Tutorial de Kling AI: modos, versiones, precios y prompts
Del primer prompt al clip terminado: modos, 20 modelos y precios en créditos
Kling AI es una familia de modelos de vídeo de Kuaishou que convierte una descripción de texto o una foto en un clip, y sus versiones más recientes añaden sonido en la misma pasada. Este tutorial de Kling AI en una línea: elija texto a vídeo o imagen a vídeo, escoja la versión que se ajuste a su presupuesto, describa la escena en cuatro partes —quién aparece, qué hace, dónde ocurre y cómo se mueve la cámara— y fije la duración y la calidad. A continuación encontrará un recorrido paso a paso, prompts listos para copiar, las diferencias entre las versiones de la 2.5 Turbo a la 4.0 y los precios exactos en créditos.
Respuesta rápida
Kling AI se puede usar en dos sitios: en la web oficial de Kuaishou o en una plataforma que integra el modelo en un estudio de vídeo común a varios modelos. En Clipia son cinco pasos: abrir la pestaña Texto a vídeo o Imagen a vídeo, elegir una versión de Kling, escribir el prompt, ajustar la duración, la calidad y el sonido, y pulsar Generar.
A fecha de 10 de noviembre de 2026, el catálogo de Clipia incluye 20 modelos de Kling. La generación más reciente es Kling 4.0: clips de 3 a 30 segundos con sonido incluido, y 5 segundos en 1080p cuestan 110 créditos. Su versión ligera, Kling 4.0 Flash, hace clips de hasta 20 segundos solo en 720p, también con sonido incluido. Si el presupuesto importa más que la duración, elija Kling 3: 5 segundos en 1080p cuestan 44 créditos, o 65 con sonido. El clip de 5 segundos más barato en los modos texto a vídeo e imagen a vídeo es el de Kling 2.6 sin sonido, por 23 créditos.
Además de la generación, Kling tiene dos herramientas para tareas concretas: Kling Lip Sync hace que la persona de una foto hable con la voz de su grabación, y Kling 3.0 Motion Control mueve a un personaje de una foto igual que se mueve alguien en un vídeo de referencia.
¿Quiere probarlo ahora mismo? Abra el estudio de vídeo de Clipia y elija Kling en la lista de modelos: el prompt de abajo funciona tal cual.
¿Qué es Kling AI y qué modos tiene?
Kling no es un único modelo, sino una línea que Kuaishou actualiza varias veces al año. Cada versión admite uno o varios modos, y el modo determina qué le entrega usted como punto de partida.
La serie Kling 3.0 se lanzó el 5 de febrero de 2026. Según el comunicado de prensa de Kuaishou, incluía cuatro modelos —Video 3.0, Video 3.0 Omni, Image 3.0 e Image 3.0 Omni— y los clips pasaron a durar hasta 15 segundos con audio nativo. Video 3.0 habla inglés, chino, japonés, coreano y español, además de acentos del inglés y dialectos del chino.
Kuaishou lanzó Kling 4.0 el 15 de octubre de 2026. El comunicado de la compañía destaca tres cambios principales: hasta 30 segundos generados en una sola pasada, Omni Reference, que combina hasta 15 referencias (imágenes, vídeos, sujetos y voces), y hasta 10 fotogramas clave en una escena.
En noviembre de 2026, Kling 4.0 Flash se incorporó al catálogo de Clipia como versión ligera de Kling 4.0. Trabaja a partir de texto, anima una foto como primer fotograma y construye una escena a partir de referencias de foto y de vídeo, pero los clips duran de 3 a 20 segundos y salen solo en 720p. El sonido se genera junto con la imagen. Si necesita 1080p o 30 segundos, sigue siendo un trabajo para Kling 4.0.
Los modos principales de Kling
- Texto a vídeo. Usted describe la escena con palabras y el modelo crea el plano desde cero. Sirve para intros, ideas de anuncios y escenas que no existen en ninguna foto.
- Imagen a vídeo. Su foto se convierte en el primer fotograma y el prompt solo define el movimiento. Sirve para productos, retratos e ilustraciones: todo aquello en lo que la imagen original debe quedar intacta.
- Referencias. Kling O3, Kling 4.0 y Kling 4.0 Flash en el modo Reference to Video toman varias imágenes como muestras de un personaje, un objeto o un estilo y crean con ellas una escena nueva.
- Sincronización labial. Kling Lip Sync hace que un retrato hable con la voz de su grabación: los labios y la expresión siguen el habla.
