Introduction
Kling 2.6 Image to video prend une image de départ et un prompt décrivant ce qui se passe ensuite, et renvoie un clip fixe en 1080p de 5 ou 10 secondes. Il n’y a pas non plus de champ aspect_ratio — la sortie prend la forme de votre image source. generate_audio est optionnel : activez-le pour un dialogue ou un son d’ambiance rendu avec le mouvement.
Choisissez un mode Kling 2.6 selon votre matériau de départ
| Ce que vous avez au départ | Mode |
|---|---|
| une scène écrite | Kling 2.6 Texte vers vidéo |
| une image de départ validée | Kling 2.6 Image vers vidéo |
| une vidéo pilote et une photo de personnage | Kling 2.6 Motion Control |
Fonctionnalités et points forts
L’image de départ ancre tout le clip
Dans notre test, la chemise à carreaux d’une femme, le pick-up et le décor désertique de l’image de départ se sont poursuivis tout au long du clip ; le prompt n’a fourni que le geste, le mouvement vers le soleil et la réplique parlée. Dans notre test du hayon, une seule photo en chemise à carreaux est devenue un clip au coucher du soleil avec une réplique parlée, du vent du désert et un camion qui passe, sans qu’il faille redécrire la tenue ni le décor déjà fixés par la photo.
Le son, quand vous le demandez, suit l’action
Avec generate_audio activé, notre test a renvoyé le vent du désert, des grillons et un camion qui passe synchronisés avec le moment où elle parle — même si le mixage est ressorti plus discret que l’image, ce qui vaut la peine d’être relancé si vous avez besoin que l’audio soit plus présent.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | Décrivez seulement ce qui se passe après l’image : l’action, le mouvement de caméra et, si vous activez le son, le dialogue ou le son d’ambiance. 1 caractères minimum · 2500 caractères maximum |
image_url | Oui | Image de départ. La personne, la tenue et le décor de cette image tiennent tout au long du clip. |
negative_prompt | Non | Ce qui ne doit pas apparaître : une deuxième personne, des sous-titres, un accessoire que le modèle ramène sans cesse. Écrivez une simple liste plutôt que des phrases négatives. 2500 caractères maximum |
generate_audio | Non | Désactivé par défaut. Activez-le pour une bande son générée rendue avec l’image ; cela coûte plus cher à la seconde. Valeur par défaut: |
duration_seconds | Non | 5 ou 10 secondes — aucune autre valeur n’est acceptée. Détermine le prix. |
guidance_scale | Non | Degré de fidélité du clip au prompt, de 0 à 1 par pas de 0,01 ; 0,5 par défaut. |
Tarification
Facturé à la seconde de sortie ; activer le son coûte plus cher à la seconde.
| Spécification | Prix |
|---|---|
| $0.069 / seconde |
| $0.138 / seconde |
Cas d’utilisation
Transformer une image fixe validée en un temps sonorisé
Animez un personnage, un produit ou un lieu déjà figé dans une photo, et ajoutez une courte réplique parlée ou un son d’ambiance au lieu de décrire toute une scène depuis rien.
Clips sociaux au format fixe
1080p, 5 ou 10 secondes, est un format prévisible et prêt à publier quand vous n’avez pas besoin d’ajuster la résolution ou la durée à chaque clip. Ce format fixe fait aussi de cet endpoint un moyen rapide de transformer un lot de photos de produit ou de personnage validées en une série de clips au même format pour un fil.
Recomposer la même photo avec des répliques différentes
Comme l’image de départ ancre le look, vous pouvez faire passer une même image validée par plusieurs prompts — une réplique différente, un geste différent — tout en gardant la personne, la tenue et le décor identiques dans chaque version.
Guide de prompt et conseils pratiques
Décrivez le temps suivant, pas toute la scène
Comme l’image fixe déjà le look, le prompt n’a besoin que du mouvement, de la caméra et — si generate_audio est activé — du dialogue ou du son d’ambiance souhaité. Redécrire la tenue ou le décor que la photo montre déjà gaspille des mots que le modèle pourrait consacrer à l’action.
JPEG ou PNG uniquement
Le champ image de cet endpoint n’accepte pas d’autres formats. Convertissez votre image source en JPEG ou PNG avant de la téléverser. — une source en WEBP ou HEIC échoue avant même que le job ne démarre.
Si le mixage sonore ressort trop discret, précisez-le dans le prompt
Notre test du désert a renvoyé le vent, les grillons et le camion synchronisés avec le moment où elle parle, mais mixés plus discrètement que l’image. Si le son d’ambiance doit ressortir aussi fort que le dialogue, dites-le explicitement dans le prompt plutôt que de supposer un mixage équilibré par défaut.
Démarrage rapide de l’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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/2.6/image-to-video",
"input": {
"duration_seconds": 5,
"generate_audio": false,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
