API vidéo Kling : choisir selon votre matériau de départ

Une photographie validée, un enregistrement de mouvement et un clip terminé nécessitent des types de génération vidéo différents. Choisir d'abord l'opération évite de payer pour recréer du matériel que vous possédez déjà.

Choisissez Kling d'abord selon l'opération. Utilisez 2.1 image vers vidéo pour un clip silencieux bon marché à partir d'une image de départ ; 3.0 pour des durées souples et des plans structurés ; O3 pour plusieurs références ou la retouche d'un clip existant. Avec les configurations de base actuelles, cinq secondes coûtent $0.175 sur 2.1 à 720p, $0.336 sur 3.0 à 720p sans son, ou $0.336 pour la génération O3 à 720p sans son. Toutes les tâches Kling présentées sont filtrées ; elles conviennent aux vidéos promotionnelles SFW, pas à une chaîne de production NSFW fiable.

Essayez d'abord dans le Playground

1. Ouvrez la page Kling 3.0 texte vers vidéo et restez dans Workbench, en mode Form.
2. Décrivez la scène dans Prompt ; indiquez ce qu'il faut éviter dans Negative prompt.
3. Réglez Aspect ratio sur 16:9 et Resolution sur 720p.
4. Sélectionnez Run model (connectez-vous d'abord), regardez le clip sous Preview et conservez-le avec Download.

Pour une image de départ, un clip de mouvement ou une retouche, ouvrez la page de tâche correspondante (Kling 3.0 image vers vidéo, O3 référence vers vidéo ou O3 retouche vidéo) et utilisez ses champs de téléversement de la même façon.

Sept familles, des entrées différentes

Les prix ci-dessous concernent les configurations SpicyAPI indiquées ; les vidéos de référence et la retouche ont des tarifs distincts.

Ces prix de génération ne s'appliquent ni au transfert de mouvement ni à la retouche. L'animation de personnage Kling 2.6 coûte $0.069/seconde à 720p ou $0.112/seconde à 1080p, selon la durée de la vidéo pilote. La génération O3 avec une vidéo de référence coûte $0.1008/seconde à 720p ou $0.1344/seconde à 1080p. Demandez un devis pour la tâche réelle fondée sur votre source avant de la créer.

Sur 3.0, le 1080p coûte $0.0896/seconde sans son ou $0.1344 avec son ; le 4k coûte $0.336/seconde dans les deux cas. La génération O3 texte/image coûte $0.0896/seconde à 1080p silencieux ou $0.112 avec son, et $0.336 à 4k dans les deux cas. Le tarif 4k de la génération O3 par référence est différent : $0.419/seconde. Un clip de référence de cinq secondes à 4k coûte donc $2.095, et non le prix texte/image de $1.68.

Utilisez la tâche adaptée à votre source

Un script uniquement : choisissez texte vers vidéo. Pour un plan simple de cinq secondes à 1080p, le prix vérifié de $0.28 de 2.5 Turbo est inférieur à celui de Master ou de 2.6, mais aucun réglage ne permet de couper le son. Pour une sortie silencieuse, 2.6 coûte $0.345 à 1080p ou 3.0 coûte $0.336 à 720p.

Avec son, 3.0 Turbo est plus cher que le 3.0 standard : cinq secondes à 720p coûtent $0.56 contre $0.504. Ne choisissez pas Turbo simplement pour économiser. À 1080p avec son, 2.6 coûte $0.69 contre $0.672 pour 3.0, qui propose aussi une durée souple et des listes de plans. Gardez 2.6 si vous avez besoin de sa sortie silencieuse à 1080p moins chère ($0.345 contre $0.448).

Une première image validée : choisissez image vers vidéo. Kling 2.1 n'accepte une image finale last_image_url qu'à 1080p. 2.5 Turbo, 3.0 et O3 proposent aussi une image finale ; Master, 2.6 et 3.0 Turbo ne le font pas. La première et la dernière image ne garantissent pas la préservation de l'identité dans le mouvement intermédiaire.

