Omni Reference berguna ketika prompt saja tidak cukup untuk menunjukkan karakter, produk, gerakan, atau lingkungan yang persis Anda butuhkan. Kuncinya adalah memberi setiap referensi tugas yang terpisah: satu menetapkan subjek, satu lagi adegan, dan sebuah video bisa memandu gerakan. Menambahkan aset tanpa menyelesaikan kontradiksi di antaranya justru bisa membuat tugas kurang jelas.
Tutorial ini mengikuti endpoint Kling 4.0 di PoYo, yang diperiksa pada 24 Oktober 2026. Kemampuan aplikasi kreator resmi dan field API khusus penyedia perlu diverifikasi secara terpisah.
Petakan aset ke field yang tepat
| Peran aset | Field PoYo | Rujukan di prompt |
|---|---|---|
| Tampilan gambar, adegan, produk, atau gaya | reference_image_urls | @Image1, @Image2 |
| Referensi gerakan, performa, atau kamera | reference_video_urls | @Video1, @Video2 |
| Satu subjek yang ditampilkan dalam beberapa gambar | kling_elements[].element_input_urls | @Element1, @Element2 |
| Satu subjek yang didefinisikan dengan video | kling_elements[].element_input_video_urls | @Element1, @Element2 |
| Komposisi pembuka yang persis | Satu entri image_urls dalam mode referensi | Menetapkan frame pertama |
Subjek yang didefinisikan dengan gambar memerlukan dua hingga empat gambar dari subjek yang sama, dengan tampak depan di urutan pertama. Subjek yang didefinisikan dengan video berisi satu video. Gunakan satu bentuk per subjek, jangan keduanya. Penomoran referensi mengikuti urutan di dalam setiap array; @Element1 bukan nama objek yang dibuat otomatis oleh API.
Contoh dua gambar yang terekam
Sampel konservatori PoYo menetapkan naturalis dewasa ke referensi pertama dan lingkungan rumah kaca ke referensi kedua. Permintaan tersebut menyebut jas hujan, tas selempang, dan lentera sebagai jangkar identitas, lalu menggambarkan progresi kamera dari detail dekat ke pengungkapan yang lebih lebar.
Tugas terekam BIIA0RLIILB65JTX meminta 15 detik pada 1080p, 16:9, dengan dua gambar referensi. Biaya yang tercatat adalah 637,5 kredit, sesuai dengan tarif tanpa video sebesar 42,5 kredit per detik output. Sampel ini memakai notasi lama @image_1 dan @image_2, yang juga diterima PoYo. Permintaan baru bisa memakai bentuk yang lebih jelas, yaitu @Image1 dan @Image2.
Unduh permintaan asli dan metadata sampel. Periksa apakah lentera tetap berada di tangan yang dimaksud, wajah dan pakaian tetap mudah dikenali, dan tata letak jembatan tetap koheren. Perlakukan hal-hal tersebut sebagai pertanyaan review, bukan sifat yang dijamin pada setiap permintaan referensi.
Mulai dengan dua referensi dan tanggung jawab yang eksplisit
Pola ringkas ini memakai dua peran yang sama. Ini adalah templat baru, bukan prompt persis yang menghasilkan video tersimpan di atas:
{
"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"
]
}
}
Untuk produk, tetapkan identitas ke packshot yang bersih dan komposisi ke referensi adegan yang terpisah. Sebutkan detail yang tidak boleh bergeser: geometri tutup, siluet, material, warna, atau posisi label. Jika dua gambar menampilkan versi berbeda dari botol yang sama, pilih satu versi acuan sebelum membuat video.
Hitung batas sebelum mengunggah
PoYo mengizinkan hingga 10 gambar referensi, lima video referensi, dan tujuh subjek, dengan maksimal tiga subjek yang didefinisikan dengan video. Batas gabungan per permintaan adalah 15 aset. Hitung sebuah subjek satu kali di tingkat itu; jangan hitung setiap foto di dalam subjek sebagai aset tingkat atas yang terpisah. Frame pertama opsional juga dihitung dalam batas 10 gambar dan 15 aset.
Setiap video input harus berdurasi 3–30 detik. Total video referensi dan video subjek tidak boleh melebihi 30 detik nyata. Permintaan pembuatan berbasis referensi bisa menyertakan satu frame pertama, tetapi tidak dengan frame terakhir tambahan. Untuk alur kerja dengan dua frame batas, gunakan image-to-video biasa tanpa array referensi atau subjek.
Uji apakah referensi tambahan membantu
Simpan baseline dengan satu referensi identitas yang jelas. Tambahkan gambar adegan, lalu tinjau apa yang berubah. Tambahkan video gerakan hanya jika kamera atau performa tidak bisa dijelaskan dengan memadai. Tujuannya adalah mengurangi ambiguitas, bukan mengisi setiap slot input.
Tinjau bagian pembuka, tengah, dan akhir secara bersamaan. Periksa ciri karakter, proporsi produk, hubungan antarobjek, dan montase gambar referensi yang tidak diinginkan. Jika output bergeser setelah kamera berputar, uji gerakan kamera yang lebih terkendali sebelum menambahkan aset visual lagi.
Penagihan dan field yang tidak didukung
Referensi gambar dan subjek yang hanya berupa gambar memakai harga tanpa video. Video referensi atau subjek yang didefinisikan dengan video mengaktifkan penagihan input video, termasuk minimum dua kali durasi output. Panduan harga menampilkan contoh perhitungannya.
Ikhtisar model resmi menjelaskan alur kerja kreatif multimodal yang lebih luas. Skema PoYo saat ini tidak menyediakan field referensi audio, sepuluh gambar keyframe berwaktu, atau output 4K. Gunakan panduan API untuk batas input terkini, dan tutorial pengeditan ketika rekaman sumber itu sendiri harus dipertahankan.