Kling 3.0 Multi-Shot y audio nativo: qué hace el modelo

Qué anunció Kling 3.0

La imagen de arriba es de Crimson Vow, producida en este sitio; la captura del storyboard más abajo es la página que decidió sus planos.

Kling 3.0 y 3.0 Omni se anunciaron en febrero de 2026 (un comunicado de prensa fechado el 6 de febrero de 2026 y material en el propio blog de Kling). La capacidad estrella es la generación multiplano: una generación produce varios planos con cortes entre ellos, en lugar de un único movimiento de cámara ininterrumpido.

Según el anuncio: una toma dura 3–15 segundos; una generación puede contener hasta 6 cambios de plano; y cada plano puede llevar su propia duración, encuadre, ángulo, contenido y movimiento de cámara. El blog de Kling describe un AI Director que gestiona el diálogo en plano y contraplano y el montaje paralelo dentro de la toma. Los artículos de terceros sobre el mismo lanzamiento presentan la función como Smart Storyboard y Custom Storyboard.

El acceso es por niveles en el lado de Kling: la página oficial indica que desbloquear la versión 3.0 requiere una membresía Pro, Premier o Ultra.

Audio nativo: la segunda mitad del anuncio

Kling 3.0 genera vídeo y audio en una sola pasada en lugar de doblar después. La lista de idiomas anunciada es inglés, chino, japonés, coreano y español, con acentos (entre ellos inglés estadounidense, británico e indio, además de varios dialectos del chino). En escenas con varios hablantes, el comportamiento anunciado es que las líneas se asignan al hablante correcto.

La consecuencia práctica es el tiempo. Cuando la línea forma parte del render, el movimiento de la boca, la pausa y la duración del plano se deciden a la vez; cuando una línea se añade después, alguien tiene que ajustar una cosa para que encaje con la otra. El razonamiento detrás de generar el diálogo de forma nativa se explica con más detalle en Diálogo nativo vs doblaje.

Modos de referencia y Character Identity 3.0

Los modos anunciados son texto a vídeo, imagen a vídeo, primer y último fotograma, referencia de varias imágenes, referencia de elemento (un sujeto — una persona, un objeto, un lugar) y referencia de elemento de vídeo.

Character Identity 3.0 es la capa de coherencia: un personaje se puede definir a partir de un vídeo de referencia o de varias imágenes. La guía de Kling dice que la mayor coherencia viene de un vídeo del personaje de unos 3–8 segundos. Un Element también puede vincularse a una voz (Element Voice Control), de modo que el mismo sujeto llegue con el mismo sonido.

El texto en pantalla es la última capacidad anunciada que vale la pena nombrar: se describe que los letreros, los subtítulos y los logotipos siguen siendo legibles durante el movimiento, lo que importa en cualquier plano donde un cartel lleve información de la historia.

Seis planos en una toma: qué cambia al escribir

Una generación que puede cortar internamente cambia para qué sirve una toma. En lugar de un solo movimiento de cámara, escribes una secuencia corta: un plano de situación, la reacción, el plano de dos personas, el plano de detalle — con los cortes ya dentro del clip.

De ahí se siguen dos consecuencias, y ambas tienen que ver con la disciplina de montaje más que con los modelos:

• El corte entre planos dentro de la toma se decide en el momento de generar. Lo escribes tú, no lo encuentras después en el montaje. Eso se parece más a un storyboard que a un prompt.
• Cada plano dentro de la toma sigue necesitando su propia información — quién está en cuadro, cuánto dura, qué se dice. Una toma de seis planos son seis escenas pequeñas con un mismo número de toma.

La idea del storyboard, un nivel más arriba

Todo lo que Kling 3.0 le pide a quien escribe — límites de plano, duración por plano, encuadre, quién está en cuadro, qué se dice — es lo que ya es un storyboard. El modelo ha convertido el paso en papel en parte de la entrada.

