas de consistencia de los elementos, si ocurren, aparecen en los primeros segundos. Son más baratos de detectar en un borrador de 3 segundos que en un renderizado completo de 10 segundos.

Lista de verificación de implementación

Antes de enviar un flujo de trabajo de referencia de elementos de Kling 3.0 a producción, confirme lo siguiente:

• Cada elemento tiene un nombre único e inequívoco
• Las URLs de las imágenes de referencia son públicamente accesibles y estables durante el procesamiento
• El texto del prompt etiqueta correctamente cada elemento con la sintaxis @nombre
• output_audio no está configurado como true cuando kling_elements está presente
• La validación de la solicitud detecta el conflicto de audio más elementos antes de que llegue a la API
• Los renders de prueba utilizan duraciones cortas antes de comprometerse con una generación de larga duración
• El total de elementos con nombre por solicitud se mantiene en dos o tres para obtener la mejor consistencia

La regla única: sin elementos más audio

Esta restricción es fácil de pasar por alto durante la creación rápida de prototipos: kling_elements y output_audio=true no se pueden usar en la misma solicitud. Si envía ambos, la solicitud no se procesará como se espera.

Si su flujo de trabajo necesita tanto consistencia visual de múltiples elementos como audio generado, divida el trabajo en dos pasos. Primero genere el vídeo con referencias de elementos. Luego, ejecute un pase de generación de audio por separado y combine los resultados posteriormente. Esta es una restricción documentada de la integración actual de Kling 3.0, no un error. Construya su lógica de validación de solicitudes en torno a esto en lugar de tratarlo como un caso extremo a detectar después del hecho.

En nuestra tubería, validamos este conflicto en el lado del cliente antes de enviar la solicitud.

API de referencias de elementos de Kling 3.0 frente a otros flujos de trabajo de vídeo

Las referencias de elementos son una herramienta dentro de un conjunto creciente de capacidades de referencia a vídeo disponibles a través de la API de vídeo de TokenLab. Ayuda saber cuándo recurrir a cuál:

Flujo de trabajo	Mejor para	Recuento de referencias	Notas
Imagen a vídeo simple	Animación simple de una imagen estática	1	Funciona en la mayoría de los modelos de vídeo compatibles, incluidos Seedance y PixVerse V6
Referencias de elementos de Kling 3.0	Escenas de múltiples sujetos que necesitan consistencia independiente	2-3 elementos con nombre	Sin audio en la misma solicitud
Referencia de estilo o movimiento	Aplicar un estilo visual o patrón de movimiento de cámara	1 referencia de estilo + prompt	Disponible en modelos seleccionados, consulte la documentación por modelo
Prompt solo de texto	Iteración rápida, no se necesita ancla visual	0	Más rápido de prototipar, menos controlable

Si está creando un generador de demostración de productos, las referencias de elementos suelen ser la opción correcta. Si está haciendo una animación simple de una sola imagen principal, la imagen a vídeo simple es más rápida y barata de iterar. Los equipos que comparan modelos de vídeo de manera más amplia pueden comenzar con el desglose de los mejores modelos de vídeo de IA para uso de API en 2026. Cubre cómo se compara Kling 3.0 con Veo 3 y otras opciones para diferentes casos de uso.

Preguntas frecuentes

¿Puedo usar más de dos referencias de elementos en una sola solicitud de Kling 3.0?

Sí, la API no limita estrictamente el recuento, pero la consistencia práctica tiende a degradarse a medida que agrega más elementos con nombre a una sola escena. Dos o tres es un límite de trabajo razonable para la mayoría de los casos de uso de productos y personajes.

¿Qué sucede si envío tanto kling_elements como output_audio=true?

La solicitud no se procesará correctamente ya que estos dos parámetros son mutuamente excluyentes en la integración actual de Kling 3.0. Valide esta combinación en el lado del cliente antes de enviar la solicitud para evitar llamadas desperdiciadas.

¿El soporte de referencia de elementos es específico de Kling 3.0 o también está disponible en otros modelos?

Las referencias de elementos con nombre con etiquetado @nombre son específicas de Kling 3.0 en la API actual. Otros modelos de vídeo compatibles tienen sus propios patrones de referencia a vídeo. Por lo general, se limitan a una sola imagen de referencia por solicitud, así que consulte la documentación específica del modelo antes de asumir la paridad de funciones.

Fuentes, frescura y lecturas relacionadas

Este artículo refleja la documentación de la API de vídeo de TokenLab y el comportamiento de integración de Kling 3.0 observado el 2026-07-07. Para la referencia de parámetros actual, consulte la referencia de la API de creación de vídeo y la guía de generación de vídeo. El comportamiento de la API puede cambiar, así que siempre consulte la documentación en vivo antes de finalizar una integración de producción.

Las referencias de elementos amplían lo que es posible con Kling 3.0, pero elegir el modelo de vídeo correcto y comprender los costes sigue siendo importante antes de construir un flujo de trabajo de producción. Si está comparando opciones, la Guía de API de mejores modelos de vídeo de IA: cómo los desarrolladores deben elegir modelos de generación de vídeo analiza las compensaciones entre proveedores. Para una mirada más cercana a Kling específicamente, la Guía de precios de la API de Kling AI: costes, flujo de trabajo y alternativas desglosa las consideraciones de precios y flujo de trabajo. Y si está sopesando alternativas, la Guía de API de Seedance: cuándo usarla para la generación de vídeo por IA cubre cuándo ese modelo encaja mejor.

Las capacidades y los precios de los modelos cambian con frecuencia, así que verifique las versiones y tarifas actuales de los modelos directamente antes de confiar en ellos para un uso de producción de alto volumen. La referencia de configuración de cuenta explica la creación de claves API.

Para comenzar a crear flujos de trabajo de vídeo de múltiples sujetos, obtenga su clave API de TokenLab y consulte la guía de generación de vídeo.