Kling 2.6: el primer modelo de Kling con sonido — habla, canto, efectos y la voz propia del personaje

Qué es Kling 2.6

Kling 2.6 es un modelo de vídeo de la empresa china Kuaishou. Kling lo presentó el 3 de diciembre de 2025, el tercer día de la semana de lanzamientos, dos días después de Kling O1. El eslogan del modelo es «Ver el sonido, oír la imagen»: es el primer modelo de Kling que genera el sonido junto con el vídeo, y no en un paso aparte.

El 16 de diciembre el modelo aprendió a hablar con una voz elegida, y el 17 de diciembre salió Motion Control 2.6 para transferir movimiento. En febrero de 2026 lo sustituyó Kling 3.0. El panorama de la familia está en la página de Kling.

En el ranking de Arena, a 21 de septiembre de 2026, Kling 2.6 Pro ocupa el puesto 29 de 48 modelos de vídeo.

Qué sabe hacer Kling 2.6

Sonido en la misma generación. Un solo lanzamiento da la imagen y la banda sonora completa. Kling enumera seis tipos de sonido:

• voz en off y diálogos;
• canto y rap;
• sonido de ambiente de la escena;
• sonidos de objetos y acciones: un vaso que se rompe, el crepitar de una hoguera, las olas;
• efectos mixtos.

El sonido se puede apagar con el interruptor Native Audio: entonces el clip sale más barato.

Dos modos. Vídeo a partir de texto: la escena y el sonido salen enteros del prompt. Vídeo a partir de una imagen: la foto se convierte en el primer fotograma y se le añade sonido. Kling advierte que, en el segundo modo, la calidad depende mucho de la resolución del original.

Emoción y tono de la voz. En el prompt se pueden fijar la emoción, el tono, el ritmo e incluso el volumen de la réplica.

Voces propias (desde el 16 de diciembre). Suba una grabación de 5 a 30 segundos con un solo hablante, entonación neutra y sin ruido: Kling guarda la voz. Se pueden crear hasta 200 voces. La voz se asigna al personaje con @NombreDeVoz después de su nombre. La función trabaja en el modo por imagen.

Motion Control 2.6. Modo de transferencia de movimiento: el modelo toma el movimiento y la mímica de una persona en un vídeo de 3 a 30 segundos y los pasa al personaje de la imagen, en un solo plano, sin cortes. El detalle está en la guía de Kling Motion Control.

Precios de Kling 2.6

Modo	Créditos de Kling por segundo
Profesional, con sonido	10
Profesional, sin sonido	5
Estándar, sin sonido	3
Voz propia	+2
Motion Control 2.6 (estándar / profesional)	5 / 8

Un clip de diez segundos con sonido, en modo profesional, cuesta 100 créditos en la app de Kling.

Kling 2.6, 3.0 y 4.0: en qué se diferencian

	Kling 2.6	Kling 3.0	Kling 4.0
Salió	3.12.2025	febrero de 2026	15.10.2026
Duración	5 o 10 s	hasta 15 s	3–30 s
Sonido	sí, el primer modelo con sonido	sí	estéreo
Idiomas de la voz	chino, inglés	5 idiomas, acentos	—
Storyboard por planos	no	sí	10 fotogramas clave
Voz propia del personaje	grabación de 5–30 s	elemento con voz	voz en las referencias
Puesto en Arena (21.09.2026)	29	—	—

Para qué tareas sirve Kling 2.6

• Clips cortos con una sola réplica: una frase de anuncio, un saludo, un meme.
• Momentos musicales: una estrofa, un estribillo o una línea de rap en 10 segundos.
• Escenas sonoras: hoguera, oleaje, ciudad, vajilla que se rompe, sin buscar efectos en una biblioteca.
• Diálogo de dos personajes: Kling recomienda justo dos.

• Animar una foto con sonido: la imagen se convierte en el primer fotograma y empieza a hablar.
• Baile a partir de una referencia: con Motion Control 2.6.