Es la misma estructura que usa este sitio para una serie. Un guion se lee y se convierte en episodios; cada episodio recibe un storyboard hecho de segmentos; cada segmento contiene planos numerados, y cada plano lleva sus segundos, las personas en cuadro y las líneas que se dicen. Después los segmentos se renderizan uno a uno y se montan en un archivo por episodio. Cómo hacer un drama corto con IA recorre el proceso de principio a fin.

Así que, si llegas aquí desde Kling 3.0, la traducción útil es esta: lo que el modelo llama una generación multiplano es lo que una página de storyboard llama un segmento; lo que llama un plano con duración y encuadre es lo que el storyboard llama un plano numerado con sus segundos. El vocabulario es distinto; la disciplina es la misma, y es la parte que se traslada.

Cómo se ve un storyboard aquí

Un segmento en este editor es corto y concreto. Empieza con dónde y cuándo (localización, hora del día, clima) y después lista los planos numerados. Cada línea de plano lleva su duración en segundos, los personajes que realmente están en cuadro y cualquier línea hablada, con el sonido anotado aparte. Editar cualquiera de esos textos es gratis; lo que cuesta es regenerar el segmento.

Dos hábitos hacen que escribir seis planos funcione en ambos lados de la valla:

• Un momento por plano. Si en un plano pasan dos cosas, son dos planos. Un corte dentro de una toma sigue siendo un corte.
• Escribe la lista de cuadro con honestidad. Nombrar a alguien que no es visible en el plano es una de las causas más comunes de que un encuadre se desvíe de lo planificado. Cómo escribir un plano explica qué va en la línea y qué no.

En qué se diferencian los dos enfoques

La generación multiplano decide el corte en el momento de generar, dentro de una toma. Este sitio corta entre segmentos: cada segmento se renderiza como su propia toma y la composición del episodio los une. El intercambio es sencillo — los cortes internos compran continuidad dentro de una escena y te cuestan la posibilidad de volver a montar después; los segmentos separados hacen que cada unión sea revisable y se pueda volver a renderizar por sí sola.

Para el trabajo con series, el patrón práctico es el mismo en ambos casos: fija la historia en el guion, fija la lista de planos en el storyboard y solo entonces gasta tiempo de render. Editar un plano sin rehacer el episodio es la versión de esa disciplina aquí.

Cosas a tener en cuenta sobre el anuncio

• Las cifras de 3.0 son las suyas. 3–15 segundos y 6 planos describen la 3.0; el anuncio posterior de la 4.0 volvió a mover las cifras. Compara cosas comparables.
• Solo con membresía. La página oficial vincula el acceso a la 3.0 con los niveles de membresía de pago de Kling; el nivel gratuito no llega.
• Los nombres de terceros son marketing. “Smart Storyboard” y “Custom Storyboard” vienen de la cobertura del lanzamiento; el blog del propio Kling describe la misma capacidad como generación multiplano con un AI Director.
• Rango del vídeo del personaje. La pauta de 3–8 segundos para la identidad de personaje más sólida es una recomendación del propio Kling, no un límite a los formatos que puedes probar.

Fuentes

• Kling: guía de multi-shot y audio nativo de Video 3.0 Omni (blog de kling.ai, junio de 2026) — número de planos, duraciones, idiomas de audio, modos de referencia y Character Identity 3.0.
• Bernama: comunicado de prensa de Kling 3.0 (6 de febrero de 2026) — el lanzamiento y la lista de modelos (Video 3.0, Video 3.0 Omni, Image 3.0, Image 3.0 Omni).

Kling es una marca registrada de su titular y se nombra aquí solo para identificar el producto; SceneMixer no está afiliado a ella. Las especificaciones se citan tal como se anunciaron y pueden cambiar.

Preguntas frecuentes

Actualizado el 15 de octubre de 2026

Precios·Guías·Ejemplos·Alternativas·Respuestas·Soporte·Privacidad·Términos·Aviso legal·Contacto·Programa de afiliados·© 2026 SceneMixer