O Omni Reference é útil quando só o prompt não basta para identificar exatamente o personagem, o produto, o movimento ou o ambiente de que você precisa. O segredo é dar a cada referência uma função separada: uma define o sujeito, outra o cenário, e um vídeo pode orientar o movimento. Acrescentar recursos sem resolver contradições pode deixar a tarefa menos clara.
Este tutorial segue o endpoint do Kling 4.0 na PoYo, conferido em 24 de outubro de 2026. Os recursos oficiais do app para criadores e os campos de API específicos de cada provedor devem ser verificados separadamente.
Associe cada recurso ao campo certo
| Papel do recurso | Campo na PoYo | Referência no prompt |
|---|---|---|
| Aparência, cenário, produto ou estilo a partir de imagem | reference_image_urls | @Image1, @Image2 |
| Referência de movimento, atuação ou câmera | reference_video_urls | @Video1, @Video2 |
| Um sujeito mostrado em várias imagens | kling_elements[].element_input_urls | @Element1, @Element2 |
| Um sujeito definido por um vídeo | kling_elements[].element_input_video_urls | @Element1, @Element2 |
| Composição exata de abertura | Uma entrada em image_urls no modo de referência | Define o primeiro quadro |
Sujeitos definidos por imagem exigem de duas a quatro imagens do mesmo sujeito, com a vista frontal primeiro. Um sujeito definido por vídeo contém um único vídeo. Use uma forma por sujeito, não as duas. A numeração das referências segue a ordem dentro de cada array; @Element1 não é um nome de objeto que a API inventa automaticamente.
Um exemplo registrado com duas imagens
A amostra do jardim de inverno da PoYo atribui a naturalista adulta à primeira referência e o ambiente da estufa à segunda. A requisição define a capa de chuva, a bolsa a tiracolo e a lanterna como âncoras de identidade e depois descreve uma progressão de câmera do detalhe em close até uma revelação mais aberta.
A tarefa registrada BIIA0RLIILB65JTX pediu 15 segundos em 1080p, 16:9, com duas imagens de referência. A cobrança registrada foi de 637,5 créditos, o que corresponde à tarifa sem vídeo de 42,5 créditos por segundo de saída. A amostra usa a notação legada @image_1 e @image_2, que a PoYo também aceita. Novas requisições podem usar a forma mais clara @Image1 e @Image2.
Baixe a requisição original e os metadados da amostra. Verifique se a lanterna fica na mão pretendida, se o rosto e as roupas continuam reconhecíveis e se o desenho da ponte permanece coerente. Trate esses pontos como perguntas de revisão, não como propriedades garantidas de qualquer requisição com referência.
Comece com duas referências e responsabilidades explícitas
Este padrão resumido usa os mesmos dois papéis. É um modelo novo, não o prompt exato que gerou o vídeo salvo:
{
"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"
]
}
}
Para um produto, atribua a identidade a um packshot limpo e a composição a uma referência de cenário separada. Nomeie os detalhes que não podem variar: geometria da tampa, silhueta, material, cor ou posição do rótulo. Se duas imagens mostram versões diferentes do mesmo frasco, escolha uma versão de referência antes de gerar.
Confira os limites antes do upload
A PoYo permite até 10 imagens de referência, cinco vídeos de referência e sete sujeitos, com no máximo três sujeitos definidos por vídeo. O limite combinado da requisição é de 15 recursos. Conte cada sujeito uma vez nesse nível; não conte cada foto interna do sujeito como um recurso separado no nível superior. Um primeiro quadro opcional também conta para os limites de 10 imagens e de 15 recursos.
Cada vídeo de entrada deve durar de 3 a 30 segundos. Os vídeos de referência e de sujeito, somados, não podem passar de 30 segundos reais. Uma requisição de geração por referência pode incluir um primeiro quadro, mas não um último quadro adicional. Para um fluxo com dois quadros de início e fim, use o modo comum de imagem para vídeo, sem arrays de referência nem sujeitos.
Teste se uma referência extra ajuda
Mantenha uma linha de base com uma única referência de identidade clara. Adicione uma imagem de cenário e depois revise o que mudou. Adicione um vídeo de movimento só se a câmera ou a atuação não puderem ser descritas de forma adequada. O objetivo é reduzir a ambiguidade, não preencher todos os campos de entrada.
Revise a abertura, o meio e o final em conjunto. Confira os traços do personagem, as proporções do produto, as relações entre objetos e montagens indesejadas com as imagens de referência. Se o resultado se desviar depois de um giro de câmera, teste uma câmera mais contida antes de acrescentar mais recursos visuais.
Cobrança e campos não suportados
Imagens de referência e sujeitos definidos só por imagens usam o preço sem vídeo. Um vídeo de referência ou um sujeito definido por vídeo ativa a cobrança com entrada de vídeo, incluindo o mínimo de duas vezes a duração de saída. O guia de preços mostra exemplos calculados.
A visão geral oficial do modelo descreve fluxos criativos multimodais mais amplos. O schema atual da PoYo não expõe um campo de referência de áudio, dez imagens de keyframe com tempo definido nem saída em 4K. Use o guia da API para conferir os limites atuais de entrada e o tutorial de edição quando o próprio vídeo de origem precisar ser mantido.