Kling Video-to-Audio
Kling Video-to-Audio: unboxing ASMR y sonido para clips de producto
Muchos vídeos de producto generados con IA salen mudos, y el primero en notarlo es quien activa el sonido en el feed. Kling Video-to-Audio mira la imagen y le pone sonido: el vertido, el clic, los pasos. La imagen no cambia; te devuelve el mismo vídeo con una pista nueva. En Blurbly acepta clips de 3 a 20 segundos en MP4 o MOV, la descripción es opcional y tiene dos extras que no tienen los otros modelos de sonido para vídeo del estudio: un campo de estilo musical y un modo ASMR.
Actualizado
Detalles y precios del modelo →
Recorta el clip alrededor de un solo gesto
Si tu clip pasa de 20 segundos, el estudio te avisa del máximo antes de seguir; si no llega a 3, también. Pero el límite es lo de menos. Lo que importa es que haya una acción clara: una mano que levanta el papel de seda de una caja se sincroniza mejor que un montaje de cinco productos con cortes cada segundo. Deja medio segundo antes del primer contacto para que el sonido no arranque en seco. Si tu clip dura 25 segundos, recórtalo al gesto en lugar de acelerarlo: acelerar cambia el movimiento, y un vertido que va al doble de velocidad ya no suena a vertido.
Antes de subir nada, mira el clip sin sonido y apunta los momentos: 0:01 la mano toca el papel, 0:02 la tapa se separa, 0:04 el frasco se apoya en la mesa. Esa lista es tu hoja de revisión, y con ella delante comprobar una toma lleva un minuto. Si la tapa no llega a abrirse en imagen, no esperes un clic creíble: el modelo solo puede sincronizar lo que se ve, y un sonido sin gesto delata el montaje.
La primera prueba, hazla con la descripción vacía. Kling puede ponerle sonido a un clip solo a partir de la imagen, y esa toma te dice qué ha entendido de la escena. Después escribe solo lo que se le escapó o lo que oyó mal. Si a la primera ya suenan el papel y el vidrio, sobra describirlos otra vez.
Si el clip viene de un generador de vídeo, revisa también que la acción sea físicamente posible. Una tapa que se abre sin que la mano gire, o un líquido que cae antes de inclinar la botella, confunde al modelo de sonido igual que a quien lo mira. A veces la mejor corrección de audio es elegir otra toma de vídeo.
Ve la escena y escucha el resultado
Las referencias y resultados proceden de generaciones anteriores propias. Los ejemplos de texto no son transcripciones ni reproducciones garantizadas de estos archivos.
Imagen limpia antes de añadir movimiento y sonido
Referencia de unboxing: vidrio, cartón y contacto de la tapa
Refresco: burbujas, hielo y música generados
En modo ASMR, nombra material, gesto y distancia del micro
El modo ASMR de Kling en Blurbly busca texturas cercanas y nítidas, de las que se escuchan con auriculares. Rinde más cuando la descripción nombra materiales concretos: papel de seda, papel kraft, cartón ondulado, cristal grueso, tapa de plástico a rosca. «Sonido premium» o «viral» no le dicen nada; «papel de seda seco que cruje cerca del micro» sí. Si no sabes qué papel lleva tu caja, tócalo antes de escribir: el de seda susurra, el kraft cruje y el cartón ondulado suena hueco.
La distancia cambia el resultado tanto como el material. Un micro «a un palmo» trae roces y detalle; uno «al otro lado de la mesa» trae la habitación. Para un frasco de sérum, cerca. Para unas zapatillas que salen de su caja y se apoyan en el suelo, algo más lejos, o el golpe de la suela se convierte en un estruendo que no corresponde con el tamaño del objeto.
Compara la misma toma con el modo ASMR activado y desactivado, sin tocar el clip. La muestra de esta página es un vertido de refresco con burbujas, hielo y música generados: reprodúcela con sonido y fíjate en tres momentos, el primer chorro, el hielo y la efervescencia. En tus pruebas buscas lo mismo, que cada sonido llegue con su gesto.
Si un sonido llega antes que la imagen, descarta la toma en lugar de desplazar toda la pista. Un clic adelantado es lo que más delata un audio añadido, porque en la realidad el sonido nunca va por delante de lo que vemos. Uno o dos fotogramas tarde se perdonan; uno antes, no.
Si vendes textura, la música va detrás o no va
Kling tiene un campo aparte para el estilo musical. Para un unboxing ASMR, empieza sin rellenarlo y escucha solo la escena. Si después quieres música, pide algo pequeño («lo-fi suave, poco volumen») y comprueba que el papel y el clic se siguen oyendo. Un bajo grueso tapa justo los detalles que hacen que alguien deje el dedo quieto.
Prueba la mezcla en el altavoz del móvil, no solo con auriculares. El crujido del papel y el tintineo del vidrio viven en frecuencias altas y sobreviven en un teléfono. El golpe sordo de una caja pesada sobre la mesa vive en los graves y desaparece. Si el sonido protagonista de tu clip es grave, busca otro gesto para el momento clave o acepta que en el móvil apenas se va a oír.
Kling no lee guiones. Si la oferta necesita explicación, añade subtítulos o una locución hecha con ElevenLabs v3 o MiniMax Speech 2.6 HD, y baja la pista de Kling unos 10 o 12 dB mientras se habla, para que el papel siga ahí sin pelear con las palabras. Un unboxing con voz encima pierde parte de su gracia, así que muchas veces el texto en pantalla es mejor solución que la locución.
El estudio muestra la cotización en créditos antes de generar. Con clips cortos y una sola acción gastas menos en pruebas y sabes antes qué funciona; cuando tengas una descripción que suena bien en un producto, reutilízala en los demás clips de la misma serie cambiando solo el material.
Cuándo prefiero otro modelo: si el clip pasa de 20 segundos y no quiero cortarlo, Hunyuan Video-Foley y MMAudio aceptan hasta 30. Si es un lote de bucles de ambiente para la tienda, MMAudio es la opción pensada para volumen y bajo coste. Kling lo guardo para el clip en el que el sonido del producto es el protagonista y el modo ASMR tiene sentido.
Ejemplos de prompts y guiones
Unboxing cercano: papel de seda seco que cruje, tapa de cartón que se desliza y un frasco de vidrio que se apoya sobre madera. Micro a un palmo, habitación silenciosa, sin voces.
Botella de vidrio que se destapa y vierte agua con gas sobre hielo: chorro claro, choques suaves del hielo y burbujas finas. Estilo musical: lo-fi suave a poco volumen.