Einführung
Kling 3.0 Turbo Text zu Video verwandelt eine geschriebene Szene in einen Clip von 3 bis 15 ganzen Sekunden, bei 720p oder 1080p, mit im selben Durchgang erzeugtem Ton. Dieser Endpunkt hat keinen stummen Modus: Beschreiben Sie den gewünschten Dialog und die Umgebungsgeräusche im Prompt, und sie werden zusammen mit dem Bild gerendert.
Einen Kling-3.0-Turbo-Modus nach Ausgangsmaterial wählen
| Was Sie zu Beginn haben | Modus |
|---|---|
| eine geschriebene Szene | Kling 3.0 Turbo Text zu Video |
| ein abgenommenes Startbild | Kling 3.0 Turbo Bild zu Video |
Wichtige Funktionen und Highlights
Ton ist nicht optional, und genau das ist der Punkt
Jeder Clip, der diesen Endpunkt verlässt, trägt einen erzeugten Soundtrack: Dialog, den Sie in Anführungszeichen setzen, rendert als gesprochene Zeilen, und jedes von Ihnen benannte Umgebungsgeräusch – Musik, Schritte, Verkehr – kommt mit dem Bild gemischt zurück. In unseren Tests stimmten gesprochene Zeilen bei jedem Clip Wort für Wort mit dem Prompt überein. Es gibt kein Feld, um Ton abzuschalten; für einen stummen 1080p-Clip nutzen Sie stattdessen Kling 2.5 Turbo.
Eine durchgehende Einstellung, kein Schnitt-Feld
Dieser Endpunkt hat keine Multi-Shot-Einstellung, daher läuft jeder Clip als eine einzige ungebrochene Einstellung ab. Schreiben Sie eine klare Handlung von Anfang bis Ende – ein Tanz, ein Sprint und ein Sprung, eine Wendung zur Kamera – statt mehrerer Beats, die Sie aneinandergereiht haben wollen.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Schreiben Sie ihn als Einstellung: wer im Bild ist, die Handlung, die Kamerafahrt, dann der Ton – Dialog in Anführungszeichen und die gewünschten Umgebungsgeräusche. mindestens 1 Zeichen · 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. |
resolution | Nein | 720p oder 1080p. Höhere Stufen kosten pro Sekunde mehr. |
duration_seconds | Nein | Ganze Sekunden, 3 bis 15. Bestimmt den Preis zusammen mit der Auflösung. |
Preis
Abrechnung pro Sekunde Ausgabe; Auflösung und Länge beeinflussen beide den Satz.
| Spezifikation | Preis |
|---|---|
| $0.112 / Sekunde |
| $0.14 / Sekunde |
Anwendungsfälle
Dialogszenen für Shorts und Reels
Zwei Personen, die reden, lachen oder eine Zeile austauschen, funktionieren hier gut, da der Ton synchron zum Bild zurückkommt statt nachträglich vertont zu werden. Eine von uns getestete Küchenszene lieferte die gesprochene Zeile, die Hintergrundmusik und das Geräusch eines blubbernden Topfs alle in derselben Datei – ohne einen separaten Audio-Durchgang vor der Veröffentlichung.
Action- und Bewegungsclips mit passendem Ton
Parkour, Tanz und andere körperliche Aktionen kommen mit Schritten, Aufprallgeräuschen und Atmen in derselben Datei wie die Bewegung – kein separater Foley-Durchgang nötig.
Social-Clips mit schneller Durchlaufzeit, die von Anfang an Ton brauchen
Da der Ton im selben Durchgang wie das Bild erzeugt wird, eignet sich dieser Endpunkt für jeden kurzen Clip, der direkt für einen Feed oder ein Reel bestimmt ist, wo das Warten auf einen separaten Sounddesign-Schritt den Post verlangsamen würde.
Prompt-Leitfaden und Praxistipps
Schreiben Sie die Einstellung in der Reihenfolge, in der sie passiert
Strukturieren Sie den Prompt als Motiv, Handlung, Kamera, dann Ton. Der Küchen-Salsa-Prompt ist eine brauchbare Vorlage: wer tanzt und was sie tragen, was sie tun (Drehungen, Anstoßen an die Theke), die Kamera (Halbtotale, sanfte Handkamera), dann der Ton (Musik, Lachen, der blubbernde Topf).
Passen Sie den Ton zur Handlung an, nicht nur zur Stimmung
Benennen Sie Geräusche, die durch etwas im Bild verursacht werden – Schritte auf Beton, ein blubbernder Topf, ein Rollermotor – statt einer allgemeinen Stimmungsspur. In unseren Tests rendete Ton, der an eine sichtbare Handlung gebunden war, konsistenter synchron zum Bild als ein Umgebungshinweis ohne etwas im Bild, das ihn erzeugt.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/3.0-turbo/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
