O Omni Reference é útil quando só o prompt não consegue identificar a personagem, o produto, o movimento ou o ambiente exatos de que precisas. O segredo é dar a cada referência uma função distinta: uma estabelece o sujeito, outra a cena, e um vídeo pode orientar o movimento. Acrescentar assets sem resolver contradições pode tornar a tarefa menos clara.
Este tutorial segue o endpoint do Kling 4.0 no PoYo, verificado a 24 de outubro de 2026. As capacidades da aplicação oficial para criadores e os campos da API específicos de cada fornecedor devem ser verificados em separado.
Associa o asset ao campo certo
| Papel do asset | Campo do PoYo | Referência no prompt |
|---|---|---|
| Aspeto da imagem, cena, produto ou estilo | reference_image_urls | @Image1, @Image2 |
| Referência de movimento, interpretação ou câmara | 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 inicial exata | Uma entrada em image_urls no modo de referência | Estabelece o primeiro frame |
Os sujeitos definidos por imagens exigem duas a quatro imagens do mesmo sujeito, com uma vista frontal em primeiro lugar. Um sujeito definido por vídeo contém um vídeo. Usa 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 invente automaticamente.
Um exemplo gravado com duas imagens
O exemplo do conservatório do PoYo atribui o naturalista adulto à primeira referência e o ambiente da estufa à segunda. O pedido especifica o impermeável, a mochila e a lanterna como âncoras de identidade e descreve depois uma progressão de câmara, de um pormenor em grande plano para uma revelação mais ampla.
A tarefa gravada BIIA0RLIILB65JTX pediu 15 segundos em 1080p, 16:9, com duas imagens de referência. O custo registado é de 637,5 créditos, o que corresponde à tarifa sem vídeo de 42,5 créditos por segundo de saída. O exemplo usa a notação antiga @image_1 e @image_2, que o PoYo também aceita. Os novos pedidos podem usar a forma mais clara @Image1 e @Image2.
Transfere o pedido original e os metadados do exemplo. Verifica se a lanterna se mantém na mão pretendida, se o rosto e a roupa continuam reconhecíveis e se a disposição da ponte se mantém coerente. Trata estas verificações como perguntas de revisão e não como propriedades garantidas de qualquer pedido com referências.
Começa com duas referências e responsabilidades explícitas
Este padrão abreviado usa os mesmos dois papéis. É um template novo, não o prompt exato que produziu o vídeo guardado:
{
"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"
]
}
}
No caso de um produto, atribui a identidade a um packshot limpo e a composição a uma referência de cena separada. Nomeia os pormenores que não podem variar: geometria da tampa, silhueta, material, cor ou posição do rótulo. Se duas imagens mostrarem versões diferentes do mesmo frasco, escolhe uma versão de referência antes de gerares.
Conta os limites antes de carregar
O 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 do pedido é de 15 assets. Conta um sujeito uma só vez a esse nível; não contes cada fotografia interna do sujeito como um asset de nível superior separado. Um primeiro frame opcional também conta para os limites de 10 imagens e de 15 assets.
Cada vídeo de entrada tem de durar entre 3 e 30 segundos. Os vídeos de referência e de sujeito, em conjunto, não podem exceder 30 segundos reais. Um pedido de geração com referências pode incluir um primeiro frame, mas não um último frame adicional. Para um fluxo com dois frames de limite, usa o imagem para vídeo normal, sem arrays de referências nem sujeitos.
Testa se uma referência extra ajuda
Mantém uma base de comparação com uma referência de identidade clara. Acrescenta uma imagem de cena e analisa o que mudou. Só acrescentes um vídeo de movimento se não conseguires descrever adequadamente a câmara ou a interpretação. O objetivo é reduzir a ambiguidade, não preencher todos os espaços de entrada.
Revê o início, o meio e o fim em conjunto. Verifica as feições da personagem, as proporções do produto, as relações entre objetos e montagens indesejadas de imagens de referência. Se o resultado se desviar depois de um movimento de câmara, testa uma câmara mais contida antes de acrescentares mais assets visuais.
Faturação e campos não suportados
As imagens de referência e os sujeitos só com imagens usam o preço sem vídeo. Um vídeo de referência ou um sujeito definido por vídeo ativa a faturação com entrada de vídeo, incluindo o mínimo do dobro da duração de saída. O guia de preços mostra exemplos calculados.
A visão geral oficial do modelo descreve fluxos criativos multimodais mais amplos. O esquema atual do PoYo não expõe um campo de referência de áudio, dez imagens de keyframe com tempos definidos nem saída em 4K. Usa o guia da API para os limites de entrada atuais e o tutorial de edição quando o próprio material de origem tem de ser mantido.