Es el propio nombre de Kling para lo que el mercado llama Kling 3.0 Omni: un modelo que cubre texto a video, imagen a video, referencia a video y video-edit, con sonido nativo opcional y cortes automáticos de varios planos.

Kling O3 frente a Kling 3.0 frente a Kling 3.0 Turbo: ¿cuál debería usar?

Elige O3 cuando necesites fotos de referencia, editar un video existente o el rango más amplio de modos en un solo lugar. Elige Kling 3.0 para una sola toma insignia con primer y último cuadro, o Motion Control. Elige 3.0 Turbo cuando siempre quieras sonido y una entrega más rápida con un prompt de texto o imagen. La tabla de comparación de esta página alinea los tres.

¿Puedo editar un video que ya tengo?

Sí, con video-edit. Sube el clip y describe solo lo que debe cambiar (estación, vestuario, fondo, estilo) y todo lo que no menciones se mantiene. El resultado dura exactamente lo mismo que tu clip fuente.

¿Cuántas imágenes de referencia puedo usar?

Hasta siete en referencia a video, y hasta cuatro opcionales en video-edit para un personaje, atuendo u objeto nuevo. Dale a cada foto una función en el prompt y llámala Imagen 1, Imagen 2, y así sucesivamente.

¿Kling O3 genera sonido?

Sí, como opción en texto a video, imagen a video y referencia a video: activa generate_audio y el diálogo, los efectos y el ambiente vuelven en el mismo archivo que la imagen. Video-edit no tiene interruptor de audio.

¿Kling O3 puede generar contenido NSFW?

No. Kling aplica su propia revisión de contenido estricta: las solicitudes de nivel Suave a veces pasan, y cualquier cosa más fuerte se rechaza, esté en el prompt o en una foto o video subido. Las solicitudes rechazadas no se cobran. Para videos más allá de estos límites, usa en su lugar una de nuestras familias Spicy, como Seedance 2.5 Spicy, Wan 2.2 Spicy o MiniMax H3 Spicy.

¿Cuánto cuesta Kling O3, y se me cobra si una generación falla?

Pagas por segundo de salida, y la tarifa depende del modo, la resolución y si el sonido está activado; el playground muestra el precio exacto antes de correr. Si una generación es rechazada o falla, no se cobra nada.

Kling O3 API — Texto, imagen y referencia a video

kling/o3/text-to-video

El text-to-video de Kling O3 (Kling 3.0 Omni) convierte un prompt escrito en un clip de 3 a 15 segundos a 720p, 1080p o 4K. No hace falta imagen ni referencia; el audio nativo y los cortes de varios planos son opcionales, en 16:9, 9:16 o 1:1.

Desde $0.067/s

Ejecutar modelo Ver API

Entrada

Texto a video

Prompt629/2500

Relación de aspecto

Resoluciónafecta al precio

Generar audioafecta al precio

Duraciónafecta al precio

Estructura de planos

Plano únicoVarios planosLista de planos propia

Lista de planos0/6

Filtro de seguridadDesactivado

SpicyAPI no ejecuta ningún filtro de seguridad en este modelo. Tu prompt y tus medios llegan al modelo tal como los escribes, y el propio modelo decide el resultado.

Comprobando tu cuenta antes de habilitar el envío y el cálculo de precios.

Salida

Listo para una nueva ejecución

Resultado de ejemplo

Extender

Reescalado de video

Edición de video

{
  "model": "kling/o3/text-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "resolution": "720p",
    "generate_audio": true,
    "duration_seconds": 5,
    "shot_type": "multi",
    "prompt": "A night tango on a rain-slick cobblestone street in Buenos Aires. A man in his late thirties in a dark waistcoat and a white shirt open at the collar, and a woman in her early thirties in a backless black satin dress, dance close under a single amber streetlamp. Shot 1, wide: the couple turns through the falling rain and her dress flares. Shot 2, close-up: their faces almost touching, rain running down his cheek, she smiles. Shot 3, low angle on their feet: a sharp turn, her heel flicking water off the stones. Sound: a bandoneon tango drifting from an open window, steady rain, heels clicking on wet stone, her quiet laugh."
  }
}

Introducción

Kling O3 Texto a video convierte un prompt escrito en un clip de 3 a 15 segundos sin ninguna imagen ni referencia de por medio. Elige una duración en segundos completos, una resolución de 720p a 4K, y si generar audio nativo junto con la imagen. El campo prompt admite hasta 2500 caracteres, suficiente para plantear el sujeto, la acción, la cámara y, con el sonido activado, el diálogo.

