Omni Reference est utile lorsqu’un prompt seul ne suffit pas à désigner précisément le personnage, le produit, le mouvement ou l’environnement dont vous avez besoin. L’essentiel est de confier à chaque référence une tâche distincte : l’une définit le sujet, une autre la scène, et une vidéo peut guider le mouvement. Ajouter des ressources sans résoudre leurs contradictions peut au contraire rendre la tâche moins claire.
Ce tutoriel suit l’endpoint Kling 4.0 de PoYo, vérifié le 24 octobre 2026. Les fonctionnalités de l’application officielle pour créateurs et les champs d’API propres à chaque fournisseur doivent être vérifiés séparément.
Associer chaque ressource au bon champ
| Rôle de la ressource | Champ PoYo | Référence dans le prompt |
|---|---|---|
| Apparence, scène, produit ou style issus d’une image | reference_image_urls | @Image1, @Image2 |
| Référence de mouvement, de jeu d’acteur ou de caméra | reference_video_urls | @Video1, @Video2 |
| Un sujet montré sur plusieurs images | kling_elements[].element_input_urls | @Element1, @Element2 |
| Un sujet défini par une vidéo | kling_elements[].element_input_video_urls | @Element1, @Element2 |
| Composition d’ouverture exacte | Une entrée image_urls en mode référence | Définit la première image |
Les sujets définis par des images nécessitent deux à quatre images du même sujet, avec une vue de face en premier. Un sujet défini par une vidéo contient une seule vidéo. Utilisez une seule forme par sujet, pas les deux. La numérotation des références suit l’ordre dans chaque tableau ; @Element1 n’est pas un nom d’objet que l’API inventerait automatiquement.
Un exemple enregistré à deux images
L’exemple PoYo de la serre attribue la naturaliste adulte à la première référence et l’environnement de la serre vitrée à la seconde. La requête désigne l’imperméable, la besace et la lanterne comme ancres d’identité, puis décrit une progression de caméra allant du détail rapproché à un plan plus large.
La tâche enregistrée BIIA0RLIILB65JTX demandait 15 secondes en 1080p, au format 16:9, avec deux images de référence. Son coût enregistré est de 637,5 crédits, ce qui correspond au tarif sans vidéo de 42,5 crédits par seconde de sortie. L’exemple utilise l’ancienne notation @image_1 et @image_2, que PoYo accepte également. Les nouvelles requêtes peuvent employer la forme plus lisible @Image1 et @Image2.
Téléchargez la requête originale et les métadonnées de l’exemple. Vérifiez si la lanterne reste dans la main prévue, si le visage et les vêtements restent reconnaissables et si la disposition du pont reste cohérente. Considérez ces points comme des questions de revue, et non comme des propriétés garanties de toute requête avec références.
Commencer avec deux références aux rôles explicites
Ce modèle abrégé reprend les deux mêmes rôles. Il s’agit d’un nouveau gabarit, et non du prompt exact qui a produit la vidéo enregistrée :
{
"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"
]
}
}
Pour un produit, confiez l’identité à un packshot net et la composition à une référence de scène distincte. Nommez les détails qui ne doivent pas dériver : géométrie du bouchon, silhouette, matière, couleur ou position de l’étiquette. Si deux images montrent des versions différentes du même flacon, choisissez une version de référence avant de lancer la génération.
Compter les limites avant l’envoi
PoYo autorise jusqu’à 10 images de référence, cinq vidéos de référence et sept sujets, dont au plus trois sujets définis par vidéo. La limite combinée par requête est de 15 ressources. Un sujet compte une seule fois à ce niveau ; ne comptez pas chaque photo interne du sujet comme une ressource de premier niveau distincte. Une première image facultative compte aussi dans les limites de 10 images et de 15 ressources.
Chaque vidéo d’entrée doit durer de 3 à 30 secondes. Les vidéos de référence et de sujet ne peuvent pas dépasser ensemble 30 secondes réelles. Une requête de génération par référence peut inclure une première image, mais pas de dernière image supplémentaire. Pour un flux avec image de début et image de fin, utilisez l’image-vers-vidéo classique, sans tableaux de références ni sujets.
Tester si une référence supplémentaire aide vraiment
Conservez une version de base avec une seule référence d’identité claire. Ajoutez une image de scène, puis examinez ce qui a changé. N’ajoutez une vidéo de mouvement que si la caméra ou le jeu ne peuvent pas être décrits de façon satisfaisante. L’objectif est de réduire l’ambiguïté, pas de remplir chaque emplacement d’entrée.
Examinez ensemble le début, le milieu et la fin. Vérifiez les traits du personnage, les proportions du produit, les relations entre objets et l’apparition indésirable de montages d’images de référence. Si le rendu dérive après un mouvement de caméra, testez une caméra plus sobre avant d’ajouter d’autres ressources visuelles.
Facturation et champs non pris en charge
Les images de référence et les sujets uniquement définis par des images utilisent la tarification sans vidéo. Une vidéo de référence ou un sujet défini par une vidéo active la facturation avec entrée vidéo, y compris le minimum de deux fois la durée de sortie. Le guide des tarifs présente des exemples chiffrés.
La présentation officielle du modèle décrit des flux de création multimodaux plus larges. Le schéma actuel de PoYo n’expose ni champ de référence audio, ni dix images clés minutées, ni sortie 4K. Consultez le guide de l’API pour les limites d’entrée actuelles, et le tutoriel de montage lorsque la séquence source elle-même doit être conservée.