1, 3 i 10 referencji w Kling 4.0: co trzyma się w kadrze

👁 119 przeczytań

Kling 4.0 przyjmuje w jednym klipie do 10 obrazów referencyjnych - okno wyboru w kreatorze pisze to wprost: „Supports up to 10 images”. Sprawdziłem, co z tego zostaje w kadrze. 21 października 2026 wygenerowałem trzy klipy w tej samej piekarni: z jedną referencją, z trzema i z dziesięcioma. Twarze i ubrania trzymają się bardzo dobrze, ale model ma jedną cechę, o której warto wiedzieć przed robieniem zdjęć: przykleja postaciom rekwizyty z obrazka, nawet gdy polecenie mówi co innego.

Przygotowanie: 10 fikcyjnych postaci i rzeczy

Do testu potrzebowałem obrazów, do których mam pełne prawa i na których nie ma prawdziwych osób. Wygenerowałem więc 10 referencji modelem FLUX 1.1 Pro Ultra na fal.ai (po 0,06 USD za obraz, razem 0,60 USD): piekarza, kurierkę na rowerze, starszego trenera boksu, jamnika, babcię z koszykiem, cukierniczkę, szarego kota, żółte auto, tort truskawkowy i wnętrze starej piekarni. Każdy obraz w pionie 3:4, jedna postać lub rzecz na jasnym, gładkim tle.

Jak dodać referencje w kreatorze kling.ai

• W polu polecenia kliknij + i wybierz Upload (pliki .jpg, .jpeg, .png, a także .mp4 i .mov jako referencje wideo).
• Wgrane pliki trafiają do zakładki Uploads. Przy kolejnych klipach wybierasz je przez Asset, bez ponownego wgrywania.
• Zaznaczone obrazy dostają numery 1-10. Ten numer to potem @Image1…@Image10 w poleceniu.
• W poleceniu wpisz @ i kliknij pozycję na rozwijanej liście. Samo wpisanie „@Image10” i Enter nie tworzy odwołania - zostaje zwykły tekst.
• Model: Kling 4.0, tryb Omni reference (domyślny).

1 referencja: piekarz - 9/10

Najprostszy przypadek: piekarz za ladą, jedno zdjęcie jako @Image1. Twarz, sumiasty wąs, biała koszula i fartuch z mąką zgadzają się z obrazkiem bardzo dokładnie. Piekarz nic nie mówi - w polecenie nie wpisałem kwestii, więc w tle jest tylko szum piekarni.

3 referencje: piekarz, kurierka i trener - 8,5/10

Polecenie: piekarz podaje kurierce bochenek w papierowej torbie, a za nią w kolejce stoi trener boksu z kawą w papierowym kubku. Wszystkie trzy postacie są rozpoznawalne, ubrania wyszły 1:1: pomarańczowa kurtka i beżowy plecak kurierki, bordowy dres trenera. Polecenie kończyłem zdaniem, że cała trójka zachowuje twarze, włosy i ubrania z referencji.

I tu pierwszy raz widać problem z rekwizytami. Trener na zdjęciu referencyjnym ma czerwone rękawice bokserskie. W poleceniu stoi w kolejce po kawę - a w klipie trzyma kubek w rękawicach. Model potraktował rękawice jako część wyglądu postaci, tak samo jak dres.

10 referencji: cała piekarnia - 8/10

Najtrudniejszy test: dziesięć obrazów w jednym 5-sekundowym klipie. To polecenie przepisuję w całości, bo dobrze pokazuje, jak rozmieszczać odwołania:

Morning inside the small old Polish @Image10 bakery, warm light. The baker @Image1 takes the strawberry cake @Image9 out of the display and hands it to the grandmother @Image5. The courier @Image2 walks in through the door, the pastry chef @Image6 waves from the kitchen door, the old boxing coach @Image3 sits at a small table drinking coffee with the dachshund @Image4 at his feet, the grey cat @Image7 sleeps on the windowsill, and the small yellow car @Image8 is parked outside the window. Everyone keeps the exact look from their reference image. Wide shot, slow dolly from left to right, realistic, natural ambient sound, no text, no music.

Co wyszło:

• wszystkie 10 elementów jest w kadrze: tort przechodzi z rąk piekarza do babci, kot śpi na parapecie, żółte auto stoi za oknem, jamnik leży pod stolikiem trenera,
• wnętrze przypomina piekarnię z referencji (półki z pieczywem, okno, lampy).

Co nie wyszło:

• piekarz stracił część wąsa - przy jednej referencji było go więcej,
• trener znowu pije kawę w rękawicach bokserskich,
• w 5 sekundach dzieje się za dużo naraz. Przy dziesięciu postaciach lepiej dać 10-15 sekund albo podzielić scenę na ujęcia.

Wyniki w tabeli

Każdy klip kosztował tyle samo: 45 kredytów. W kreatorze kling.ai liczba referencji nie zmienia ceny, liczy się tylko długość i rozdzielczość. Generowanie trwało ok. 2-3 minut dla klipu z jedną referencją i ok. 3 minut dla pozostałych.

Jak robić zdjęcia referencyjne do Kling 4.0

• Bez rekwizytów, których nie chcesz w każdej scenie. Rękawice, kubek, telefon w ręce - model uzna je za część postaci. Jeśli rekwizyt ma się pojawić tylko czasem, zrób referencję bez niego i opisz go w poleceniu.
• Jedna postać lub rzecz na obraz. Gładkie, jasne tło, cała sylwetka albo plan amerykański.
• Charakterystyczne cechy duże i wyraźne. Wąs, kolor kurtki, okulary - im mniej postaci w klipie, tym lepiej je widać. Przy dziesięciu referencjach drobne cechy słabną.
• Wnętrze jako osobna referencja. Piekarnia z obrazka dała spójne tło dla wszystkich postaci.
• Każdą referencję nazwij w poleceniu. „The baker @Image1”, „the grey cat @Image7” - rola plus odwołanie. Na koniec dopisz zdanie, że wszyscy zachowują wygląd z referencji.
• Daj czas. Jedna-trzy postacie mieszczą się w 5 sekundach, przy dziesięciu planuj dłuższy klip.

Co jeszcze przyjmuje Kling 4.0

Poza obrazami menu + ma pozycje Asset, Elements (gotowe postacie i obiekty, „Supports Voice References”) i Voice. Według noty wydania i dokumentacji fal jeden klip przyjmie do 10 obrazów, do 7 elementów (w tym 3 z głosem i 3 wideo) i do 5 filmów referencyjnych. Elementów z głosem i referencji wideo nie testowałem generacją. Tę samą obsługę referencji w panelu fal opisuję w tekście Kling 4.0 w panelu fal krok po kroku, a pozostałe sceny testu w tekście Kling 4.0: mój test na 5 scenach.

Model można wypróbować na kling.ai (link polecający). Wszystkie teksty o modelu: hub Kling 4.0.

FAQ

Ile obrazów referencyjnych przyjmuje Kling 4.0?

Do 10 w jednym klipie. Kreator kling.ai pokazuje komunikat „Supports up to 10 images”.

Czy więcej referencji kosztuje więcej?

Nie. W moim teście klipy z 1, 3 i 10 referencjami kosztowały po 45 kredytów (5 s, 720p).

Dlaczego postać ma w klipie przedmiot, o który nie prosiłem?

Bo był na zdjęciu referencyjnym. Kling 4.0 przenosi rekwizyty z obrazka jako część wyglądu postaci. Zrób referencję bez nich.