Elige un modo de Kling O3 según tu material de partida

Lo que tienes al empezar	Modo
una escena escrita y nada más	Kling O3 Texto a video
un cuadro inicial ya aprobado	Kling O3 Imagen a video
hasta 7 fotos de referencia	Kling O3 Referencia a video
un video que ya tienes	Kling O3 Video-edit

Funciones y aspectos destacados

Cortes de varios planos por su cuenta

Fija shot_type en multi y describe más de una toma en el prompt (una toma amplia, un primer plano, un ángulo bajo) y Kling O3 corta entre ellas en un solo clip, manteniendo el escenario y a las personas consistentes de una toma a la siguiente. Nuestro ejemplo del tango bajo la lluvia es un solo prompt que describe tres tomas en orden, y el clip terminado cortó a cada una en el momento justo.

Audio nativo en la misma pasada

Activa generate_audio y el diálogo, los efectos y el ambiente se generan junto con la imagen en lugar de agregarse después. El diálogo escrito entre comillas vuelve sincronizado con la acción: ambas líneas de nuestro ejemplo del club de jazz coincidieron con el prompt palabra por palabra.

De 720p a 4K, un solo prompt

Las tres resoluciones se renderizan desde el mismo prompt, así que el patrón habitual es hacer el borrador en 720p hasta que la toma y el diálogo funcionen, y luego volver a correr la definitiva en 1080p o 4K. Tanto la resolución como el audio determinan el precio.

Parámetros de la solicitud

Parámetros de la solicitud de Kling O3 · Text to Video
Parámetro	Obligatorio	Descripción
`prompt`	Sí	Describe el sujeto, la acción, la cámara y, con el sonido activado, el diálogo y los sonidos. Para un prompt de varios planos, numera las tomas en orden. mínimo 1 caracteres · máximo 2500 caracteres
`aspect_ratio`	No	16:9, 9:16 o 1:1. Elígela antes de escribir la toma para que el prompt ubique a las personas y el encuadre pensando en esa forma. `16:9` · `9:16` · `1:1` · Valor predeterminado: `16:9`
`resolution`	No	720p, 1080p o 4K. Los niveles más altos cuestan más por segundo. `720p` · `1080p` · `4k` · Valor predeterminado: `720p`
`generate_audio`	No	Agrega una banda sonora generada (diálogo entre comillas, efectos, ambiente) en la misma pasada. Valor predeterminado: `false`
`duration_seconds`	No	Segundos completos, de 3 a 15. Determina el precio junto con la resolución y el audio. `≥ 3` · `≤ 15` · Valor predeterminado: `5`
`shot_type`	No	single pide una sola toma continua (no es garantía estricta: agrega "one continuous shot, no cuts" en el prompt si aun así aparece un corte). `single` · `multi` · `customize` · Valor predeterminado: `single`
`multi_prompt`	No	La lista de tomas para `shot_type` customize: hasta 6 tomas en orden, cada una con su propio prompt (hasta 512 caracteres) y su duración en segundos enteros. mínimo 1 elementos · máximo 6 elementos

Precios

Se cobra por segundo de salida. La tarifa depende de la resolución y de si el audio nativo está activado.

Precios
Resolución	Generar audio: No	Generar audio: Sí
`720p`	$0.0672 / segundo	$0.0896 / segundo
`1080p`	$0.0896 / segundo	$0.112 / segundo
`4k`	$0.336 / segundo	$0.336 / segundo

Casos de uso

Abre una escena sin ninguna imagen a la mano

Texto a video es el único modo de Kling O3 que no necesita más que palabras. Úsalo cuando la toma solo existe en tu cabeza, o cuando necesitas varias pruebas rápidas para ver qué encuadre funciona antes de comprometer un cuadro inicial en imagen a video.

Cubre una escena en varios ángulos desde una sola solicitud

En lugar de escribir cuatro prompts separados para cuatro ángulos, describe la secuencia una vez y fija shot_type en multi. Es la forma más rápida de conseguir una toma amplia, un primer plano y una toma de reacción a partir de un solo trabajo.

Prueba el ritmo del diálogo antes de una edición más larga

Como el audio se renderiza junto con la imagen, un borrador corto de texto a video es una forma rápida de comprobar si una línea de diálogo suena natural junto a la acción, antes de comprometerte con una corrida más larga o de mayor resolución.

