Kling 4.0 ya se puede llamar por API desde fal para cualquier cliente. El modelo de Kuaishou genera hasta 30 segundos de vídeo en un solo plano y acepta diez fotogramas clave, aunque parte de sus especificaciones sigue sin estar disponible en los endpoints de terceros.
Qué significa que Kling 4.0 abra su API en fal
El 23 de octubre, fal anunció que el acceso por API a Kling 4.0 queda abierto a todos sus clientes. Antes, el modelo solo se podía usar dentro de su propia interfaz y de su agente. La diferencia importa: una cosa es probar un vídeo en una web, otra es meterlo en un flujo de producción con llamadas automáticas.
Las fechas se solapan y conviene ordenarlas. Kuaishou fechó el lanzamiento oficial de Kling 4.0 el 15 de octubre y la apertura gradual de la API desde el 21. La versión rápida, Kling 4.0 Flash, llevaba en acceso temprano desde el 28 de septiembre.
El movimiento sitúa a Kling en la misma estantería que Veo 3.1, Seedance 2.5 y Runway, y ahora se puede comparar con las mismas herramientas que el resto.
Treinta segundos en un solo plano, sin unir clips
La especificación que más cambia el trabajo diario es la duración. Una generación de Kling 4.0 va de 3 a 30 segundos y sale como una toma nativa, sin empalmes. Hasta hace poco, treinta segundos se conseguían encadenando cuatro o cinco fragmentos y rezando para que la luz no cambiara entre uno y otro.
Ese salto elimina el trabajo más aburrido del oficio. Un anuncio de treinta segundos solía necesitar cinco generaciones, cinco revisiones y un montaje que disimulara las costuras. Ahora es una sola llamada. Sin costuras que disimular.
También cambia lo que se puede pedir. En una toma larga caben un plano de apertura, un movimiento de cámara y un cierre. En cinco clips de seis segundos, el encuadre se reinicia cada vez y el espectador lo nota.
El límite práctico sigue ahí. Treinta segundos no son un corto ni una escena completa. Son un plano. Para una pieza de un minuto hacen falta dos generaciones como mínimo, y la continuidad entre ambas vuelve a ser trabajo del editor.
Diez fotogramas clave y quince referencias para dirigir la toma
El segundo cambio es el control. Kling 4.0 acepta hasta diez fotogramas clave por generación: primero, último y varios intermedios. Con eso se puede fijar el encuadre de un momento concreto sin tener que describirlo con palabras en el prompt, que es donde suelen perderse los matices.
A eso se suma Omni Reference, que reúne hasta quince materiales de referencia. El reparto es hasta diez imágenes, hasta cinco vídeos que sumen treinta segundos en total, referencias de voz y hasta siete elementos. Los límites son compartidos, así que no se pueden usar diez imágenes y cinco vídeos a la vez sin recortar en otro sitio.
Para una campaña con un producto concreto, se sube el envase desde cuatro ángulos, se marca el fotograma en el que debe aparecer y el modelo mantiene la forma entre planos. Sin referencias, cada generación reinventa el objeto.
El prompt admite hasta 8.000 tokens y el modelo escribe texto en pantalla en varios idiomas, entre ellos español, inglés, portugués, francés y alemán. Es un detalle pequeño que ahorra una capa entera de postproducción.
Resolución, audio y HDR en Kling 4.0
Kling 4.0 ofrece 720p, 1080p y 4K, con audio estéreo de dos canales generado en el mismo paso. El HDR de 10 bits en 1080p y 4K aparece anunciado como próxima función, no como algo que ya esté en producción.
Los formatos disponibles son 21:9, 16:9, 1:1, 9:16 y automático. El 21:9 es nuevo; el 9:16 sigue siendo el que necesita cualquiera que publique en redes.
La edición de vídeo también entra en el paquete. Se pueden introducir hasta cinco clips, uno principal y cuatro de referencia, con treinta segundos en total, y la extensión llega hasta dos minutos en la hoja de especificaciones. Esa extensión, otra vez, está marcada como pendiente.
Solo sobre el papel.
Aquí conviene separar el anuncio del producto que de verdad se puede usar hoy. Las hojas de especificaciones describen lo que el modelo puede hacer. Los endpoints disponibles hoy hacen un subconjunto bastante más pequeño.
Cuánto cuesta Kling 4.0 según un catálogo de terceros
Los precios que circulan en los foros no vienen de Kuaishou, y eso cambia cómo hay que leerlos. Un catálogo de API de terceros, SandBase, publica 0,157 dólares por segundo de salida en 720p y 0,235 en 1080p. Un clip de 30 segundos en 1080p sale por unos 7,05 dólares.
La edición de vídeo se factura por segundos de entrada más segundos de salida, así que el coste sube con cada clip de referencia que se añada. Para un estudio pequeño, esa estructura obliga a pensar antes de iterar: cinco intentos de treinta segundos son treinta y cinco dólares. Ahí duele de verdad.
Por segundo, Kling no es barato. Por plano terminado, el cálculo cambia: un solo clip sustituye a varios.
Los 339 segundos de espera y lo que aún no está disponible
SandBase publicó una prueba de una sola ejecución, y el medio lo deja claro: no es un benchmark. En su primer intento de texto a vídeo, un clip de cinco segundos en 1080p, la generación tardó 339 segundos. Con el mismo prompt, Veo 3.1 con el audio desactivado tardó 51 segundos en un clip de cuatro segundos.
Casi seis minutos por cinco segundos de vídeo es un dato que cambia la planificación. Para una pieza de treinta segundos en un solo plano, la espera se multiplica. Quien venga de un generador de imágenes, donde dos segundos ya parecen lentos, va a notar el cambio en el calendario y en la factura.
¿Merece la pena esperar seis minutos por cinco segundos de vídeo? Depende de si la pieza se emite una vez o de si el equipo va a lanzar veinte variantes del mismo plano hasta dar con la que convence, que es lo que hace casi todo el mundo cuando la primera generación no sale como esperaba.
La segunda advertencia es la brecha entre especificación y disponibilidad. En los endpoints de terceros no están expuestos el 4K, el HDR de 10 bits, Omni Reference en su totalidad ni la extensión de dos minutos. Lo que sí funciona hoy son los fotogramas de inicio y fin, las referencias de hasta diez imágenes y cinco vídeos, y las resoluciones 720p y 1080p.
Kling dice tener 60 millones de creadores y 30.000 clientes empresariales, dos cifras que la empresa no ha sometido a auditoría externa.
Para qué sirve de verdad un plano de 30 segundos
El caso más claro de uso real es el anuncio de producto. Un plano largo, con la cámara acercándose al envase mientras el fondo cambia, era antes un trabajo de rodaje o de composición en postproducción. Con diez fotogramas clave, se puede dirigir sin salir del navegador.
El segundo caso son las series cortas para redes. Un plano de treinta segundos cubre una escena completa de diálogo si hay audio y una referencia de voz. Para un episodio de varios minutos, la continuidad entre planos sigue siendo el cuello de botella.
El tercero es el vídeo con rótulos. El texto en pantalla multilingüe ahorra el subtitulado, aunque la revisión humana sigue haciendo falta: un rótulo mal escrito cuesta más que la generación.
Para un equipo pequeño, la cuenta es esta: Kling 4.0 ya sirve para producir un plano complejo sin equipo de rodaje, y todavía no sirve para producir una secuencia entera sin montaje. La diferencia entre esas dos frases es la diferencia entre una demo y un flujo de trabajo.
