Guide til Kling 4.0 Omni Reference: konsekvente figurer og produkter

Omni Reference er nyttig når en prompt alene ikke klarer å angi nøyaktig den figuren, det produktet, den bevegelsen eller det miljøet du trenger. Nøkkelen er å gi hver referanse en egen oppgave: én etablerer motivet, en annen scenen, og en video kan styre bevegelsen. Legger du til ressurser uten å rydde opp i motsetninger, kan oppgaven bli mindre tydelig.

Denne veiledningen følger PoYos Kling 4.0-endepunkt, sjekket 24. oktober 2026. Funksjonene i den offisielle appen for skapere og API-felt hos andre leverandører bør kontrolleres separat.

Koble ressursen til riktig felt

Motiver definert med bilder krever to til fire bilder av det samme motivet, med et bilde rett forfra først. Et motiv definert med video inneholder én video. Bruk én form per motiv, ikke begge. Nummereringen av referanser følger rekkefølgen i hver array; @Element1 er ikke et objektnavn som API-et finner på av seg selv.

Et dokumentert eksempel med to bilder

PoYos drivhuseksempel knytter den voksne naturforskeren til den første referansen og glasshusmiljøet til den andre. Forespørselen angir regnfrakken, skulderveska og lykten som identitetsankre, og beskriver deretter en kamerabevegelse fra nære detaljer til et bredere avslørende bilde.

Den dokumenterte oppgaven BIIA0RLIILB65JTX ba om 15 sekunder i 1080p, 16:9, med to referansebilder. Den registrerte belastningen er 637,5 kreditter, som stemmer med prisen uten video på 42,5 kreditter per sekund resultat. Eksemplet bruker den eldre notasjonen @image_1 og @image_2, som PoYo fortsatt godtar. Nye forespørsler kan bruke den tydeligere formen @Image1 og @Image2.

Last ned den opprinnelige forespørselen og metadataene for eksemplet. Sjekk om lykten blir i den tiltenkte hånden, om ansikt og klær forblir gjenkjennelige, og om broens utforming henger sammen. Se på dette som spørsmål ved gjennomgang, ikke som garanterte egenskaper ved enhver referanseforespørsel.

Start med to referanser og tydelige ansvarsområder

Dette forkortede mønsteret bruker de samme to rollene. Det er en ny mal, ikke den nøyaktige prompten som ga den lagrede videoen:

{
  "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"
    ]
  }
}

For et produkt gir du identiteten til et rent produktbilde og komposisjonen til en egen scenereferanse. Nevn detaljene som ikke får endre seg: korkens form, silhuett, materiale, farge eller plasseringen av etiketten. Hvis to bilder viser ulike versjoner av den samme flasken, velger du én gjeldende versjon før du genererer.

Tell grensene før du laster opp

PoYo tillater opptil 10 referansebilder, fem referansevideoer og sju motiver, hvorav maks tre kan være definert med video. Den samlede grensen per forespørsel er 15 ressurser. Et motiv telles én gang på dette nivået; ikke tell hvert av motivets bilder som en egen ressurs på toppnivå. En valgfri første bilderute teller også mot grensene på 10 bilder og 15 ressurser.

Hver inputvideo må vare 3–30 sekunder. Referanse- og motivvideoer kan til sammen ikke overstige 30 faktiske sekunder. En forespørsel med referansegenerering kan ta med én første bilderute, men ikke i tillegg en siste bilderute. For en arbeidsflyt med start- og sluttramme bruker du vanlig bilde-til-video uten referanse-arrays eller motiver.

Test om en ekstra referanse hjelper

Behold et utgangspunkt med én tydelig identitetsreferanse. Legg til et scenebilde, og se deretter hva som endret seg. Legg bare til en bevegelsesvideo hvis kameraet eller fremføringen ikke kan beskrives godt nok. Målet er å redusere tvetydighet, ikke å fylle alle inputfeltene.

Gå gjennom åpningen, midtpartiet og slutten samlet. Sjekk trekkene til figurene, proporsjonene til produktet, forholdet mellom objektene og uønskede montasjer av referansebildene. Hvis resultatet glir ut etter en kamerasving, tester du et roligere kamera før du legger til flere visuelle ressurser.

Fakturering og felt som ikke støttes

Bildereferanser og motiver med bare bilder bruker prisen uten video. En referansevideo eller et motiv definert med video utløser fakturering for videoinput, inkludert minimumet på to ganger resultatets varighet. Prisguiden viser utregnede eksempler.

Den offisielle modelloversikten beskriver bredere multimodale kreative arbeidsflyter. PoYos gjeldende skjema har ikke noe felt for lydreferanse, ti tidsbestemte nøkkelbilder eller 4K-output. Bruk API-guiden for gjeldende grenser for input, og redigeringsveiledningen når selve kildeopptaket skal beholdes.