Ver tutoriales de casos de uso principales

Guía de prompts y consejos prácticos

Numera tus tomas cuando quieras un corte

Para un prompt de varios planos, plantea las tomas en el orden que quieras y describe la cámara de cada una (amplia, primer plano, ángulo bajo), como hace nuestro ejemplo del tango. Kling O3 usa esa estructura para decidir dónde cortar.

Nombra la posición de cámara, no solo el ánimo

"Seen from the end of the keyboard so both faces are clear" es una instrucción real que el modelo puede seguir; "two men on a piano bench" deja el ángulo al azar, y un ángulo al azar puede esconder a una persona detrás de la otra. Di dónde está la cámara respecto a tus sujetos siempre que más de uno tenga que quedar visible.

Pide una toma fija explícitamente

single es una preferencia, no una garantía: Kling O3 puede seguir cortando por su cuenta. Si una escena depende de una sola toma sin cortes, agrega una línea como "one continuous shot, no cuts, the light staying the same throughout" al final del prompt.

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/o3/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "shot_type": "single",
    "resolution": "720p",
    "aspect_ratio": "16:9",
    "generate_audio": false,
    "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.

¿No está el modelo que buscas?

Dinos cuál añadir y para qué lo usarías. Las solicitudes llegan directamente al equipo que decide los próximos modelos.

VIDEO CON SONIDO, CONSTRUIDO DE CUATRO FORMAS

La API de Kling O3 de un vistazo

Un modelo, cuatro entradas: escríbelo, anima un cuadro, arma la toma desde fotos, o edita un clip que ya tienes.

Modos en un modelo: 4EN1; Texto, imagen, fotos de referencia o un video existente pasan todos por el mismo conjunto de endpoints.
Fotos de referencia: 7; Dale a una persona, un objeto y un lugar su propia foto y arma los tres en una sola toma.
Resolución máxima: 4K; Borrador barato en 720p, entrega final en 4K.
Clip más largo: 15S; De 3 a 15 segundos para clips nuevos; las ediciones toman un clip fuente de 3 a 10 segundos.
Sonido nativo opcional: AUDIO; Diálogo, efectos y ambiente generados con la imagen cuando lo activas.
Planos automáticos: MULTI; Pide varias tomas en un prompt y las corta entre sí por su cuenta.

Resultados

Lo que puedes crear con Kling O3

Desde texto
Una escena de tres planos desde un párrafo
Escribe las tomas en orden y pon shot_type en multi: Kling O3 corta entre ellas por su cuenta, manteniendo el escenario y a las personas consistentes de una toma a la siguiente. Este tango bajo la lluvia fue un solo prompt describiendo una toma amplia, un primer plano y un ángulo bajo, nada más.
Texto a video, varios planos, 1080p con sonido: un prompt describiendo una toma amplia, un primer plano y un ángulo bajo volvió como tres planos cortados.
Desde una imagen
Tu cuadro inicial, llevado hacia adelante
Sube el cuadro que ya aprobaste y describe solo lo que pasa después. Aquí el cuadro inicial eran dos mujeres compartiendo un paraguas; el prompt solo agregó la lluvia más fuerte, la risa y la caminata hacia la calle de neón.
Imagen a video, 720p con sonido: el cuadro inicial fijó la escena, el prompt solo agregó la lluvia más fuerte y la caminata hacia la calle.
Desde fotos de referencia
Arma una persona, un objeto y un lugar a partir de tres fotos
Dale hasta siete imágenes y asígnale a cada una una función en el prompt: la Imagen 1 es el hombre, la Imagen 2 es la habitación, la Imagen 3 es la carta que abre. Las tres se mantuvieron en una toma que ninguna de las fotos fuente mostraba.
Referencia a video, 720p con sonido: el hombre, el vagón comedor y la carta vinieron cada uno de una foto de referencia separada.
Edita un video que ya tienes
Cambia la estación, mantén todo lo demás
Video-edit toma un clip terminado y un prompt que nombra solo lo que debe cambiar. Aquí la fuente eran dos hombres en bicicleta bajando una calle de Lisboa, riendo por encima del hombro; la edición agregó nieve a la calle, los techos y el tranvía, y puso a ambos ciclistas con abrigos de lana, mientras el movimiento de cámara, el paseo y la risa se mantuvieron intactos.
Video-edit, 720p: el clip fuente era la misma calle y el mismo paseo bajo el sol de la mañana; la edición agregó la nieve y los abrigos y mantuvo el resto.
Con sonido
El diálogo llega en el mismo archivo que la imagen
Activa generate_audio y las líneas habladas, el ambiente de la sala y el sonido se generan junto con el video. Las dos líneas de diálogo de este clip volvieron exactamente como se escribieron, sincronizadas con la imagen.
Texto a video, 720p con sonido: ambas líneas de diálogo volvieron exactamente como se escribieron.

