Kling 3.0 Multi-Shot e áudio nativo: o que o modelo faz

O que o Kling 3.0 anunciou

O quadro acima é de Crimson Vow, produzido neste site; a captura de tela do storyboard mais abaixo é a página que decidiu os planos dele.

O Kling 3.0 e o 3.0 Omni foram anunciados em fevereiro de 2026 (um comunicado de imprensa datado de 6 de fevereiro de 2026 e material no blog da própria Kling). A capacidade principal é a geração multi-shot: uma geração produz vários planos com cortes entre eles, em vez de um único movimento de câmera contínuo.

Segundo o anúncio: um take dura 3–15 segundos; uma geração pode conter até 6 trocas de plano; e cada plano pode ter duração, enquadramento, ângulo, conteúdo e movimento de câmera próprios. O blog da Kling descreve um AI Director que cuida de diálogos em plano e contraplano e de montagem paralela dentro do take. Textos de terceiros sobre o mesmo lançamento vendem o recurso como Smart Storyboard e Custom Storyboard.

O acesso é escalonado do lado da Kling: a página oficial informa que liberar o 3.0 exige uma assinatura Pro, Premier ou Ultra.

Áudio nativo: a segunda metade do anúncio

O Kling 3.0 gera vídeo e áudio na mesma passada, em vez de dublar depois. A lista de idiomas anunciada é inglês, chinês, japonês, coreano e espanhol, com sotaques (inglês americano, britânico e indiano, entre eles, além de vários dialetos do chinês). Em cenas com vários falantes, o comportamento anunciado é que as falas sejam atribuídas ao falante certo.

A consequência prática é o tempo. Quando a fala faz parte da renderização, o movimento da boca, a pausa e a duração do plano são decididos juntos; quando uma fala é adicionada depois, alguém precisa dobrar um para encaixar no outro. O raciocínio por trás de gerar o diálogo de forma nativa é tratado com mais profundidade em Diálogo nativo vs dublagem.

Modos de referência e Character Identity 3.0

Os modos anunciados são texto para vídeo, imagem para vídeo, primeiro e último quadro, referência de várias imagens, referência de elemento (um sujeito — uma pessoa, um objeto, um lugar) e referência de elemento em vídeo.

O Character Identity 3.0 é a camada de consistência: um personagem pode ser definido a partir de um vídeo de referência ou de várias imagens. A orientação da Kling diz que a consistência mais forte vem de um vídeo do personagem de cerca de 3–8 segundos. Um Element também pode ser vinculado a uma voz (Element Voice Control), para que o mesmo sujeito chegue com o mesmo som.

O texto na tela é a última capacidade anunciada que vale citar: letreiros, legendas e logotipos são descritos como legíveis durante o movimento, o que importa em qualquer plano em que uma placa carrega informação da história.

Seis planos em um take: o que muda na escrita

Uma geração que pode cortar internamente muda para que serve um take. Em vez de um único movimento de câmera, você escreve uma sequência curta: um plano de situação, a reação, o plano de dois, o inserto — com os cortes já dentro do clipe.

Duas consequências decorrem disso, e as duas tratam de disciplina de edição, não de modelos:

• O corte entre planos dentro do take é decidido na hora de gerar. Você o escreve, não o encontra depois numa edição. Isso se parece mais com um storyboard do que com um prompt.
• Cada plano dentro do take ainda precisa das próprias informações — quem está em quadro, quanto dura, o que é dito. Um take de seis planos são seis pequenas cenas com um único número de take.

A ideia do storyboard, um nível acima

Tudo o que o Kling 3.0 pede ao roteirista — limites dos planos, duração por plano, enquadramento, quem está em quadro, o que é dito — é o que um storyboard já é. O modelo transformou a etapa no papel em parte da entrada.

É a mesma estrutura que este site usa para uma série. Um roteiro é lido e vira episódios; cada episódio recebe um storyboard feito de segmentos; cada segmento guarda planos numerados, e cada plano traz seus segundos, as pessoas em quadro e as falas a serem ditas. Os segmentos são então renderizados um de cada vez e montados em um arquivo por episódio. Como fazer um drama curto com IA percorre o pipeline de ponta a ponta.

Então, se você chega aqui vindo do Kling 3.0, a tradução útil é esta: o que o modelo chama de geração multi-shot é o que uma página de storyboard chama de segmento; o que ele chama de plano com duração e enquadramento é o que o storyboard chama de plano numerado com seus segundos. O vocabulário é diferente; a disciplina é a mesma, e é a parte que se transfere.

Como é um storyboard aqui

Um segmento neste editor é curto e específico. Ele abre com onde e quando (local, hora do dia, clima) e depois lista planos numerados. Cada linha de plano traz a duração em segundos, os personagens que realmente estão em quadro e qualquer fala, com o som anotado à parte. Editar qualquer um desses textos é grátis; o que custa é gerar o segmento de novo.

Dois hábitos fazem a escrita de seis planos funcionar dos dois lados da cerca:

• Uma batida por plano. Se um plano tem duas coisas acontecendo, são dois planos. Um corte dentro de um take continua sendo um corte.
• Escreva a lista de quem está em quadro com honestidade. Nomear alguém que não está visível no plano é uma das causas mais comuns de um quadro que se afasta do planejado. Como escrever um plano trata do que pertence à linha e do que não pertence.

Onde as duas abordagens se diferenciam

A geração multi-shot decide o corte na hora de gerar, dentro de um único take. Este site corta entre segmentos: cada segmento é renderizado como um take próprio e a montagem do episódio os une. A troca é simples — cortes internos dão continuidade dentro de uma cena e tiram a possibilidade de recortar depois; segmentos separados deixam cada emenda revisável e renderizável de novo por conta própria.

Para trabalho com séries, o padrão prático é o mesmo nos dois casos: fixe a história no roteiro, fixe a lista de planos no storyboard e só então gaste tempo de renderização. Editar um plano sem refazer o episódio é a versão dessa disciplina aqui.

O que ter em mente sobre o anúncio

• Os números do 3.0 são só dele. 3–15 segundos e 6 planos descrevem o 3.0; o anúncio posterior do 4.0 mudou os números de novo. Compare coisas equivalentes.
• Restrito a assinantes. A página oficial liga o acesso ao 3.0 aos níveis pagos de assinatura da Kling; o nível gratuito não chega lá.
• Nomes de terceiros são marketing. “Smart Storyboard” e “Custom Storyboard” vêm da cobertura do lançamento; o blog da própria Kling descreve a mesma capacidade como geração multi-shot com um AI Director.
• Faixa do vídeo do personagem. A orientação de 3–8 segundos para a identidade de personagem mais forte é uma recomendação da própria Kling, não um limite para os formatos que você pode testar.

Fontes

• Kling: guia de multi-shot e áudio nativo do Video 3.0 Omni (blog kling.ai, junho de 2026) — número de planos, durações, idiomas do áudio, modos de referência e Character Identity 3.0.
• Bernama: comunicado de imprensa do Kling 3.0 (6 de fevereiro de 2026) — o lançamento e a lista de modelos (Video 3.0, Video 3.0 Omni, Image 3.0, Image 3.0 Omni).

Kling é marca registrada de seu titular e é citado aqui apenas para identificar o produto; o SceneMixer não tem qualquer afiliação com ele. As especificações são citadas como anunciadas e podem mudar.

Perguntas frequentes

Atualizado em 15 de outubro de 2026

Preços·Guias·Amostras·Alternativas·Respostas·Suporte·Privacidade·Termos·Aviso legal·Contato·Programa de afiliados·© 2026 SceneMixer