Einführung
Kling 2.6 Bild zu Video nimmt ein Startbild und einen Prompt, der beschreibt, was als Nächstes passiert, und liefert einen festen 1080p-Clip von 5 oder 10 Sekunden. Es gibt auch kein aspect_ratio-Feld – die Ausgabe übernimmt das Format Ihres Quellbilds. generate_audio ist optional: aktivieren Sie es für mit der Bewegung gerenderten Dialog oder Umgebungston.
Einen Kling-2.6-Modus nach Ausgangsmaterial wählen
| Was Sie zu Beginn haben | Modus |
|---|---|
| eine geschriebene Szene | Kling 2.6 Text zu Video |
| ein abgenommenes Startbild | Kling 2.6 Bild zu Video |
| ein Antriebs-Clip und ein Figurfoto | Kling 2.6 Motion Control |
Wichtige Funktionen und Highlights
Das Startbild verankert den ganzen Clip
In unserem Test blieben das karierte Hemd einer Frau, der Pickup und die Wüstenumgebung aus dem Startbild über den ganzen Clip erhalten; der Prompt lieferte nur die Geste, die Wendung zur Sonne und die gesprochene Zeile. In unserem Tailgate-Test wurde aus einem einzigen Foto mit kariertem Hemd ein Sonnenuntergangs-Clip mit gesprochener Zeile, Wüstenwind und einem vorbeifahrenden Lastwagen – ohne dass Outfit oder Schauplatz, die das Foto bereits festlegte, neu beschrieben werden mussten.
Ton, wenn Sie ihn anfordern, folgt der Handlung
Mit aktiviertem generate_audio lieferte unser Test Wüstenwind, Grillen und einen vorbeifahrenden Lastwagen synchron zu dem Moment, in dem sie spricht – der Mix lief allerdings leiser als das Bild, ein erneuter Lauf lohnt sich, wenn Sie den Ton präsenter brauchen.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Beschreiben Sie nur, was nach dem Bild passiert: die Handlung, die Kamerafahrt und, wenn Sie Ton einschalten, den Dialog oder die Umgebungsgeräusche. mindestens 1 Zeichen · höchstens 2500 Zeichen |
image_url | Ja | Startbild. Person, Outfit und Umgebung in diesem Bild bleiben über den Clip hinweg erhalten. |
negative_prompt | Nein | Was nicht erscheinen darf: eine zweite Person, Untertitel, ein Requisit, das das Modell immer wieder hineinbringt. Schreiben Sie eine einfache Liste statt verneinter Sätze. höchstens 2500 Zeichen |
generate_audio | Nein | Standardmäßig aus. Aktivieren Sie es für einen mit dem Bild erzeugten Soundtrack; es kostet pro Sekunde mehr. Standardwert: |
duration_seconds | Nein | 5 oder 10 Sekunden – kein anderer Wert wird akzeptiert. Bestimmt den Preis. |
guidance_scale | Nein | Wie streng der Clip dem Prompt folgt, von 0 bis 1 in Schritten von 0,01; Standard 0,5. |
Preis
Abrechnung pro Sekunde Ausgabe; Ton einschalten kostet pro Sekunde mehr.
| Spezifikation | Preis |
|---|---|
| $0.069 / Sekunde |
| $0.138 / Sekunde |
Anwendungsfälle
Ein abgenommenes Standbild in einen vertonten Moment verwandeln
Animieren Sie eine Figur, ein Produkt oder einen Ort, den Sie bereits in einem Foto fixiert haben, und fügen Sie eine kurze gesprochene Zeile oder Umgebungston hinzu, statt eine ganze Szene aus dem Nichts zu beschreiben.
Social-Clips in festem Format
1080p, 5 oder 10 Sekunden, ist ein vorhersehbares, sofort postfertiges Format, wenn Sie Auflösung oder Dauer nicht pro Clip abstimmen müssen. Dieses feste Format macht diesen Endpunkt auch zu einem schnellen Weg, eine Reihe abgenommener Produkt- oder Figurfotos in eine Serie gleich formatierter Clips für einen Feed zu verwandeln.
Dasselbe Standbild mit anderen Zeilen neu besetzen
Da das Startbild den Look verankert, können Sie ein abgenommenes Bild durch mehrere Prompts laufen lassen – eine andere gesprochene Zeile, eine andere Geste – und dabei Person, Outfit und Schauplatz in jeder Version identisch halten.
Prompt-Leitfaden und Praxistipps
Beschreiben Sie den nächsten Beat, nicht die ganze Szene
Da das Bild den Look bereits festlegt, braucht der Prompt nur die Bewegung, die Kamera und – falls generate_audio aktiviert ist – den Dialog oder die Umgebungsgeräusche, die Sie möchten. Das Outfit oder den Schauplatz, die das Foto bereits zeigt, erneut zu beschreiben, verschwendet nur Wörter, die das Modell besser für die Handlung nutzen könnte.
Nur JPEG oder PNG
Das Bildfeld dieses Endpunkts akzeptiert keine anderen Formate. Konvertieren Sie Ihr Quellbild vor dem Hochladen in JPEG oder PNG. – eine Quelle in WEBP oder HEIC schlägt schon fehl, bevor der Auftrag überhaupt beginnt.
Wenn der Ton-Mix zu leise ausfällt, sagen Sie es im Prompt
Unser Wüstentest lieferte Wind, Grillen und den Lastwagen synchron zu dem Moment, in dem sie spricht, aber leiser gemischt als das Bild. Wenn der Umgebungston so laut wie der Dialog klingen soll, sagen Sie das im Prompt ausdrücklich, statt eine gleichmäßige Mischung als Standard anzunehmen.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/2.6/image-to-video",
"input": {
"duration_seconds": 5,
"generate_audio": false,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