Prueba de contenido

¿Kling O3 funciona sin censura? Lo que probamos

Corrimos cada nivel en nuestra configuración real y revisamos cada clip cuadro por cuadro. Aprobado significa que el contenido realmente apareció en pantalla, no solo que la solicitud pasó.

Niveles de contenido probados en Kling O3, por modo
Nivel	Edición de video	Imagen a video	Referencia a video	Texto a video
SuaveLos prompts más suaves de la prueba	Aún sin probar	Aún sin probar	Aún sin probar	Aún sin probar
ModeradoDonde los modelos con filtro empiezan a negarse	RechazadoProbado el 28 sept 2026	RechazadoProbado el 28 sept 2026	RechazadoProbado el 28 sept 2026	RechazadoProbado el 28 sept 2026
FuerteEl punto medio de la escala	RechazadoProbado el 28 sept 2026	Aún sin probar	Aún sin probar	Aún sin probar
Muy fuerteDonde la mayoría de los modelos empiezan a frenar	Aún sin probar	Aún sin probar	Aún sin probar	Aún sin probar
MáximoLa cima de la escala	Aún sin probar	Aún sin probar	Aún sin probar	Aún sin probar

Se genera: aparece tal como se escribió. Suavizado: se genera, pero más suave de lo que se escribió. Rechazado: denegado. Aún sin probar: todavía no corrimos ese nivel en ese modo.

Cómo se comporta cada modo

Texto a video: shot_type: single no es una garantía estricta de una sola toma continua: Kling O3 a veces corta de todas formas. Agrega "one continuous shot, no cuts" al prompt cuando una sola toma sin cortes importe.
Imagen a video: El cuadro inicial se sigue de cerca y un last_image_url opcional ancla el final, pero el medio de un clip largo puede desviarse. Mantén los dos cuadros cercanos en luz y encuadre para el resultado más limpio.
Referencia a video: Cada foto de referencia solo sirve tanto como la función que le des en el prompt. Tres o cuatro referencias con una función clara cada una se sostienen mejor que siete tomas superpuestas del mismo sujeto.
Edición de video: Video-edit conserva por defecto el sonido propio del clip fuente (keep_original_audio); desactívalo para obtener un resultado sin sonido. No genera sonido nuevo y el interruptor no cambia el costo. El resultado dura exactamente lo mismo que tu clip fuente, de 3 a 10 segundos, y la fuente necesita al menos unos 720 píxeles en su lado más corto. Cuando una edición agrega una prenda nueva a más de una persona, puede darles el mismo estilo y color en lugar de unos distintos a menos que el prompt diga lo contrario.
Todos los modos: Kling aplica su propia revisión de contenido a cada solicitud, y es estricta: las solicitudes de nivel Suave a veces se renderizan y a veces no, y cualquier cosa desde Moderado en adelante se rechaza sin excepción, también cuando aparece en una foto subida o en un video de origen. Las solicitudes rechazadas no se cobran. Si tu proyecto necesita ese rango, nuestras familias Spicy —Seedance 2.5 Spicy, Wan 2.2 Spicy o MiniMax H3 Spicy— están pensadas para ello; la fuerza de Kling es el aspecto cinematográfico, el movimiento, el sonido nativo y el control por referencia.

Casos de uso

Qué construir con la API de Kling O3

Una escena de varios planos sin filmar varias tomas
Escribe una toma amplia, un primer plano y un ángulo bajo en un solo prompt y deja que shot_type: multi corte entre ellas. Es la forma más rápida de conseguir cobertura de una escena a partir de una sola solicitud.
Un personaje repetible a partir de un puñado de fotos
Referencia a video toma una cara, un atuendo y un lugar como fotos separadas, así un personaje puede aparecer en un escenario nuevo que nunca filmaste en lugar de solo el cuadro que tienes de él.
Cambia la estación, el vestuario o el fondo de un clip que ya tienes
Video-edit toma un video existente y un prompt que describe solo lo que debe cambiar. Todo lo que no menciones (el encuadre, el movimiento, cualquier diálogo) se mantiene del clip fuente.
Anima un cuadro aprobado con diálogo incluido
Parte de una imagen que ya diste por buena y describe la acción, el movimiento de cámara y, con generate_audio activado, la línea que dice un personaje. El cuadro se mantiene fijo; solo se mueve lo que escribiste.