- Transferencia de movimiento. Kling 2.6 y 3.0 Motion Control copian el movimiento de un vídeo de referencia en un personaje de una foto.
Versiones de Kling en el catálogo de Clipia
Datos del catálogo de modelos de Clipia a fecha de 10 de noviembre de 2026.
| Versión | Modos | Duración | Sonido |
|---|---|---|---|
| Kling v2.5 Turbo Pro | texto, imagen | 5 o 10 s | no |
| Kling 2.6 | texto, imagen | 5 o 10 s | de pago aparte |
| Kling 3 | texto, imagen | 3–15 s, hasta 4K | de pago aparte |
| Kling 3 Multi-Shot | texto, hasta 5 escenas | hasta 15 s | sí |
| Kling O3 | texto, imagen, referencias, edición de vídeo | 3–15 s | nativo, de pago aparte |
| Kling 4.0 | texto, imagen, fotogramas, referencias | 3–30 s, 720p o 1080p | incluido |
| Kling 4.0 Flash | texto, imagen, referencias | 3–20 s, solo 720p | incluido |
Dónde usar Kling AI: la web oficial o Clipia
La web oficial de Kling tiene una sección Quick Start con guías de texto a vídeo e imagen a vídeo, fotogramas clave, movimiento de cámara y notas aparte sobre Video 3.0. Si prefiere trabajar allí, empiece por esas guías: las ha escrito el desarrollador del modelo.
La otra vía es una plataforma donde Kling está junto a otros modelos. En Clipia es un único estudio de vídeo: Seedance, Veo, Hailuo y otros modelos conviven en la misma ventana, y cada resultado llega a Mis tareas. Esto ayuda cuando compara modelos con un mismo prompt o monta un clip más largo a partir de varios fragmentos. Los planes empiezan en 10 $ al mes por 240 créditos a fecha de noviembre de 2026, y todos los modelos de Kling están incluidos en todos los planes.
Una limitación, con franqueza: las cuentas nuevas de Clipia reciben 5 créditos de bienvenida, que no bastan para Kling. Para probar Kling necesita un plan o un paquete de créditos.
Tutorial de Kling AI: texto a vídeo e imagen a vídeo paso a paso
Este es el flujo de trabajo en el estudio de vídeo de Clipia. Es el mismo para todas las versiones de Kling; solo cambian los ajustes disponibles: duración, calidad y sonido.
Paso 1. Elija un modo
Hágase una sola pregunta: ¿qué tiene ya? Solo una idea: abra Texto a vídeo. Una foto de producto, un retrato o una ilustración: Imagen a vídeo. Un retrato y una grabación de voz: la pestaña Animar una foto, modo Foto parlante. Un vídeo con un movimiento que quiere copiar: Control de movimiento. Encontrará un recorrido completo por las pestañas del estudio en nuestra guía sobre cómo hacer vídeos con IA.
También puede empezar desde la página de generación del modelo. El enlace Kling 4.0 abre el estudio de vídeo con el modelo ya seleccionado, y el enlace Kling 4.0 Flash funciona igual.
Paso 2. Elija la versión de Kling
Elija el modelo en el formulario. La regla es sencilla: Kling 4.0 cuando necesite hasta 30 segundos o 1080p con sonido sin coste adicional; Kling 4.0 Flash cuando quiera el sonido ya incluido y le baste con 720p; Kling 3 cuando le basten 15 segundos y necesite 4K o un clip sin sonido; Kling 2.6 y v2.5 Turbo Pro para borradores sin sonido. Busque primero la escena en una versión más barata y grabe después la toma final en la más potente.
Paso 3. Escriba el prompt
Un buen prompt para Kling tiene cuatro partes: quién está en el plano, qué hace, dónde ocurre y cómo se mueve la cámara. La luz y el ambiente son una quinta parte opcional. Evite los párrafos largos: una o dos frases con verbos concretos funcionan mejor que una lista de adjetivos.
A young woman in a yellow raincoat walks down a wet city street at dusk, stops and looks up at a neon sign, the camera slowly pulls back, city lights reflecting on the asphalt
En imagen a vídeo no hace falta describir al sujeto ni el escenario: ya están en la foto. Escriba solo el movimiento en el campo Qué ocurre: qué cambia en el encuadre y qué hace la cámara.
Steam slowly rises from a cup of coffee, the camera gently pushes in, tree branches sway outside the window in the background
Paso 4. Ajuste la duración, la calidad y el sonido
La duración y la calidad son lo que más influye en el precio. Kling 3 ofrece de 3 a 15 segundos, 720p, 1080p o 4K, y el sonido es un ajuste aparte de pago. Kling 4.0 ofrece de 3 a 30 segundos en 720p o 1080p con sonido incluido. Cada ajuste actualiza el importe del botón Generar, así que verá el coste antes de empezar.
