Einführung
Kling 4.0 Referenz zu Video erzeugt einen neuen Clip aus dem, was Sie hochladen: bis zu 10 Referenzbilder für Personen, Objekte und Orte, bis zu 5 Referenzvideos (insgesamt 30 Sekunden) für Bewegung, Kamera und Tempo und bis zu 3 Audioclips für eine Stimme oder einen Klang. Benennen Sie jedes im Prompt als @Image1, @Image2, @Video1 oder @Audio1, in der Reihenfolge des Uploads nummeriert. Clips laufen 3 bis 30 Sekunden in 720p oder 1080p mit Stereo-Tonspur.
Einen Kling-4.0-Modus nach dem Ausgangsmaterial wählen
| Was Sie am Anfang haben | Modus |
|---|---|
| eine geschriebene Szene oder ein Skript | Kling 4.0 Text zu Video |
| ein Startbild, optional mit Endbild und Zwischenbildern | Kling 4.0 Bild zu Video |
| Fotos, Clips oder Stimmproben, aus denen besetzt wird | Kling 4.0 Referenz zu Video (Sie sind hier) |
Wichtige Funktionen und Highlights
Bilder, Videos und Stimmen in einer Anfrage
Kling 4.0 nimmt alle drei Arten von Referenzen zusammen an. Bilder legen fest, wer und was erscheint, Videos, wie sich Kamera und Motiv bewegen, und Audioclips, wie jemand klingt.
Jede Referenz im Prompt benennen
Schreiben Sie @Image1, @Image2 usw. in der Reihenfolge des Uploads und sagen Sie, was jede ist. In unserem Wohnwagen-Beispiel reichte „@Image1 ist die Frau, @Image2 ist der verchromte Wohnwagen“, um diese Frau vor diesen Wohnwagen zu stellen.
Eine Kamerabewegung aus einem Clip übernehmen
Ein Referenzvideo gibt seine Bewegung und sein Tempo weiter. Aktivieren Sie keep_original_audio, um den eigenen Ton dieses Clips statt einer neuen Tonspur zu behalten. Die eigenen Sekunden des Referenzvideos werden ebenfalls berechnet, zu einem niedrigeren Satz als Output-Sekunden.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Sagen Sie, was jede Referenz ist und was die Einstellung damit macht. mindestens 1 Zeichen |
reference_image_urls | Nein | Bis zu 10 Bilder von Personen, Objekten, Outfits oder Orten, benannt als @Image1, @Image2 usw. Sie ändern den Preis nicht. mindestens 1 Einträge · höchstens 10 Einträge |
reference_video_urls | Nein | Bis zu 5 Videos, insgesamt 30 Sekunden, für Bewegung, Kamera und Tempo, benannt als @Video1, @Video2. mindestens 1 Einträge · höchstens 5 Einträge |
reference_audio_urls | Nein | Bis zu 3 Audioclips von je 5 bis 30 Sekunden für eine Stimme oder einen Klang, benannt als @Audio1, @Audio2. Schreiben Sie die gesprochenen Worte in den Prompt. mindestens 1 Einträge · höchstens 3 Einträge |
aspect_ratio | Nein | auto (Standard) folgt den Referenzbildern oder dem Referenzvideo; 16:9, 9:16, 1:1 oder 21:9 setzen Sie selbst. Ändert den Preis nicht. |
resolution | Nein | 720p oder 1080p (Standard 720p). 1080p kostet pro Sekunde mehr. |
keep_original_audio | Nein | Standardmäßig aus. Ein behält den eigenen Ton des Referenzvideos statt einer neu erzeugten Tonspur; das gilt nur, wenn Sie ein Referenzvideo angeben. Standardwert: |
duration_seconds | Nein | Ganze Sekunden, 3 bis 30 (Standard 5). Bestimmt den Preis. |
Preis
Berechnet pro Sekunde Output sowie die Sekunden eines Referenzvideos (jeder Clip auf die ganze Sekunde aufgerundet) zu einem niedrigeren Satz pro Sekunde. 1080p kostet pro Sekunde mehr als 720p. Referenzbilder und Audioclips ändern den Preis nicht. Eine abgelehnte oder fehlgeschlagene Anfrage wird nicht berechnet.
| Spezifikation | Preis |
|---|---|
| $0.216 / Sekunde |
| $0.324 / Sekunde |
Anwendungsfälle
Eine Person an einem Ort zeigen, an dem sie nie fotografiert wurde
Ein Porträt plus ein Foto eines Ortes ergibt eine Szene dieser Person dort, mit der Handlung, die Sie beschreiben.
Eine Requisite oder ein Fahrzeug konsistent halten
Geben Sie einem Auto, Motorrad oder Outfit ein eigenes Referenzbild, damit es in jedem Clip gleich aussieht.
Eine Stimme treffen
Fügen Sie eine Stimmprobe von 5 bis 30 Sekunden als @Audio1 hinzu und schreiben Sie die Zeile in Anführungszeichen; der gesprochene Satz folgt dieser Stimme.
Prompt-Leitfaden und Praxistipps
Mit der Besetzungsliste beginnen
Beginnen Sie mit einem Satz pro Referenz – „@Image1 ist der Mann, @Image2 ist das Motorrad“ – und beschreiben Sie dann die Einstellung.
Wenige klare Referenzen schlagen viele ähnliche
Ein klares Foto pro Person oder Objekt funktioniert besser als mehrere nahezu gleiche, die das Modell mitteln muss.
aspect_ratio auf auto lassen
Bei auto folgt der Clip der Form Ihrer Referenzen; setzen Sie das Format nur, wenn Sie einen bestimmten Bildausschnitt brauchen.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/4.0/reference-to-video",
"input": {
"aspect_ratio": "auto",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
