Mixer AI
Kling 4.0
Un clip de hasta 30 segundos a partir de texto y referencias o de una cadena de fotogramas clave: personajes con nombre, muestras de voz y fotogramas exactos.
Actualizado
Cuándo elegirlo
Kling 4.0 funciona en dos modos en Mixer AI. Texto y referencias monta una escena con un prompt, fotos, vídeos, personajes y voces: cada héroe recibe un nombre y el prompt lo cita como @Nombre. Fotogramas clave lleva el clip de un primer fotograma a un último fotograma pasando por fotogramas intermedios. El modo se elige primero: define qué materiales hacen falta y cómo se cuenta el precio.
- Personajes con nombre: hasta 7 héroes u objetos, cada uno con 2–4 fotos o un fragmento de vídeo; el prompt los llama como @Nombre.
- Hasta 30 segundos en 720p o 1080p bastan para una escena con varias acciones.
- Fotogramas clave: hasta 8 fotogramas intermedios entre el primero y el último marcan la ruta del movimiento.
Modos y ajustes
- Texto y referencias: hasta 10 fotos de referencia y 5 vídeos, hasta 7 personajes (2–4 fotos o un fragmento de vídeo de 3–8 segundos cada uno) y hasta 3 muestras de voz. El interruptor Sonido del vídeo solo se aplica a los vídeos de referencia.
- Fotogramas clave: un primer fotograma, un último fotograma y hasta 8 intermedios. El total de fotogramas depende de la duración y nunca pasa de 10.
- Duración de 3 a 30 segundos, 720p o 1080p, formatos Auto, 16:9, 9:16, 1:1 y 21:9; se pueden pedir 1, 2 o 4 resultados a la vez.
- El cobro es por segundo, con un mínimo de 3 segundos. Un vídeo de referencia baja la tarifa, pero se pagan los segundos del resultado más el mayor de dos valores: la duración del vídeo de entrada o la del resultado.
Precio en monedas
| Versión | Calidad / tamaño | Entrada | Monedas / segundo |
|---|---|---|---|
| Reference | 720p | Texto y referencias | ≈ 20,09 |
| Reference | 720p | Con video de referencia | ≈ 12,76 |
| Reference | 1080p | Texto y referencias | ≈ 28,7 |
| Reference | 1080p | Con video de referencia | ≈ 18,22 |
| Keyframes | 720p | Fotogramas clave | ≈ 20,09 |
| Keyframes | 1080p | Fotogramas clave | ≈ 28,7 |
El cobro es por segundo, no por un clip de duración fija. La tarifa se multiplica por la duración facturable; el total de la solicitud se redondea hacia arriba a una moneda entera una sola vez.
Con un vídeo de referencia se pagan los segundos del resultado más el mayor de dos valores: la duración del vídeo de entrada o la del resultado, con la tarifa de la fila Con video de referencia. El mínimo es de 3 segundos.
≈ indica una tarifa redondeada a dos decimales para mostrarla; el cálculo usa la precisión completa.
En dólares: desde ≈ $0,221 por segundo. 1 moneda ≈ $0,011.
Qué puedes crear
- Un clip con un héroe recurrente: sube las fotos del héroe como personaje y cítalo en distintas partes de un mismo prompt.
- Animación a partir de un storyboard: los fotogramas inicial, final e intermedios marcan el camino y el prompt describe el movimiento entre ellos.
Cómo pedir el resultado
- Da a los personajes nombres cortos y distintos y cítalos en el prompt como @Nombre, con las mismas mayúsculas que en el formulario.
- En el modo Fotogramas clave describe solo el movimiento entre fotogramas: el aspecto ya lo fijan las imágenes.
Ejemplo: dos héroes en una escena
@Mila se acerca a la mesa de un café donde está @Oleg y deja un sobre delante de él. Cámara fija, plano medio. Oleg levanta la vista, toma el sobre y sonríe. La ropa y los rostros no cambian. Luz de día desde la ventana.
Qué tener en cuenta
- Los modos no se mezclan: Fotogramas clave no admite vídeo, y los personajes y las voces pertenecen solo al modo Texto y referencias.
- La foto de un héroe debe tener al menos 300 píxeles en el lado corto; un personaje en vídeo necesita al menos 700 píxeles y un plano continuo.
Fuentes
Datos del modelo verificados: 2026-10-24.
Guías y comparaciones con este modelo
Preguntas frecuentes
¿En qué se diferencia Texto y referencias de Fotogramas clave?
El primer modo monta una escena con prompt, fotos, vídeos, personajes y voces. El segundo construye el clip con fotogramas: inicial, final e intermedios. Los vídeos y los personajes existen solo en el primer modo.
¿Cuántos personajes puedo usar?
Hasta 7. Cada uno necesita 2–4 fotos o un fragmento de vídeo de 3–8 segundos. Se pueden añadir hasta 3 muestras de voz.
¿Cómo cito a un personaje en el prompt?
Escribe @ y el nombre fijado en el formulario, por ejemplo @Mila. Las mayúsculas importan; usa nombres cortos y distintos.
¿Cuántos segundos se cobran con un vídeo de referencia?
Los segundos del resultado más el mayor de dos valores: la duración del vídeo de entrada o la del resultado. El cálculo usa la fila Con video de referencia de la tabla.
¿Cuál es la duración mínima?
3 segundos. Es también el mínimo de tiempo facturable.
¿Qué requisitos tienen las fotos y los vídeos de personajes?
Una foto necesita al menos 300 píxeles en el lado corto; un fragmento de vídeo, al menos 700 píxeles y un plano continuo sin cortes.
¿De qué depende el precio?
La tarifa por segundo depende de la calidad, el modo y, en algunos modelos, el sonido. Se multiplica por la duración facturable. Cuando se cobra el video de entrada, su duración también cuenta. El total se redondea una sola vez.
¿Necesito una suscripción al modelo?
No. En Mixer AI recargas un saldo en monedas y lo usas para las tareas que necesites. No hace falta contratar una suscripción aparte para este modelo.