Prompts

Ejemplos de prompts de Kling O3 para copiar

Pega uno tal cual en el playground y luego cambia una sola cosa a la vez.

Texto a video
Escribe tres planos, deja que el corte automático los divida
Resultado de este prompt
A night tango on a rain-slick cobblestone street in Buenos Aires. A man in his late thirties in a dark waistcoat and a white shirt open at the collar, and a woman in her early thirties in a backless black satin dress, dance close under a single amber streetlamp. Shot 1, wide: the couple turns through the falling rain and her dress flares. Shot 2, close-up: their faces almost touching, rain running down his cheek, she smiles. Shot 3, low angle on their feet: a sharp turn, her heel flicking water off the stones. Sound: a bandoneon tango drifting from an open window, steady rain, heels clicking on wet stone, her quiet laugh.
Por qué funciona. Numerar las tomas y describir cada ángulo de cámara en orden (amplia, primer plano, ángulo bajo) es lo que le dice al modelo dónde debe terminar una toma y empezar la siguiente, en lugar de dejarlo adivinar.
Probar este prompt
Texto a video
Nombra la posición exacta de cámara para mantener dos caras en cuadro
Resultado de este prompt
A small jazz bar after closing, chairs upturned on the tables, one warm lamp over an old upright piano. Seen from the end of the keyboard so both faces are clear: two men in their thirties, a couple, sit close together on the piano bench. One, in a loosened tie with his sleeves rolled up, plays a slow chord; the other, in an open-collar black shirt, rests his head on the pianist's shoulder with his eyes half closed. The pianist stops, turns to him and says softly, "One more song?" The other smiles without lifting his head: "Only if it's ours." One continuous slow push-in, 35mm, warm tungsten light. Sound: soft piano chords, their low voices, the hum of the empty room.
En lugar de “Two men on a piano bench, one playing, the other leaning on his shoulder.”
Por qué funciona. "Seen from the end of the keyboard" es una instrucción de cámara real; sin ella el modelo puede elegir un ángulo donde la segunda persona quede casi escondida detrás de la primera.
Probar este prompt
Imagen a video
Describe solo lo que pasa después del cuadro
Resultado de este prompt
The rain gets heavier. The woman in the camel trench coat tilts the umbrella back and laughs; the other woman pulls her closer by the collar and they walk off together down the neon street, the camera following at their shoulders. Sound: heavy rain drumming on the clear umbrella, distant traffic, footsteps splashing, and one of them says, "Come on, we're going to miss the last train."
Por qué funciona. El cuadro inicial ya fijó a las dos mujeres, el paraguas y la calle de neón, así que el prompt solo tiene que decir qué pasa después: la lluvia más fuerte, la risa, la caminata.
Este modo parte de tu propia imagen: agrégala en el playground antes de correrlo.
Probar este prompt
Referencia a video
Dale a cada foto de referencia una función
Resultado de este prompt
Image 1 is the man, Image 2 is the dining carriage, Image 3 is the sealed letter. The man from Image 1, still in his camel overcoat, sits alone at a table in the train carriage from Image 2 at night. He breaks the red wax seal of the letter from Image 3, unfolds it and reads, and a slow smile spreads across his face while city lights streak past the rainy window. Slow push-in. Sound: the rhythmic clatter of the train, rain on the glass, paper unfolding, a soft exhale.
Por qué funciona. Nombrar de qué es responsable cada imagen numerada (el hombre, el vagón, la carta) es por qué las tres se mantuvieron juntas en lugar de que el modelo las mezclara en algo nuevo.
Probar este prompt
Edición de video
Cambia una sola cosa, deja el resto como está
Resultado de este prompt
Turn the season to deep winter: fresh snow on the cobblestones, the balconies, the rooftops and the yellow tram, snowflakes drifting through the air and cold blue morning light. Dress both riders in wool coats and knitted scarves. Keep the street, the bicycles, the riders' movement and the camera move exactly as they are.
Por qué funciona. Video-edit solo cambia lo que nombras (aquí, la estación y el vestuario) y mantiene el encuadre, el movimiento y el ritmo del clip fuente tal como están.
Probar este prompt

