Introducción
Kling 3.0 Turbo Texto a video convierte una escena escrita en un clip de 3 a 15 segundos completos, en 720p o 1080p, con sonido generado en la misma pasada. Este endpoint no tiene modo silencioso: describe el diálogo y el sonido ambiental que quieras en el prompt y se renderizan junto con la imagen.
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 sonido no es opcional, y ese es el punto
Cada clip que sale de este endpoint lleva una banda sonora generada: el diálogo que pones entre comillas se renderiza como líneas habladas, y cualquier sonido ambiental que nombres (música, pasos, tráfico) vuelve mezclado con la imagen. En nuestras pruebas, las líneas habladas coincidieron con el prompt palabra por palabra en cada clip que corrimos. No hay campo para desactivar el audio; para un clip silencioso en 1080p, usa Kling 2.5 Turbo en su lugar.
Una sola toma continua, sin campo de corte de plano
Este endpoint no tiene ajuste de varios planos, así que cada clip corre como una sola toma sin cortes. Escribe una sola acción clara de principio a fin (un baile, una carrera y un salto, un giro hacia la cámara) en lugar de varios momentos que quieras coser entre sí.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
prompt | Sí | Escríbelo como una toma: quién está en cuadro, la acción, el movimiento de cámara, y luego el sonido: diálogo entre comillas y los sonidos ambientales que quieras. mínimo 1 caracteres · máximo 2500 caracteres |
aspect_ratio | No | 16:9, 9:16 o 1:1. Elígela antes de escribir el prompt para que el texto ubique al sujeto pensando en ese encuadre. |
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 |
| $0.14 / segundo |
Casos de uso
Escenas de diálogo para shorts y reels
Dos personas hablando, riendo o intercambiando una línea funciona bien aquí, ya que el audio vuelve sincronizado con la imagen en lugar de doblado después. Una escena de cocina que probamos tuvo la línea hablada, la música de fondo y el sonido de una olla burbujeando llegando todos en el mismo archivo, sin necesidad de una pasada de audio aparte antes de publicar.
Clips de acción y movimiento con sonido a juego
Parkour, baile y otras acciones físicas vienen con pasos, impactos y respiración integrados en el mismo archivo que el movimiento, sin un paso de foley aparte que agregar.
Clips sociales de entrega rápida que necesitan sonido desde el principio
Como el audio se genera en la misma pasada que la imagen, este endpoint sirve para cualquier clip corto destinado directo a un feed o un reel, donde esperar un paso aparte de diseño sonoro retrasaría la publicación.
Guía de prompts y consejos prácticos
Escribe la toma en el orden en que sucede
Estructura el prompt como sujeto, acción, cámara, y luego sonido. El prompt de la salsa en la cocina es una plantilla útil: quién baila y qué lleva puesto, qué hace (giros, choques con la barra), la cámara (plano medio, en mano suave), y luego el sonido (música, risas, la olla burbujeando).
Iguala el sonido con la acción, no solo con el ambiente
Nombra sonidos causados por algo en cuadro (pasos sobre concreto, una olla burbujeando, un motor de scooter) en lugar de una pista de ambiente genérica. En nuestras pruebas, el sonido atado a una acción visible se renderizó más consistentemente sincronizado con la imagen que una indicación ambiental sin nada en cuadro que la produzca.
Inicio rápido de la API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/3.0-turbo/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
