Einführung
Kling 2.6 Text zu Video verwandelt eine geschriebene Szene in einen festen 1080p-Clip von 5 oder 10 Sekunden. Es gibt kein Auflösungsfeld zum Einstellen – die Ausgabe ist immer 1080p – und generate_audio ist optional: lassen Sie es für einen stummen Render aus, oder aktivieren Sie es für mit dem Bild erzeugten Dialog, Musik und Umgebungsgeräusche.
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
Ton ist optional, und er rendert mit dem Bild
Aktivieren Sie generate_audio, und Dialog, den Sie in Anführungszeichen schreiben, plus jedes von Ihnen benannte Umgebungsgeräusch kommt in derselben Datei wie das Video zurück. In unserem Diner-Test landeten überlappendes Lachen, eine Jukebox mit Doo-Wop und klirrendes Besteck alle synchron zur Szene, wobei die Handgesten der Gruppe etwas verhaltener ausfielen, als der Prompt verlangte.
Feste 1080p, keine Stufe zur Wahl
Dieser Endpunkt hat kein Auflösungsfeld – jeder Clip rendert bei 1080p. Die Dauer ist ebenfalls fest, bei 5 oder 10 Sekunden; es gibt kein Feld für etwas dazwischen.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Schreiben Sie ihn als Einstellung: wer im Bild ist, die Handlung, die Kamerafahrt, dann – wenn Sie Ton einschalten – den Dialog in Anführungszeichen und die gewünschten Umgebung… mindestens 1 Zeichen · höchstens 2500 Zeichen |
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 |
aspect_ratio | Nein | 16:9, 9:16 oder 1:1. Wählen Sie es vor dem Schreiben des Prompts, damit die Vorgabe das Motiv für dieses Format platziert. |
generate_audio | Nein | Standardmäßig aus. Aktivieren Sie es für einen erzeugten Soundtrack – Dialog, Musik, Umgebungsgeräusche – mit dem Bild gerendert; 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 |
| $0.138 / Sekunde |
Anwendungsfälle
Dialoggetriebene Gruppenszenen
Eine Handvoll Personen, die in einem Raum reden und reagieren, funktioniert hier gut, mit Raumklang und Dialog im selben Durchgang wie das Bild gerendert.
Saubere Takes zur Wiederverwendung als Motion-Control-Antriebs-Clip
Ein einzelner Performer, Ganzkörper im Bild, vor schlichtem Hintergrund und mit feststehender Kamera ergibt einen Take, den Sie direkt als Antriebs-Clip für eine andere Figur in Motion Control (character-animation) einspeisen können.
Prompt-Leitfaden und Praxistipps
Entscheiden Sie sich für Ton, bevor Sie die Szene schreiben
Wenn Sie generate_audio ausgeschaltet lassen, beschreiben Sie nur das Bild. Wenn Sie es einschalten, schließen Sie den Prompt mit dem Dialog in Anführungszeichen und den gewünschten Umgebungsgeräuschen ab – unsere Tests zeigen, dass sie eher an die sichtbare Handlung gebunden rendern als als allgemeine Ebene obendrauf.
Für einen Antriebs-Clip nur den ganzen Körper verlangen, sonst nichts
Ein schlichter Hintergrund, eine statische Kamera und die Anweisung, den ganzen Körper durchgehend im Bild zu halten, ergeben die sauberste Quelle für Motion Control – das Beispiel „studio-dancer-take" wurde genau so gebaut und als Antriebs-Clip in zwei weiteren Motion-Control-Tests bei anderen Kling-Familien wiederverwendet.
Entscheiden Sie sich für 5 oder 10 Sekunden, bevor Sie den Beat schreiben
Die Dauer nimmt nur einen von zwei Werten an, legen Sie die Länge also fest, bevor Sie die Szene entwerfen. Eine einzelne gesprochene Zeile mit einer kurzen Reaktion passt bequem in 5 Sekunden; ein Hin und Her mit mehr als einem Beat, oder eine Zeile, die eine Pause vor der Pointe braucht, will die vollen 10 Sekunden, statt gehetzt zu wirken.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/2.6/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"aspect_ratio": "16:9",
"generate_audio": false,
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