Adapte la relación de aspecto a la plataforma: 9:16 para vídeo vertical en redes sociales, 16:9 para YouTube y sitios web, 1:1 para el feed. Kling 4.0 también admite 21:9 para un encuadre cinematográfico panorámico.
Paso 5. Genere y revise
Pulse Generar. El clip terminado aparece en Mis tareas, donde puede descargarlo, volver a lanzarlo con el mismo prompt o pasarlo a otra pestaña con Usar en…. Si el movimiento no es el esperado, cambie una sola parte del prompt cada vez para saber qué marcó la diferencia.
Imagen a vídeo: qué tener en cuenta
La pestaña Imagen a vídeo acepta fotos de hasta 10 MB. Además de Una imagen, existe Primer y último fotograma: usted sube dos imágenes y el modelo crea la transición entre ellas. Cuanto más se parezcan la pose y la luz de los dos fotogramas, más fluido será el resultado.
¿Necesita un clip más largo que una sola generación? Móntelo por fragmentos: tome el último fotograma de un clip terminado, súbalo a Imagen a vídeo como fotograma inicial y describa cómo continúa el movimiento. El personaje y la luz pasan al siguiente fragmento sin saltos.
Puede repetir el ejemplo anterior ahora mismo: abra el estudio de vídeo, elija Kling 3 o Kling 4.0 y pegue el prompt del impermeable amarillo.
Consejos de prompts para Kling: mal y bien
El modelo hace lo que está escrito, no lo que se sobreentiende, por eso una descripción vaga del movimiento es un motivo habitual de que un clip salga mal. Compare estos ejemplos. Están en inglés, como el resto de prompts del artículo.
| Mal | Bien | Por qué |
|---|---|---|
| A cool video with a car | A red convertible drives along a mountain road at sunset, the camera follows at wheel height | Sujeto, acción, lugar y cámara |
| A girl moves | A girl slowly turns her head to the camera and smiles | Un movimiento concreto en lugar de uno vago |
| Epic cinematic scene in 8K | A knight walks out of the fog onto a field, the camera rises above him | La calidad es un ajuste, no una palabra del prompt |
| A cat jumps, runs, catches a ball and falls asleep | A cat leaps for a ball and catches it with its paws | De cinco a diez segundos dan para una o dos acciones |
- Una escena, una acción principal. En cinco segundos cabe un movimiento. Divida una historia con varios acontecimientos en fragmentos o use Kling 3 Multi-Shot para tener hasta 5 escenas en un clip.
- Describa la cámara por separado. Sin «the camera pushes in» (la cámara se acerca) o «the camera stays still» (la cámara permanece fija), el modelo elige el movimiento por su cuenta.
- En fotos, no repita lo que ya está en el encuadre. Una descripción contradictoria puede distorsionar la imagen.
Prompts listos para copiar para tareas habituales
Tres plantillas para copiar y adaptar: una toma de producto para imagen a vídeo, un retrato y un clip vertical de texto a vídeo.
A perfume bottle slowly rotates on a marble stand, a highlight glides across the glass, the camera smoothly orbits the bottle from right to left
The man in the portrait blinks, tilts his head slightly and smiles calmly, a light breeze moves his hair, the camera stays still
Vertical shot: a barista pours milk into a cup and draws a heart in the foam, close-up on the hands, the camera slowly lowers toward the cup
Fórmulas de cámara para su prompt: pushes in (se acerca), pulls back (se aleja), orbits left to right (gira de izquierda a derecha), rises above the subject (se eleva sobre el sujeto), follows the subject (sigue al sujeto), stays still (permanece fija). Basta con un movimiento de cámara por escena.
Fotos que hablan y transferencia de movimiento: herramientas específicas de Kling
Si la tarea es que una persona de una foto hable o repita un movimiento concreto, el modo imagen a vídeo normal no lo resolverá. Kling tiene modelos específicos para eso.
Kling Lip Sync
Kling Lip Sync, de Kuaishou, toma un retrato y una grabación de voz y devuelve un vídeo en el que los labios y la expresión coinciden con el audio. En el estudio es el modo Foto parlante de la pestaña Animar una foto: suba un retrato de frente de hasta 10 MB, elija Archivo propio, añada una grabación MP3, WAV, OGG o AAC de 3 segundos a 3 minutos y de hasta 40 MB, y pulse Hacer que hable. El vídeo sale en 720p y dura lo mismo que el audio. A fecha de 10 de noviembre de 2026, Kling Lip Sync cobra 13 créditos por 3 segundos, 41 por 10 segundos, 246 por un minuto completo y 738 por tres minutos. Como Lip Sync repite su grabación, funciona en cualquier idioma.
