Usa la edición de vídeo de Kling 4.0 cuando quieras modificar metraje existente y pedir al modelo que conserve su acción, su ritmo, su encuadre o su sujeto. La solicitud debe indicar qué cambia y qué se mantiene. Un vídeo de referencia que sirve de inspiración para una nueva generación es un flujo de trabajo distinto al de un vídeo de origen que se edita.
Esta guía usa la API de Kling 4.0 en PoYo y un ejemplo de PoYo guardado y completado: un zorro rojo caminando por la nieve, editado para situarlo en un bosque otoñal. Es un ejemplo de cambio de escena, no una prueba de que cualquier sustitución de producto o edición que conserve la identidad vaya a salir bien.
Mira el vídeo de origen y el resultado editado
Origen: plano de fauna en invierno. Tarea grabada 9DRXDJ5XGW41B9IW, con cinco segundos solicitados en 720p, generada a partir de un primer fotograma. Cargo registrado: 142,5 créditos.
Resultado editado: bosque otoñal. Tarea grabada 84PEDOWZ40C5D7VM, con cinco segundos solicitados en 720p, usando el vídeo de origen y una imagen de referencia otoñal. Cargo registrado: 187 créditos.
Descarga la solicitud de edición exacta y los metadatos de la muestra. Compara directamente el clip original y el editado: importan las marcas del zorro, su forma de andar, el movimiento de la cabeza, el contacto con el suelo, el travelling de la cámara y los bordes del follaje. Un fondo cambiado no basta si la acción que necesitabas se ha desviado.
Elige la edición de forma explícita con video_url
La siguiente plantilla abreviada muestra los campos; el archivo descargable contiene el prompt completo de la tarea grabada.
{
"model": "kling-4.0",
"input": {
"video_url": "https://storage.poyo.ai/blog/kling-4-0-series-20261024/fox-video-d0100387a0e0.mp4",
"reference_image_urls": ["https://storage.poyo.ai/blog/kling-4-0-series-20261024/autumn-reference-0773c88cbeb3.png"],
"prompt": "Edit @Video1 into the autumn woodland shown in @Image1. Replace snow with dry fallen leaves and distant conifers with silver birches. Preserve the same fox, its markings, proportions, walking and head movements, timing, framing and camera tracking. Match shadows and light to the new environment. Return one coherent live-action scene, not a montage or transition.",
"duration": 5,
"resolution": "720p"
}
}
El vídeo de origen se referencia como @Video1 y la imagen de referencia como @Image1. Las imágenes definen el nuevo aspecto, mientras que el origen aporta el movimiento que hay que conservar. video_url activa la edición por delante de los modos de generación, así que no lo añadas a una solicitud que deba generar un plano nuevo a partir de una referencia de movimiento.
Qué admite el esquema de edición de PoYo
El vídeo de origen debe durar entre 3 y 30 segundos reales. La edición requiere prompt y admite 720p o 1080p. Puede usar imágenes de referencia y sujetos definidos con imágenes, pero rechaza image_urls, reference_video_urls, sujetos definidos con vídeo, multi_prompt y aspect_ratio.
No envíes campos no admitidos con valores null o vacíos para intentar desactivarlos. Omítelos. La interfaz de edición actual de PoYo acepta un único campo de vídeo de origen; que el producto para creadores ofrezca un flujo con varios vídeos no justifica inventar aquí un array video_urls. Consulta la documentación actual de la API para ver las novedades.
Cómo escribir un prompt de edición acotado
Divide la instrucción en dos enunciados claros. Primero, nombra el cambio que quieres: sustituir la estación, cambiar una chaqueta o reemplazar un producto. Segundo, nombra la estructura que se conserva: identidad del sujeto, ritmo de la acción, movimiento de cámara, encuadre y objetos que no se tocan.
Para sustituir un producto, aporta una referencia limpia con una silueta clara y escribe qué objeto debe reemplazarse. Comprueba el contacto con manos y superficies, las oclusiones en movimiento, las sombras y los reflejos. El modelo puede cambiar más de lo que pediste, así que compara el plano completo y verifica los detalles de marca antes de aprobarlo. El ejemplo del zorro de este artículo no demuestra una tasa de éxito medida en sustitución de productos.
Evita cambiar el personaje, el fondo, el vestuario, la cámara y el diálogo en la misma primera prueba. Si una edición falla, un cambio más pequeño hace que el siguiente diagnóstico sea más útil.
Estima el coste a partir de la duración de origen y de salida
La edición usa la tarifa con entrada de vídeo. Con el precio de lista actual de PoYo, 720p cuesta 17 créditos por segundo facturado y 1080p, 25,5. Los segundos facturables son output + max(ceil(source duration), output).
Para un origen de exactamente cinco segundos y una salida solicitada de cinco segundos, la estimación es de 10 segundos facturados: 170 créditos / 0,85 $ en 720p. Los archivos reales pueden durar algo más que la duración de generación solicitada. El cargo registrado de 187 créditos de la tarea otoñal guardada corresponde a 11 segundos facturados; usa la duración del origen medida en el servidor y los registros de tareas en lugar de suponer que todo archivo “de cinco segundos” dura exactamente cinco segundos.
Cuando se omite duration, PoYo usa el redondeo al alza de la duración de origen para facturar la salida, mientras deja la duración sin indicar en la solicitud al proveedor upstream. Consulta la guía de precios para ver ejemplos con duraciones fraccionarias.
Revisa antes de publicar
Mira los dos clips en puntos equivalentes y después a velocidad normal. Comprueba la identidad de los objetos, la continuidad del movimiento, el parpadeo en los bordes, la estabilidad de las texturas y cualquier contenido no deseado. Escucha la banda sonora completa como una comprobación aparte; que se conserve la imagen no implica que se conserve el audio.
Para generar desde cero con referencias, usa la guía de Omni Reference. Para el envío y el sondeo, usa el tutorial de la API. La guía oficial para creadores ofrece flujos creativos adicionales, sujetos a la disponibilidad de cada plataforma.