Comparar

Kling O3 frente a modelos similares: cuál elegir

Modelo	Modos	Desde	Contenido	Elígelo si
Kling O3Esta página	Imagen a video · Referencia a video · Texto a video · Edición de video	$0.067 / segundo de salida	Con filtro — Este modelo rechaza sin rodeos las solicitudes que superan sus propios límites. Es un resultado medido, no supuesto; los modelos que no hemos medido no llevan ninguna etiqueta.	Quieres fotos de referencia, editar un video que ya tienes, o el rango más amplio de modos en un solo conjunto de endpoints.
Kling 3.0	Animación de personajes · Imagen a video · Texto a video	$0.067 / segundo de salida	Con filtro — Este modelo rechaza sin rodeos las solicitudes que superan sus propios límites. Es un resultado medido, no supuesto; los modelos que no hemos medido no llevan ninguna etiqueta.	Quieres una sola toma insignia con primer y último cuadro, o Motion Control para trasladar una actuación a tu personaje.
Kling 3.0 Turbo	Imagen a video · Texto a video	$0.112 / segundo de salida	Con filtro — Este modelo rechaza sin rodeos las solicitudes que superan sus propios límites. Es un resultado medido, no supuesto; los modelos que no hemos medido no llevan ninguna etiqueta.	Siempre quieres sonido y una entrega más rápida con un prompt de texto o imagen, y no necesitas fotos de referencia ni video-edit.
Kling 2.6	Animación de personajes · Imagen a video · Texto a video	$0.069 / segundo de salida	Con filtro — Este modelo rechaza sin rodeos las solicitudes que superan sus propios límites. Es un resultado medido, no supuesto; los modelos que no hemos medido no llevan ninguna etiqueta.	Quieres el modelo de audio nativo original de Kling a una tarifa menor en 1080p sin sonido, o su versión más barata de Motion Control.

Precios

Precios de la API de Kling O3

Un clip de 5 segundos cuesta desde $0.336 en 720p y desde $1.68 en 4K.

El playground muestra el costo exacto de tu configuración antes de correrla. Las tareas fallidas o vencidas normalmente no se cobran. Algunos modelos cobran los rechazos de contenido según lo indicado en su página; consulta esas condiciones antes de enviar.

Ver todos los niveles de precio

Primeros pasos

Cómo usar la API de Kling O3 en tres pasos

Paso 1
Pruébalo en el playground
Elige un modo de arriba (un párrafo, tu propio cuadro inicial, hasta siete fotos de referencia, o un video para editar), pega uno de los prompts de esta página y corre. El precio exacto se muestra antes de cobrar nada.
Paso 2
Consigue una clave de API
Regístrate, recarga con tarjeta o cripto, y crea una clave en la consola. No hay suscripción: pagas por los segundos de video que generas.
Paso 3
Envía la misma solicitud desde tu código
Copia la solicitud de la pestaña de API: es el mismo cuerpo que acaba de correr el playground. El clip terminado llega a tu webhook, o lo consultas por ID de tarea.

Abrir el playground Obtener una clave de API

La referencia de parámetros y los ejemplos de código están en las pestañas API y Readme, arriba en esta página.

Por qué SpicyAPI

Por qué usar Kling O3 en SpicyAPI

Sin filtro de nuestra parte
No agregamos ningún filtro de contenido propio. Lo que el modelo genera es lo que recibes.
Probado, no supuesto
Los niveles de contenido salen de generaciones reales que corrimos y revisamos, con la fecha de la prueba en la página.
Pagas por resultado, en dólares
Sin suscripción ni créditos. Las tareas fallidas o vencidas normalmente no se cobran. Algunos modelos cobran los rechazos de contenido según lo indicado en su página; consulta esas condiciones antes de enviar.
Una clave para todos los modelos
Una clave de API y un saldo cubren los modelos de imagen, video, audio y chat, para que explores más modelos desde la misma cuenta.

FAQ

Preguntas frecuentes de la API de Kling O3

Acerca de Kling O3

Kling O3 (Kling 3.0 Omni) es el modelo de video polivalente de Kling en SpicyAPI, en cuatro modos: texto a video, imagen a video, referencia a video y edición de video. Los clips duran de 3 a 15 segundos (un video que edites puede llegar a 10), hasta 4K, con sonido nativo opcional y cortes automáticos entre varios planos. Kling aplica su propia revisión de contenido y no añadimos ningún filtro encima: a veces pasa material de nivel Suave, cualquier cosa más fuerte se rechaza, y una solicitud rechazada no se cobra. Cobramos por segundo de salida en dólares estadounidenses, sin suscripción ni paquete que comprar por adelantado. Eres responsable de tener los derechos y el consentimiento de todo lo que subas, y del uso de lo que generes.