Kling 3.0 Motion Control
Kling 3.0 Motion Control copia el movimiento de un vídeo de referencia en un personaje de una foto: un baile, un gesto, una forma de andar. En el estudio es la pestaña Control de movimiento. Cuesta 7 créditos por segundo en 720p: 3 segundos cuestan 21 créditos a fecha de 10 de noviembre de 2026. La distorsión disminuye cuando la pose de la foto se parece a la primera pose del vídeo. Para pagar menos existe Kling 2.6 Motion Control, desde 11 créditos.
En qué no le ayudará Clipia: montar fragmentos en una línea de tiempo y añadir títulos y música se hace en un editor de vídeo normal. Kling genera clips; montar una pieza larga con transiciones es un trabajo aparte.
¿Cuánto cuesta Kling AI y qué modelo elegir?
Precios a fecha de 10 de noviembre de 2026, obtenidos de la calculadora de costes de Clipia el día en que se revisó el artículo. El importe exacto siempre aparece en el botón Generar.
| Modelo y ajustes | Precio |
|---|---|
| Kling v2.5 Turbo Pro, 5 s, sin sonido | 24 créditos |
| Kling 2.6, 5 s, sin / con sonido | 23 / 46 créditos |
| Kling 3, 5 s, 720p / con sonido | 36 / 49 créditos |
| Kling 3, 5 s, 1080p / con sonido | 44 / 65 créditos |
| Kling 3, 10 s, 1080p, con sonido | 129 créditos |
| Kling 3, 15 s, 1080p, con sonido | 194 créditos |
| Kling O3, 5 s, 1080p, con sonido | 85 créditos |
| Kling 4.0, 5 s, 720p, sonido incluido | 75 créditos |
| Kling 4.0, 5 s, 1080p, sonido incluido | 110 créditos |
| Kling 4.0, 10 s, 1080p, sonido incluido | 220 créditos |
| Kling 4.0, 30 s, 1080p, sonido incluido | 660 créditos |
| Kling 4.0 Flash, 5 s, 720p, sonido incluido | 45 créditos |
| Kling 4.0 Flash, 20 s, 720p, sonido incluido | 180 créditos |
| Kling Lip Sync, 3 s / 10 s / 60 s / 180 s | 13 / 41 / 246 / 738 créditos |
Para un clip de 5 segundos en 1080p con sonido, Kling 4.0 cuesta unas 1,7 veces más que Kling 3. El sobrecoste compensa cuando necesita más de 15 segundos en una pasada o escenas guiadas por referencias. En 720p, Kling 4.0 Flash cobra 45 créditos por los mismos 5 segundos: un 40 % menos que Kling 4.0 con esa calidad y algo menos que Kling 3 con sonido en 720p (49 créditos). Los 240 créditos del plan Basic cubren tres de esos clips en Kling 3, dos en Kling 4.0 o cinco clips de 5 segundos en Kling 4.0 Flash. Para comparar la calidad de Kling 3 con Seedance 2.0 y Veo 3.1 con prompts idénticos, consulte Seedance 2.0 vs Kling 3.0 vs Veo 3.1; aquí no repetimos esas pruebas.
Lo mejor para cada tarea: qué versión de Kling elegir
Según el catálogo de Clipia y los comunicados de Kuaishou; precios a fecha de 10 de noviembre de 2026.
| Tarea | Modelo | Por qué | Precio de la configuración |
|---|---|---|---|
| Borrador de una idea sin sonido | Kling 2.6 | el clip de 5 segundos más barato en los modos de texto e imagen | 23 créditos por 5 s |
| Clip corto con sonido para redes sociales | Kling 3 | hasta 15 s, sonido de pago aparte, 9:16 | 65 créditos por 5 s en 1080p |
| Un clip con sonido cuando basta con 720p | Kling 4.0 Flash | 3–20 s, sonido incluido | 45 créditos por 5 s |
| Hasta 30 segundos en una pasada | Kling 4.0 | 3–30 s, sonido incluido | 220 créditos por 10 s en 1080p |
| Un personaje creado a partir de varias fotos | Kling 4.0 Reference to Video | hasta 10 fotos y 5 referencias de vídeo | 75 créditos por 5 s en 720p con fotos |
| Varias escenas en un clip | Kling 3 Multi-Shot | hasta 5 escenas, hasta 15 s | desde 155 créditos |
| Un retrato habla con la voz de su grabación | Kling Lip Sync | los labios siguen el audio en cualquier idioma | 41 créditos por 10 s |
| Un personaje repite el movimiento de un vídeo | Kling 3.0 Motion Control | el movimiento sale de la referencia | 21 créditos por 3 s en 720p |
Cómo lo comprobamos
Comprobado el 10 de noviembre de 2026:
- Precios: de la calculadora de costes de Clipia para cada configuración de las tablas; es el mismo cálculo con el que se cobran los créditos.
