Omni Reference hữu ích khi chỉ riêng prompt không thể xác định chính xác nhân vật, sản phẩm, chuyển động hay bối cảnh bạn cần. Điểm mấu chốt là giao cho mỗi tham chiếu một nhiệm vụ riêng: một tham chiếu xác lập chủ thể, một tham chiếu khác cho bối cảnh, và một video có thể dẫn dắt chuyển động. Thêm tài nguyên mà không giải quyết mâu thuẫn giữa chúng có thể khiến tác vụ kém rõ ràng hơn.
Hướng dẫn này bám theo endpoint Kling 4.0 của PoYo, được kiểm tra vào ngày 24 tháng 10 năm 2026. Các khả năng của ứng dụng chính thức dành cho nhà sáng tạo và các trường API riêng của từng nhà cung cấp cần được kiểm chứng riêng.
Gán tài nguyên vào đúng trường
| Vai trò tài nguyên | Trường PoYo | Cách gọi trong prompt |
|---|---|---|
| Ngoại hình, bối cảnh, sản phẩm hoặc phong cách từ ảnh | reference_image_urls | @Image1, @Image2 |
| Tham chiếu chuyển động, diễn xuất hoặc máy quay | reference_video_urls | @Video1, @Video2 |
| Một chủ thể xuất hiện trong nhiều ảnh | kling_elements[].element_input_urls | @Element1, @Element2 |
| Một chủ thể được định nghĩa bằng video | kling_elements[].element_input_video_urls | @Element1, @Element2 |
| Bố cục mở đầu chính xác | Một mục image_urls trong chế độ tham chiếu | Xác lập khung hình đầu |
Chủ thể định nghĩa bằng ảnh cần hai đến bốn ảnh của cùng một chủ thể, trong đó ảnh chính diện đứng đầu. Chủ thể định nghĩa bằng video chứa một video. Mỗi chủ thể chỉ dùng một dạng, không dùng cả hai. Số thứ tự tham chiếu theo thứ tự trong từng mảng; @Element1 không phải tên đối tượng mà API tự động đặt ra.
Một ví dụ hai ảnh đã được ghi lại
Mẫu nhà kính của PoYo gán nhà tự nhiên học trưởng thành cho tham chiếu thứ nhất và bối cảnh nhà kính cho tham chiếu thứ hai. Yêu cầu chỉ định áo mưa, túi đeo chéo và chiếc đèn lồng làm điểm neo nhận diện, rồi mô tả chuyển động máy quay từ cận cảnh chi tiết đến cảnh rộng hơn.
Tác vụ đã ghi lại BIIA0RLIILB65JTX yêu cầu 15 giây ở 1080p, 16:9, với hai ảnh tham chiếu. Khoản phí ghi nhận là 637,5 tín dụng, khớp với đơn giá không có video là 42,5 tín dụng cho mỗi giây đầu ra. Mẫu này dùng ký hiệu cũ @image_1 và @image_2, PoYo vẫn chấp nhận. Yêu cầu mới có thể dùng dạng rõ ràng hơn là @Image1 và @Image2.
Tải về yêu cầu gốc và metadata của mẫu. Kiểm tra xem đèn lồng có ở đúng tay dự định, khuôn mặt và trang phục có dễ nhận ra, và bố cục cây cầu có giữ được mạch lạc hay không. Hãy coi đó là các câu hỏi để duyệt, không phải thuộc tính được đảm bảo của mọi yêu cầu tham chiếu.
Bắt đầu với hai tham chiếu và nhiệm vụ rõ ràng
Mẫu rút gọn dưới đây dùng đúng hai vai trò đó. Đây là template mới, không phải prompt chính xác đã tạo ra video được lưu:
{
"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"
]
}
}
Với sản phẩm, hãy giao nhận diện cho một ảnh packshot sạch và giao bố cục cho một tham chiếu bối cảnh riêng. Nêu rõ những chi tiết không được phép lệch: hình dạng nắp, đường nét tổng thể, chất liệu, màu sắc hoặc vị trí nhãn. Nếu hai ảnh thể hiện hai phiên bản khác nhau của cùng một chai, hãy chọn một phiên bản chuẩn trước khi tạo.
Đếm giới hạn trước khi tải lên
PoYo cho phép tối đa 10 ảnh tham chiếu, năm video tham chiếu và bảy chủ thể, trong đó tối đa ba chủ thể định nghĩa bằng video. Giới hạn tổng của mỗi yêu cầu là 15 tài nguyên. Ở cấp này, mỗi chủ thể chỉ tính một lần; đừng tính từng ảnh bên trong chủ thể như một tài nguyên cấp cao nhất riêng. Khung hình đầu tùy chọn cũng được tính vào giới hạn 10 ảnh và 15 tài nguyên.
Mỗi video đầu vào phải dài 3–30 giây. Tổng thời lượng thực của video tham chiếu và video chủ thể không được vượt quá 30 giây. Một yêu cầu tạo theo tham chiếu có thể kèm một khung hình đầu, nhưng không thể kèm thêm khung hình cuối. Với quy trình dùng hai khung hình biên, hãy dùng chế độ ảnh thành video thông thường, không có mảng tham chiếu hay chủ thể.
Kiểm tra xem tham chiếu bổ sung có giúp ích không
Giữ một bản cơ sở với một tham chiếu nhận diện rõ ràng. Thêm một ảnh bối cảnh, rồi xem điều gì đã thay đổi. Chỉ thêm video chuyển động khi máy quay hoặc diễn xuất không thể mô tả đủ bằng lời. Mục đích là giảm sự mơ hồ, không phải lấp đầy mọi ô đầu vào.
Xem phần mở đầu, giữa và kết thúc cùng nhau. Kiểm tra đặc điểm nhân vật, tỷ lệ sản phẩm, quan hệ giữa các vật thể và những cảnh ghép ảnh tham chiếu ngoài ý muốn. Nếu đầu ra bị lệch sau một cú xoay máy, hãy thử chuyển động máy tiết chế hơn trước khi thêm tài nguyên hình ảnh.
Tính phí và các trường không được hỗ trợ
Ảnh tham chiếu và chủ thể chỉ gồm ảnh dùng giá không có video. Một video tham chiếu hoặc chủ thể định nghĩa bằng video sẽ kích hoạt cách tính phí có video đầu vào, bao gồm mức tối thiểu bằng hai lần thời lượng đầu ra. Hướng dẫn về giá có các ví dụ tính cụ thể.
Tổng quan chính thức về mô hình mô tả các quy trình sáng tạo đa phương thức rộng hơn. Schema hiện tại của PoYo không cung cấp trường tham chiếu âm thanh, mười ảnh keyframe theo mốc thời gian hay đầu ra 4K. Hãy dùng hướng dẫn API để biết giới hạn đầu vào hiện hành, và hướng dẫn chỉnh sửa khi cần giữ lại chính cảnh quay nguồn.