Une image de personnage et un clip de performance : choisissez kling/2.6/character-animation ou kling/3.0/character-animation. Les deux prennent image_url et video_url et suivent une vidéo pilote de 3–30 secondes. 2.6 produit une vidéo silencieuse. 3.0 expose keep_original_audio (true par défaut) et character_orientation : video autorise toute la plage de durée, tandis que image limite la vidéo pilote à dix secondes. N'envoyez pas de duration_seconds souhaité ici.

Des images distinctes de personnage, de tenue ou de lieu : choisissez kling/o3/reference-to-video. Fournissez 1–7 reference_image_urls et expliquez Image 1, Image 2, etc. Ajouter un clip dans reference_video_urls réduit la limite d'images à quatre, interdit le 4k et exige generate_audio: false. Le son de la source originale est géré séparément par keep_original_audio.

Un clip existant dont l'action doit être conservée : choisissez kling/o3/video-edit. Fournissez un video_url de 3–10 secondes, avec au moins 720 pixels sur chaque côté, un prompt de modification et resolution: "720p" ou "1080p". Il n'y a pas de champ de durée souhaitée ni de 4k. Les références d'images facultatives sont limitées à quatre. Les éléments nommés sont une autre option, mais ne doivent pas être combinés avec des références d'images ordinaires pour cette tâche de retouche.

Générez une séquence SFW de neuf secondes avec un personnage adulte

Pour Kling 3.0 texte vers vidéo, utilisez une durée entière de 3–15 secondes. Les rapports de génération par texte sont 16:9, 9:16 et 1:1 ; la route image suit son image de départ. Une liste personnalisée accepte 1–6 plans, chacun de 1–15 secondes avec un prompt de 512 caractères maximum ; la somme de leurs durées doit égaler la durée globale.

À 720p sans son, neuf secondes coûtent $0.6048. Trois candidats terminés dans cette configuration coûtent $1.8144.

Utilisez shot_type: "single" et omettez multi_prompt pour une prise continue, ou multi pour laisser le modèle prévoir les coupes. Kling 3.0 coupe parfois même avec single ; ajoutez une instruction de plan continu et inspectez toute la sortie lorsque l'action doit rester ininterrompue.

Quand acheter une seule séquence générée est un mauvais choix

La séquence personnalisée de neuf secondes ci-dessus est utile si vous voulez que le modèle produise les plans et leurs coupes ensemble. Elle convient mal si le deuxième plan doit montrer une poignée de produit exacte ou si un client a déjà validé trois compositions distinctes. Dans ces cas, animez les images fixes validées en plans image vers vidéo séparés et montez-les vous-même. Chaque plan peut alors être modifié sans racheter toute la séquence.

Cela a une conséquence sur le coût. Trois clips 3.0 silencieux séparés de trois secondes à 720p ont le même sous-total de génération affiché pour neuf secondes, $0.6048, que la demande personnalisée unique. Mais si seul le gros plan central doit être refait, le clip de remplacement de trois secondes coûte $0.2016 ; relancer toute la séquence de neuf secondes coûte $0.6048. La création des images sources et les prises écartées augmentent le coût des deux méthodes. C'est pourquoi le plan de montage compte autant que le tarif par seconde annoncé le plus bas.

Dans la scène du parapluie, le premier plan présente la personne et le parapluie plié. Le gros plan présente la poignée et la prise en main. La fin montre le parapluie abaissé sans être ouvert. N'écrivez pas “the performer opens the umbrella” dans le prompt central et “the folded umbrella remains unchanged” dans le prompt final : ces états de l'accessoire sont contradictoires. Décrivez son état dans chaque plan qui en a besoin, plutôt que de supposer que la phrase globale résoudra la contradiction.