- Modos, duración y calidad: del catálogo de modelos de Clipia, es decir, de las descripciones de los modelos y sus tablas de precios, incluidos Kling 4.0 y Kling 4.0 Flash.
- Fechas de lanzamiento y capacidades: de los comunicados de prensa de Kuaishou sobre Kling 3.0 (5 de febrero de 2026) y Kling 4.0 (15 de octubre de 2026).
- Flujo de trabajo en el estudio: según la interfaz del estudio de vídeo de Clipia en noviembre de 2026.
Lo que no hicimos: no lanzamos generaciones de prueba para este artículo ni comparamos la calidad entre versiones, así que no hay afirmaciones del tipo «Kling 4.0 es más realista»: solo capacidades y precios.
Preguntas frecuentes
¿Cuántos créditos cuesta un vídeo de Kling?
Un clip de 5 segundos en los modos texto a vídeo e imagen a vídeo cuesta desde 23 créditos en Kling 2.6 sin sonido, y Kling v2.5 Turbo Pro cuesta 24. Kling 3 empieza en 36 créditos por 5 segundos en 720p, Kling 4.0 Flash cuesta 45 por 5 segundos con sonido y Kling 4.0 empieza en 75 por 5 segundos en 720p con sonido. Precios a fecha de 10 de noviembre de 2026.
¿Puedo usar mi propia voz?
Sí, con Kling Lip Sync: suba un retrato y una grabación de voz de 3 segundos a 3 minutos, y los labios de la foto seguirán su voz. El vídeo sale en 720p, y Kling Lip Sync cobra 13 créditos por 3 segundos a fecha de 10 de noviembre de 2026. También puede crear la grabación en el estudio de audio de Clipia.
¿En qué se diferencia Kling 4.0 de Kling 3?
Kling 4.0 genera hasta 30 segundos en una pasada frente a los 15 de Kling 3, incluye el sonido en el precio y añade un modo por referencias y hasta 10 fotogramas clave por escena. Kling 3 es más barato, mientras que Kling 4.0 ofrece además el encuadre panorámico 21:9. Los precios de ambas versiones con distintos ajustes están en la tabla de la sección de costes.
¿Cuánto puede durar un vídeo de Kling?
Kling 4.0 genera hasta 30 segundos de una vez, según el comunicado de Kuaishou y el catálogo de Clipia. Kling 3 y Kling O3 llegan a 15 segundos; Kling 2.6 y v2.5 Turbo, a 10. Los vídeos más largos se montan por fragmentos, en los que el último fotograma de un clip se convierte en el primero del siguiente.
¿Bastan los créditos de bienvenida para probar Kling?
No. Las cuentas nuevas reciben cinco créditos, y una generación de Kling cuesta más: la transferencia de movimiento con Kling 2.6 Motion Control empieza en 11 créditos por 3 segundos y un clip a partir de texto o de una imagen empieza en 22 créditos (Kling 3, 3 segundos en 720p) a fecha de 10 de noviembre de 2026. Los créditos de bienvenida le permiten explorar el estudio con modelos más económicos; para Kling necesita un plan o un paquete de créditos.
Conclusión
Usar Kling AI se reduce a tres cosas: el modo que encaja con su material de partida, la versión que encaja con la duración y el presupuesto, y la fórmula de prompt de arriba. Kling 4.0 se encarga de las escenas largas y del trabajo con referencias, mientras que Lip Sync y Motion Control cubren los retratos que hablan y la transferencia de movimiento.
Haga un borrador en 720p, encuentre el prompt que funciona y grabe la toma final en 1080p. Abra el estudio de vídeo de Clipia, elija Kling y lance su primera escena.
Fuentes
Pruébelo usted mismo en Clipia
60+ modelos para generar vídeo e imágenes. Una sola cuenta y precios transparentes.
