Einführung
Kling O3 Referenz zu Video besetzt eine Einstellung aus bis zu 7 Referenzfotos – Figuren, Outfits, Objekte oder Orte – statt aus einem einzelnen Startbild. Nummerieren Sie die Referenzen im Prompt (<<<image_1>>>, <<<image_2>>> und so weiter) und sagen Sie, was jede beisteuert; das Prompt-Feld fasst bis zu 2.500 Zeichen. Wählen Sie eine Länge von 3 bis 15 ganzen Sekunden, eine Auflösung bis zu 4K, ein Seitenverhältnis und ob nativer Ton erzeugt werden soll.
Einen Kling-O3-Modus nach Ausgangsmaterial wählen
| Was Sie zu Beginn haben | Modus |
|---|---|
| eine geschriebene Szene und sonst nichts | Kling O3 Text zu Video |
| ein abgenommenes Startbild | Kling O3 Bild zu Video |
| bis zu 7 Referenzfotos | Kling O3 Referenz zu Video |
| ein bereits vorhandenes Video | Kling O3 Videobearbeitung |
Wichtige Funktionen und Highlights
Mehrere Referenzen, eine Einstellung
Anders als Bild zu Video, das von einem einzelnen Bild ausgeht, nimmt Referenz zu Video bis zu 7 separate Fotos und kombiniert, was jedes zeigt. Unser Speisewagen-Beispiel nutzte drei: einen Mann, einen Raum und ein Objekt, gemeinsam in einer Szene besetzt, die keines der drei Fotos allein zeigte.
Jede Referenz erfüllt eine Aufgabe
Im Prompt weisen Sie die Aufgabe zu: „<<<image_1>>> ist der Mann, behalte seinen Mantel und die Bartstoppeln" ist es, was Gesicht und Garderobe intakt hält, statt dass das Modell sie mit den anderen Referenzen mischt.
Ton, mit der besetzten Szene erzeugt
generate_audio fügt im selben Durchgang Umgebungsgeräusche, Effekte und Dialog hinzu. Halten Sie die Erwartungen für Hintergrundgeräusche, die nur mit ein oder zwei Worten beschrieben wurden, realistisch – sie können im finalen Mix leise erscheinen statt als dominante Ebene.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
prompt | Ja | Sagen Sie, was jede nummerierte Referenz ist (<<< |
reference_image_urls | Ja | Bis zu 7 Referenzfotos für Figuren, Objekte, Outfits oder Orte. JPEG oder PNG. mindestens 1 Einträge · höchstens 7 Einträge |
reference_video_urls | Nein | Optionales Referenzvideo, ein Clip, an dessen Bewegung, Kameraführung oder Figuren sich die neue Einstellung orientiert; im Prompt als <<< |
elements | Nein | Ein benanntes Subjekt für 4K-Läufe: Geben Sie ihm einen Namen, eine einzeilige Beschreibung und 2 bis 4 Fotos derselben Person oder desselben Objekts (Stimmproben von 5 bis 30 S… höchstens 1 Einträge |
aspect_ratio | Nein | 16:9, 9:16 oder 1:1. Wählen Sie es vor dem Schreiben der Einstellung, damit die Komposition passt. |
resolution | Nein | 720p, 1080p oder 4K. Höhere Stufen kosten pro Sekunde mehr. |
generate_audio | Nein | Fügt im selben Durchgang einen erzeugten Soundtrack hinzu – Dialog in Anführungszeichen, Effekte, Umgebungsgeräusche. Standardwert: |
keep_original_audio | Nein | Übernimmt den Originalton des Referenzvideos ins Ergebnis. Standardmäßig an; wirkt nur, wenn Sie ein Referenzvideo angeben. Standardwert: |
duration_seconds | Nein | Ganze Sekunden, 3 bis 15. Bestimmt den Preis zusammen mit Auflösung und Ton. |
shot_type | Nein | single fragt nach einer durchgehenden Einstellung (keine feste Garantie). multi lässt das Modell die Szene eigenständig in mehrere Einstellungen schneiden. |
multi_prompt | Nein | Die Shot-Liste für |
Preis
Abrechnung pro Sekunde Ausgabe. Der Satz hängt von der Auflösung ab, davon, ob nativer Ton aktiviert ist, und davon, ob Sie ein Referenzvideo angeben.
| Spezifikation | Preis |
|---|---|
| $0.0672 / Sekunde |
| $0.0896 / Sekunde |
| $0.419 / Sekunde |
| $0.0896 / Sekunde |
| $0.112 / Sekunde |
| $0.419 / Sekunde |
| $0.1008 / Sekunde |
| $0.1344 / Sekunde |
Anwendungsfälle
Eine Person an einen Ort setzen, an dem sie nie fotografiert wurde
Geben Sie einem Gesicht eine eigene Referenz und einem Ort eine eigene Referenz, und beschreiben Sie die Handlung, die beide zusammenbringt – die Art von Einstellung, die ein einzelnes Foto von beidem allein nicht liefern könnte.
Ein Requisit oder Outfit über mehrere Einstellungen konsistent halten
Referenzieren Sie ein bestimmtes Objekt – ein Schmuckstück, ein Auto, ein charakteristisches Outfit – zusammen mit einer Figurreferenz, und es taucht korrekt wieder auf, statt bei jedem Lauf leicht anders neu gezeichnet zu werden.
Eine Szene um drei geplante Elemente herum aufbauen
Wenn eine Einstellung von einer bestimmten Person, einem bestimmten Ort und einem bestimmten Objekt abhängt, die alle zusammen erscheinen – wie ein Brief, ein Raum und sein Leser –, lassen Referenzen Sie alle drei fixieren, statt sie in Prosa von Grund auf zu beschreiben.
Prompt-Leitfaden und Praxistipps
Jede Referenz nummerieren und ihre Aufgabe benennen
Schreiben Sie für jede Referenz der Reihe nach „<<<image_1>>> ist X, behalte Y". Das ist der wichtigste Faktor dafür, ob eine Referenz sauber übertragen wird oder mit den anderen verschmilzt.
Drei oder vier klare Fotos statt sieben überlappender
Mehr Referenzen sind nicht automatisch besser. Eine Handvoll klarer, unterschiedlicher Fotos – eines für das Gesicht, eines für das Outfit, eines für den Raum – hält die Identität besser als sieben Fotos, die sich in dem, was sie zeigen, überlappen.
Ton als Hintergrundebene beschreiben
Wenn Sie neben Dialog um Umgebungsgeräusche wie Regen oder Zugräder bitten, erwarten Sie, dass sie im Mix leise liegen. Wenn die Umgebungsgeräusche prominent sein müssen, sagen Sie das ausdrücklich, statt sie nur knapp neben dem Dialog aufzuzählen.
API-Schnellstart
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/o3/reference-to-video",
"input": {
"aspect_ratio": "16:9",
"duration_seconds": 5,
"generate_audio": false,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"reference_image_urls": [
"https://example.com/reference.png"
],
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