Enregistrez le mouvement quand le texte ne peut pas en préciser le rythme

Pour une danse précise en trois pas, un salut ou une rotation lente, une vidéo pilote est plus utile que des adjectifs supplémentaires dans un prompt textuel. Préparez une performance continue avec un adulte, dans le cadrage montré par la référence du personnage. Une danse en pied nécessite une référence avec les chaussures visibles et assez d'espace pour l'extension maximale des bras ; un portrait du visage seul laisse le corps en mouvement indéfini.

Le guide officiel de contrôle du mouvement recommande de faire correspondre les cadrages du corps, de garder l'interprète visible et d'éviter les coupes dans la vidéo pilote. Les fonctions du site dépassent celles d'un endpoint hébergé individuel ; le contrat d'entrée ci-dessus reste donc la liste des champs que vous pouvez soumettre ici. Ne copiez pas un contrôle de bibliothèque d'éléments du site dans une requête qui ne l'expose pas.

Choisissez l'orientation vidéo si suivre le cadrage de la vidéo pilote est prioritaire. Choisissez l'orientation image seulement si la pose de référence est l'orientation voulue et si la source respecte la durée plus courte autorisée sur 3.0. Une vidéo pilote filmée de profil et une image de personnage de face impliquent un vrai choix de direction, pas deux téléversements interchangeables.

Pour un transfert de mouvement de six secondes à 720p, 2.6 affiche $0.414 et 3.0 $0.6048. Si la performance doit être livrée sur une musique montée séparément, la sortie silencieuse de 2.6 peut suffire. Si conserver le son source importe, 3.0 propose ce réglage.

Retoucher un clip existant diffère de la génération d'un nouveau clip

Utilisez la retouche O3 lorsque le clip original contient déjà l'action et que vous souhaitez une modification visuelle ciblée. Pour la serre, il peut s'agir d'ajuster le fond ou la tenue tout en conservant le geste d'abaissement du parapluie. Préparez le plan final de 3–10 secondes avant le téléversement. N'envoyez pas un film plus long en espérant qu'un réglage de durée sélectionnera le passage utile ; la retouche n'a pas ce champ.

Pour une retouche O3 de cinq secondes, le sous-total affiché est $0.626 à 720p ou $0.84 à 1080p. Une nouvelle génération silencieuse de cinq secondes à 720p coûte $0.336, mais invente une nouvelle performance. Ce prix inférieur n'en fait pas un substitut lorsque le rythme, le geste ou le mouvement de caméra existant doit être conservé. Vérifiez la retouche retournée sur toute l'action, car une première image correcte ne prouve pas à elle seule la préservation.

Obtenez un devis et lancez la tâche avec le SDK

Installez spicyapi (pip install spicyapi), définissez SPICY_API_KEY et lancez la séquence du parapluie en trois plans. Le devis est gratuit ; la tâche n'est créée qu'après votre accord.

import uuid
from spicyapi import SpicyClient, output_assets

client = SpicyClient()
model = "kling/3.0/text-to-video"
inputs = {
    "prompt": "A fictional 35-year-old performer in a cream jacket displays a folded blue umbrella beside a greenhouse door. Keep the same person, clothing and umbrella throughout.",
    "duration_seconds": 9,
    "resolution": "720p",
    "aspect_ratio": "16:9",
    "generate_audio": False,
    "shot_type": "customize",
    "multi_prompt": [
        {"prompt": "Medium view of the performer holding the folded umbrella by its handle.", "duration_seconds": 3},
        {"prompt": "Closer view of the hand and umbrella handle. The umbrella remains folded.", "duration_seconds": 3},
        {"prompt": "Medium view as the performer gently lowers the folded umbrella and pauses.", "duration_seconds": 3},
    ],
}

quote = client.quote_task(model=model, input_data=inputs)
print("Estimated cost:", quote["estimatedCost"])
if input("Create this task? [y/N] ") == "y":
    task = client.create_task(
        model=model,
        input_data=inputs,
        idempotency_key=str(uuid.uuid4()),
        quote_id=quote["quoteId"],
        expected_cost=quote["estimatedCost"],
    )
    final = client.wait_for_terminal(task["taskId"])
    if final["state"] != "succeeded":
        raise RuntimeError(final.get("errorMessage", final["state"]))
    for asset in output_assets(final):
        print(asset["url"])

La documentation du SDK Python couvre la livraison des fichiers, les nouvelles tentatives et la récupération.

