Sinusuportahan ng Kling 4.0 ang hanggang 15 pinagsamang reference asset, kabilang ang mga larawan, video, subject, at voice reference, ayon sa limitasyon ng bawat input. Pagsamahin ang mga larawan ng karakter, reference ng eksena, at motion footage para gabayan ang itsura, camera work, galaw, at visual style sa iisang generation.
Maaari mong gamitin ang pacing, komposisyon, at galaw ng kasalukuyang footage bilang reference para sa bagong recreation. Sinusuportahan din ng Kling 4.0 ang targeted na pag-edit ng video, kabilang ang pagbabago sa karakter, produkto, background, anggulo ng camera, at visual style. Ang mas mahusay na consistency ay tumutulong na mapanatili ang makikilalang subject sa iba't ibang eksena at creative na bersyon.