Introduction
Kling 2.6 Text to video transforme une scène écrite en un clip fixe en 1080p de 5 ou 10 secondes. Il n’y a pas de champ de résolution à régler — la sortie est toujours en 1080p — et generate_audio est optionnel : laissez-le désactivé pour un rendu silencieux, ou activez-le pour un dialogue, une musique et une ambiance générés avec l’image.
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
Le son est optionnel, et il est rendu avec l’image
Activez generate_audio et le dialogue que vous écrivez entre guillemets, plus tout son d’ambiance que vous nommez, revient dans le même fichier que la vidéo. Dans notre test au diner, des rires qui se chevauchent, un jukebox jouant du doo-wop et des couverts qui s’entrechoquent sont tous arrivés synchronisés avec la scène, même si les gestes de la main du groupe sont ressortis un peu plus discrets que ce que demandait le prompt.
1080p fixe, aucun palier à choisir
Il n’y a pas de champ de résolution sur cet endpoint — chaque clip est rendu en 1080p. La durée est fixe aussi, à 5 ou 10 secondes ; il n’y a pas de champ pour une valeur intermédiaire.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Oui | Écrivez-le comme un plan : qui est dans le cadre, l’action, le mouvement de caméra, puis — si vous activez le son — le dialogue entre guillemets et les sons d’ambiance souhaités. 1 caractères minimum · 2500 caractères maximum |
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 |
aspect_ratio | Non | 16:9, 9:16 ou 1:1. Choisissez-le avant d’écrire le prompt pour que le brief place le sujet selon ce format. |
generate_audio | Non | Désactivé par défaut. Activez-le pour une bande son générée — dialogue, musique, ambiance — 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 |
| $0.138 / seconde |
Cas d’utilisation
Scènes de groupe portées par le dialogue
Une poignée de personnes qui parlent et réagissent dans une même pièce fonctionne bien ici, avec l’ambiance sonore et le dialogue rendus dans la même passe que l’image.
Prises propres à réutiliser comme vidéo pilote Motion Control
Un seul interprète, corps entier dans le cadre, sur un fond neutre et une caméra fixe, produit une prise que vous pouvez injecter directement dans Motion Control (character-animation) comme vidéo pilote pour un autre personnage.
Guide de prompt et conseils pratiques
Décidez du son avant d’écrire la scène
Si vous laissez generate_audio désactivé, décrivez seulement l’image. Si vous l’activez, terminez le prompt par le dialogue entre guillemets et les sons d’ambiance souhaités — nos tests montrent qu’ils sont rendus liés à l’action visible plutôt que comme une couche générique par-dessus.
Pour une vidéo pilote, demandez le corps entier et rien d’autre
Un fond neutre, une caméra fixe et une instruction de garder le corps entier dans le cadre tout du long produisent la source la plus propre pour Motion Control — l’exemple studio-dancer-take a été construit exactement ainsi, et nous avons réutilisé ce même clip deux fois comme vidéo pilote pour d’autres familles Kling.
Choisissez 5 ou 10 secondes avant d’écrire le moment
La durée ne prend que l’une de deux valeurs, décidez donc de la longueur avant de rédiger la scène. Une simple réplique parlée avec une courte réaction tient confortablement en 5 secondes ; un échange avec plus d’un temps, ou une réplique qui a besoin d’une pause avant de porter, demande les 10 secondes complètes plutôt que de paraître précipité.
Démarrage rapide de l’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/2.6/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"aspect_ratio": "16:9",
"generate_audio": false,
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
