Introducción
Kling 3.0 Turbo Imagen a video toma un cuadro inicial y un prompt que describe qué pasa después, y devuelve un clip de 3 a 15 segundos completos con sonido generado a juego. El cuadro ancla toda la toma: Kling 3.0 Turbo mantiene a la persona, el atuendo y el escenario de tu imagen e inventa el movimiento, la cámara y el audio.
Elige un modo de Kling 3.0 Turbo según tu material de partida
| Lo que tienes al empezar | Modo |
|---|---|
| una escena escrita | Kling 3.0 Turbo Texto a video |
| una imagen inicial ya aprobada | Kling 3.0 Turbo Imagen a video |
Funciones y aspectos destacados
El cuadro inicial ancla todo el clip
En nuestras pruebas, la cara y el atuendo del primer cuadro se mantuvieron en cada clip: una toma en primera persona tomada de la mano por un mercado nocturno mantuvo la cara de la misma pareja durante toda la carrera, y una pareja en un scooter mantuvo sus chaquetas y el color de la moto del primer al último cuadro. Escribe solo lo que pasa después del cuadro.
El sonido llega sincronizado con el movimiento
Este endpoint no tiene campo aspect_ratio: la forma del cuadro del clip sigue tu imagen fuente, así que recórtala a la forma que quieras antes de subirla. El sonido siempre se renderiza y, en nuestras pruebas, coincidió con la acción visible: ruido de motor y viento en el clip del scooter, ruido de mercado y una línea gritada en el clip del mercado nocturno.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Describe solo lo que pasa después del cuadro: la acción, el movimiento de cámara y, como el audio siempre se renderiza, el diálogo o el sonido ambiental. mínimo 1 caracteres · máximo 2500 caracteres |
image_url | Sí | Cuadro inicial. La persona, el atuendo y el escenario de esta imagen se mantienen durante el clip: solo el movimiento, la cámara y el sonido son nuevos. |
resolution | No | 720p o 1080p. Los niveles más altos cuestan más por segundo. |
duration_seconds | No | Segundos completos, de 3 a 15. Determina el precio junto con la resolución. |
Precios
Se cobra por segundo de salida; la resolución y la duración afectan la tarifa.
| Especificación | Precio |
|---|---|
| $0.112 / segundo |
| $0.14 / segundo |
Casos de uso
Convertir una foto fija aprobada en un momento en movimiento y musicalizado
Anima a un personaje, producto o lugar que ya tienes fijado en una foto fija, en lugar de describir toda la escena desde cero, cuando el look exacto tiene que ser preciso.
Clips en primera persona que empiezan con un solo cuadro
Un cuadro inicial en primera persona más un prompt corto sobre la acción alcanza para una toma de seguimiento en primera persona con diálogo y sonido ambiental a juego. Nuestra prueba del mercado nocturno mantuvo la cara de la misma pareja durante toda una caminata en mano, con el bullicio del mercado y una línea gritada llegando sincronizados con el movimiento.
Dar vida a una toma de pareja o dúo
Una foto fija de dos personas - en una bici, en una mesa, caminando juntas - mantiene ambas caras y atuendos mientras el prompt aporta lo que hacen y dicen después, lo cual es más rápido que volver a describir a dos personas desde un prompt en blanco en texto a video.
Guía de prompts y consejos prácticos
Describe el siguiente momento, no toda la escena
Como el cuadro ya fija el look, el prompt solo necesita el movimiento, la cámara y el sonido: qué hace el sujeto después, cómo sigue la cámara, y, ya que el audio siempre se genera, el diálogo o el sonido ambiental que quieras. Volver a describir el atuendo, el vehículo o el escenario que el cuadro ya muestra solo gasta palabras que el modelo podría dedicar a la acción.
Nombra una fuente de sonido que esté realmente en cuadro
En nuestras pruebas, el audio atado a algo visible (un motor, el viento, el bullicio del mercado) se renderizó de forma más consistente que una indicación genérica de ambiente. Si el cuadro muestra un scooter o una multitud, nombra el sonido que esa escena realmente haría en lugar de describir un ambiente sin nada en pantalla que lo produzca.
Recorta antes de subir
Aquí no hay campo para elegir una relación de aspecto: la salida toma la forma de tu imagen fuente. Recorta a 16:9, 9:16 o cuadrado antes de subir si la forma del cuadro te importa.
Inicio rápido de la API
# 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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/3.0-turbo/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