Laissez un Agent gérer l'appel

Utilisez un Agent pour préparer les entrées et renvoyer le résultat, tout en approuvant vous-même le prix et les choix créatifs.

• CLI : avec le même objet d'entrée enregistré dans input.json, utilisez npx @spicyapi/cli tasks create --model kling/3.0/text-to-video --input-file input.json --wait. La CLI confirme le prix ; conservez l'identifiant de tâche renvoyé pour la récupération.
• MCP : demandez à votre assistant d'utiliser spicyapi_task_create pour kling/3.0/text-to-video, puis spicyapi_task_wait. Le serveur MCP demande une confirmation du prix avant la création.
• Skill : installez avec npx skills add spicyapi-ai/spicy-skill, puis demandez à $spicyapi d'exécuter la même méthode et de s'arrêter pour votre accord. Le Skill utilise une connexion CLI ou MCP configurée.

Limites de contenu et échecs évitables

Selon nos tests de septembre 2026, Kling peut produire du contenu suggestif, mais ne constitue pas un choix fiable de vidéo sans censure. L'acceptation variait selon les entrées et les routes ; les demandes adultes plus intenses ont été refusées. Kling vérifie le prompt, les téléversements et le clip terminé. Pour la vidéo adulte, utilisez les alternatives adaptées à la tâche dans notre guide Kling NSFW.

Pour la bande-annonce SFW d'une marque adulte, commencez avec des adultes fictifs entièrement vêtus dans un environnement neutre, comme dans l'exemple. Un rejet lié aux règles ne se résout ni en augmentant la résolution ni en déguisant la demande.

Consultez la page Kling 3.0, les images de référence O3 et la retouche O3 pour le contrat actuel.

Questions fréquentes

Quelle tâche Kling est le point de départ le moins cher ?

Pour un clip silencieux issu d'une image de départ validée, 2.1 à 720p affiche cinq secondes pour $0.175. Pour la génération par texte à 1080p fixe, 2.5 Turbo affiche cinq secondes pour $0.28, son inclus et sans champ de désactivation audio. Ces conditions d'entrée et de livraison diffèrent : choisissez celle qui répond au besoin avant de comparer les prix.

Faut-il utiliser des images de référence ou une image de départ ?

Utilisez image vers vidéo lorsque la composition source doit constituer le début du clip. Utilisez les références O3 lorsque des images distinctes définissent la personne, la tenue et le lieu d'une nouvelle composition. Une vidéo pilote apporte le rythme de la performance ; elle ne remplace aucun de ces deux types d'images.

Puis-je corriger une seule partie d'une séquence générée ?

Des clips séparés permettent de remplacer chaque plan à son propre coût de génération. La retouche O3 peut modifier un court clip existant en préservant son action, mais elle coûte plus cher qu'une nouvelle génération et exige une vérification de toute la lecture. Choisissez selon la nécessité de conserver la performance originale.

Puis-je appeler Kling 4.0 avec ces identifiants de modèle ?

Non. Le catalogue actuel ne contient aucune tâche 4.0 ou Flash appelable. Le guide de sortie Kling 4.0 traite séparément de l'accès anticipé et du statut de l'API.

La décision

Commencez avec 2.1 pour une animation simple et silencieuse d'image fixe, 3.0 pour une planification explicite des plans et une durée souple, ou O3 lorsque les références ou une vidéo existante constituent l'entrée à préserver. Enregistrez une vidéo pilote lorsque le brief exige un rythme de performance exact. Conservez chaque plan généré séparément si vous prévoyez des révisions : remplacer un seul gros plan peut compter davantage qu'une petite différence dans les tarifs annoncés.