Omni Reference er nyttig, når en prompt alene ikke kan beskrive præcis den karakter, det produkt, den bevægelse eller det miljø, du har brug for. Nøglen er at give hver reference sit eget job: én fastlægger subjektet, en anden scenen, og en video kan styre bevægelsen. Hvis du tilføjer assets uden at løse modsigelserne imellem dem, kan opgaven blive mere uklar.
Denne vejledning følger PoYos Kling 4.0-endpoint, kontrolleret den 24. oktober 2026. Funktionerne i den officielle app til skabere og udbyderspecifikke API-felter bør kontrolleres separat.
Match asset og felt
| Assetrolle | PoYo-felt | Reference i prompten |
|---|---|---|
| Billedets udseende, scene, produkt eller stil | reference_image_urls | @Image1, @Image2 |
| Reference for bevægelse, præstation eller kamera | reference_video_urls | @Video1, @Video2 |
| Ét subjekt vist på flere billeder | kling_elements[].element_input_urls | @Element1, @Element2 |
| Ét subjekt defineret af en video | kling_elements[].element_input_video_urls | @Element1, @Element2 |
| Præcis åbningskomposition | Ét image_urls-element i referencetilstand | Fastlægger den første billedramme |
Subjekter defineret af billeder kræver to til fire billeder af det samme subjekt, hvor forfra-billedet kommer først. Et subjekt defineret af video består af én video. Brug én form pr. subjekt, ikke begge. Referencenummereringen følger rækkefølgen i hvert array; @Element1 er ikke et objektnavn, som API'et opfinder automatisk.
Et dokumenteret eksempel med to billeder
PoYos eksempel med drivhuset tildeler den voksne naturforsker til den første reference og glasdrivhusets miljø til den anden. Anmodningen angiver regnfrakken, skuldertasken og lanternen som identitetsankre og beskriver derefter en kameraprogression fra nærbillede af en detalje til en bredere afsløring.
Den dokumenterede opgave BIIA0RLIILB65JTX anmodede om 15 sekunder i 1080p, 16:9, med to referencebilleder. Den registrerede pris er 637,5 kreditter, hvilket svarer til satsen uden video på 42,5 kreditter pr. sekund output. Eksemplet bruger den ældre notation @image_1 og @image_2, som PoYo også accepterer. Nye anmodninger kan bruge den tydeligere form @Image1 og @Image2.
Download den oprindelige anmodning og eksempelmetadata. Kontrollér, om lanternen bliver i den tiltænkte hånd, om ansigt og tøj forbliver genkendelige, og om broens layout forbliver sammenhængende. Betragt det som spørgsmål til gennemgangen og ikke som egenskaber, en referenceanmodning garanterer.
Start med to referencer og tydeligt ansvar
Dette forkortede mønster bruger de samme to roller. Det er en ny skabelon og ikke den præcise prompt, der frembragte den gemte video:
{
"model": "kling-4.0",
"input": {
"prompt": "Use @Image1 for the adult naturalist's identity, mustard raincoat and brass lantern. Use @Image2 for the glass conservatory and narrow mossy bridge. She takes two careful steps across the bridge, keeping the lantern in her right hand. One slow side-following shot, realistic foot contact and reflections. Do not display reference images as a collage.",
"duration": 5,
"resolution": "720p",
"aspect_ratio": "16:9",
"reference_image_urls": [
"https://storage.poyo.ai/blog/kling-4-0-series-20261024/conservatory-person-0437038b5fbc.png",
"https://storage.poyo.ai/blog/kling-4-0-series-20261024/conservatory-scene-1b878de0f5cc.png"
]
}
}
Til et produkt tildeler du identiteten til et rent packshot og kompositionen til en separat scenereference. Nævn de detaljer, der ikke må ændre sig: proppens geometri, silhuet, materiale, farve eller placeringen af etiketten. Hvis to billeder viser forskellige versioner af den samme flaske, så vælg én gældende version, før du genererer.
Tæl grænserne, før du uploader
PoYo tillader op til 10 referencebilleder, fem referencevideoer og syv subjekter, med højst tre subjekter defineret af video. Den samlede grænse pr. anmodning er 15 assets. Tæl et subjekt én gang på dette niveau; tæl ikke hvert enkelt subjektfoto som et selvstændigt asset på øverste niveau. En valgfri første billedramme tæller også med i grænserne på 10 billeder og 15 assets.
Hver inputvideo skal vare 3–30 sekunder. Reference- og subjektvideoer må tilsammen højst vare 30 reelle sekunder. En anmodning om referencegenerering kan indeholde én første billedramme, men ikke en ekstra sidste billedramme. Til et workflow med to grænserammer skal du bruge almindelig billede-til-video uden referencearrays eller subjekter.
Test, om en ekstra reference hjælper
Behold en baseline med én tydelig identitetsreference. Tilføj et scenebillede, og gennemgå, hvad der ændrede sig. Tilføj kun en bevægelsesvideo, hvis kameraet eller præstationen ikke kan beskrives godt nok. Formålet er at mindske tvetydighed og ikke at fylde alle inputpladser.
Gennemgå begyndelsen, midten og slutningen samlet. Kontrollér karakterens træk, produktets proportioner, forholdet mellem objekterne og uønskede montager af referencebilleder. Hvis resultatet glider efter en kamerasvingning, så test et mere afdæmpet kamera, før du tilføjer flere visuelle assets.
Fakturering og felter, der ikke understøttes
Billedreferencer og subjekter med kun billeder bruger prisen uden video. En referencevideo eller et subjekt defineret af video aktiverer fakturering for videoinput, herunder minimummet på det dobbelte af outputtets varighed. Prisguiden viser gennemregnede eksempler.
Den officielle modeloversigt beskriver bredere multimodale kreative workflows. PoYos nuværende skema har ikke et felt til lydreference, ti tidsindstillede keyframe-billeder eller 4K-output. Brug API-guiden til de aktuelle inputgrænser og redigeringsvejledningen, når selve kildeoptagelsen skal bevares.