Kling 2.6 y modelos parecidos

	Kling 2.6	Veo 3.1	MiniMax H3	HappyHorse 1.1
Desarrollador	Kuaishou	Google DeepMind	MiniMax	Alibaba
Duración	5 o 10 s	4, 6, 8 s	4–15 s	3–15 s
Sonido	sí	sí	estéreo	sí
Habla en ruso	no	—	sí	idioma no declarado
Voz propia	sí, grabación de 5–30 s	no	referencia de audio	no
Puesto en Arena (21.09.2026)	29	12–15	8	10 (1.0)
En AI2Face	sí	sí	sí	sí

Kling 2.6 queda por detrás de los modelos nuevos en calidad, pero sigue siendo una forma sencilla de conseguir un clip corto con sonido y la voz propia del personaje. Para el ruso y el 2K, MiniMax H3; para el mejor sonido en un clip corto, Veo 3.1.

Cómo escribir prompts para Kling 2.6

Kling da una fórmula: escena + personajes + movimiento + sonido + estilo. En corto: qué vemos, qué pasa y qué oímos.

1. Réplicas y letras de canciones, entre comillas.
2. En un diálogo, cada personaje tiene su etiqueta («[Abuela]», «[Nieto]»); la acción del personaje va antes de su réplica, y las voces llevan tonos distintos.
3. Canto: letra + estilo de interpretación + acompañamiento + emoción. Rap: versos rimados + ritmo.
4. Efectos: la fuente del sonido, su estado y una descripción: «crujido de ramas secas en la hoguera».
5. Ambiente: escena + sonidos + sensación de espacio, por ejemplo un eco.
6. Habla en inglés: las palabras corrientes, en minúscula; siglas y nombres, con mayúscula.
7. Un solo tema por prompt. Kling aconseja no mezclar muchos sonidos de fondo con un habla compleja.

Ejemplo para el fotograma del huerto:

Huerto soleado de día. [Grandma] con un sombrero de paja levanta una cesta de tomates y
sonríe; habla con voz cálida y lenta: "Look, the first tomatoes this year!"
[Grandson] con una regadera se ríe y responde con voz clara y rápida: "Can I eat one right now?"
Sonido: canto de pájaros, agua que cae de la regadera, brisa ligera. Plano medio, luz suave.

Cómo usar Kling 2.6 en AI2Face

Kling 2.6 está en el generador de AI2Face, junto con Kling 3.0 y Kling 4.0.

1. Regístrese: las cuentas nuevas reciben créditos de bienvenida. Lo que el propio Kling ofrece gratis está en el artículo Kling AI gratis.
2. Abra el generador, pase a vídeo y elija Kling 2.6.
3. Suba una foto o escriba un prompt, y elija 5 o 10 segundos y la relación de aspecto.
4. El coste en créditos se ve antes de lanzar. Los créditos de los paquetes no caducan, y puede pagar con tarjeta o con criptomonedas.

El fotograma de partida para el modo por imagen se prepara cómodamente en el mismo generador, por ejemplo con Nano Banana Pro.

Límites

• La voz solo habla chino e inglés. Las réplicas en otros idiomas, Kling las traduce al inglés.
• 5 o 10 segundos: más largo, solo en Motion Control.
• Más de dos personajes: según Kling, la calidad del diálogo puede bajar.
• La voz en el canto se sostiene peor que en el habla.
• La voz propia solo funciona en el modo por imagen, y no se puede extraer de cualquier clip: no valen los clips sin habla, hechos antes de la 2.6 o sin sonido.
• La calidad a partir de una foto depende de la resolución del original.

Conclusión

Kling 2.6 es el primer modelo de Kling con sonido y sigue siendo la forma más simple de conseguir un clip de 5–10 segundos con una réplica, una canción o una escena sonora y la voz propia del personaje. Para el storyboard y la voz en cinco idiomas, pase a Kling 3.0; para clips de hasta 30 segundos, a Kling 4.0. Si necesita ruso, use MiniMax H3: todos están en el mismo generador de AI2Face.