Einführung
Kling Avatar 2.0 Sprechender Avatar nimmt ein Porträt (image_url) und eine Audiodatei mit Sprache oder Gesang (audio_url) und liefert ein Video dieser Person, die das Audio vorträgt. Die Länge des Clips wird durch das Audio selbst bestimmt – es gibt kein separates Dauer-Feld – bis zu etwa 5 Minuten. Ein optionaler prompt steuert Stimmung, Gesten und Blickrichtung, getrennt davon, was das Audio sagt.
Wichtige Funktionen und Highlights
Das Audio bestimmt die Länge
Dieser Endpunkt hat keinen Dauer-Parameter: Schneiden Sie Ihr Audio auf die Länge zu, die der fertige Clip haben soll, bevor Sie es senden. Sowohl Sprache als auch Gesang funktionieren als Quellaudio.
Der Prompt steuert die Performance, das Audio liefert die Worte
prompt ist optional und beschreibt, wie sich die Performance anfühlen soll – eine Stimmung, eine Geste, wohin die Augen gehen –, während audio_url liefert, was tatsächlich gesagt oder gesungen wird. Diese Trennung ist es, was unsere Test-Clips den gelieferten Dialog Wort für Wort mit dem Quellaudio abgleichen ließ, während sie gleichzeitig einer bestimmten Regie folgten.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Nein | Optionale Regie für die Performance: Stimmung, Gesten, Blickrichtung. Getrennt davon, was das Audio sagt. höchstens 2500 Zeichen |
image_url | Ja | Zu animierendes Porträt. Nur JPEG oder PNG. |
audio_url | Ja | Sprache oder Gesang, den der Avatar vorträgt. Der Clip ist exakt so lang wie dieses Audio – es gibt kein separates Dauer-Feld. |
resolution | Nein | 720p oder 1080p. 1080p kostet pro Sekunde Audio mehr. |
Preis
Abrechnung pro Sekunde des von Ihnen gesendeten Audios, bei der von Ihnen gewählten Auflösung. Ein von Kling abgelehntes Porträt oder eine abgelehnte Anfrage wird nicht berechnet.
| Spezifikation | Preis |
|---|---|
| $0.0512 / Sekunde |
| $0.1024 / Sekunde |
Anwendungsfälle
Einem Skript ein Gesicht geben
Kombinieren Sie eine aufgenommene oder erzeugte Zeile mit einem Porträt, um einen gesprochenen Clip zu erzeugen – nützlich für erzählte Intros, Testimonials oder Dialog für eine Figur, deren Gesicht Sie bereits festgelegt haben.
Eine gesungene Performance aus einem Standbild steuern
Senden Sie einen gesungenen Audiotrack zusammen mit einem Porträt und einem kurzen Prompt, der die Performance beschreibt (Publikum, Energie, eine Handgeste), statt der Worte selbst.
Prompt-Leitfaden und Praxistipps
Schreiben Sie einen Bogen, keine einzelne Stimmung
Eine Regie wie „glancing down once, then back into the lens with a shy laugh at the end" gibt dem Avatar eine kleine Abfolge zum Spielen, statt einen statischen Ausdruck über den ganzen Clip zu halten.
Wählen Sie ein klares, frontales Porträt
Ein gut beleuchtetes, frontales Foto gibt die zuverlässigste Lippensynchronität und Mimik. Seitliche Winkel, verdeckte Gesichter oder extreme Nahausschnitte driften über den Verlauf des Clips eher ab.
Rechnen Sie damit, dass der Clip etwas länger läuft als das Audio
In unseren Tests lief das fertige Video durchgehend etwas länger als das Quellaudio – eine 11,4-Sekunden-Zeile kam als 12,27-Sekunden-Clip zurück –, planen Sie also einen kleinen Puffer ein, statt am Ende ein bildgenaues Timing zu erwarten. Die Abrechnung folgt der Audiolänge, nicht dem fertigen Clip.
Schneiden Sie Stille an beiden Enden des Audios weg
Eine Datei, die mit einer langen Pause beginnt oder endet, gibt dem Avatar Leerlauf ohne etwas zu spielen. Schneiden Sie das Audio nah an den tatsächlichen Beginn und das tatsächliche Ende von Sprache oder Gesang, bevor Sie es senden.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/avatar-2.0/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
