Introduction
Kling 3.0 Turbo Text to video transforme une scène écrite en un clip de 3 à 15 secondes entières, en 720p ou 1080p, avec un son généré dans la même passe. Il n’y a pas de mode silencieux sur cet endpoint : décrivez le dialogue et le son d’ambiance souhaités dans le prompt et ils sont rendus avec l’image.
Choisissez un mode Kling 3.0 Turbo selon votre matériau de départ
| Ce que vous avez au départ | Mode |
|---|---|
| une scène écrite | Kling 3.0 Turbo Texte vers vidéo |
| une image de départ validée | Kling 3.0 Turbo Image vers vidéo |
Fonctionnalités et points forts
Le son n’est pas optionnel, et c’est voulu
Chaque clip issu de cet endpoint porte une bande son générée : le dialogue que vous mettez entre guillemets est rendu en répliques parlées, et tout son d’ambiance que vous nommez — musique, pas, circulation — revient mixé avec l’image. Dans nos tests, les répliques parlées correspondaient au prompt mot pour mot sur chaque clip exécuté. Il n’y a pas de champ pour désactiver l’audio ; pour un clip silencieux en 1080p, utilisez plutôt Kling 2.5 Turbo.
Une seule prise continue, pas de champ de découpage en plans
Cet endpoint n’a pas de réglage multi-plans, donc chaque clip se joue comme une prise unique ininterrompue. Écrivez une action claire du début à la fin — une danse, un sprint et un saut, un virage vers la caméra — plutôt que plusieurs temps que vous voudriez assembler.
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 le son — dialogue entre guillemets et les sons d’ambiance souhaités. 1 caractères minimum · 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. |
resolution | Non | 720p ou 1080p. Les paliers supérieurs coûtent plus cher à la seconde. |
duration_seconds | Non | Secondes entières, de 3 à 15. Détermine le prix avec la résolution. |
Tarification
Facturé à la seconde de sortie ; la résolution et la durée influencent toutes deux le tarif.
| Spécification | Prix |
|---|---|
| $0.112 / seconde |
| $0.14 / seconde |
Cas d’utilisation
Scènes de dialogue pour shorts et reels
Deux personnes qui parlent, rient ou échangent une réplique fonctionnent bien ici, puisque l’audio revient synchronisé avec l’image plutôt que doublé après coup. Une scène de cuisine que nous avons testée a livré la réplique parlée, la musique de fond et le bruit d’une marmite qui frémit, le tout dans le même fichier, sans passe audio séparée nécessaire avant la publication.
Clips d’action et de mouvement avec son assorti
Le parkour, la danse et d’autres actions physiques arrivent avec pas de pas, impacts et respiration intégrés dans le même fichier que le mouvement, sans passe de bruitage séparée à ajouter.
Des clips sociaux à réalisation rapide qui ont besoin de son dès le départ
Comme l’audio est généré dans la même passe que l’image, cet endpoint convient à tout clip court destiné directement à un fil ou un reel, où attendre une étape de sound design séparée ralentirait la publication.
Guide de prompt et conseils pratiques
Écrivez le plan dans l’ordre où il se produit
Structurez le prompt en sujet, action, caméra, puis son. Le prompt de la salsa en cuisine est un modèle exploitable : qui danse et ce qu’il porte, ce qu’il fait (tourne, heurte le comptoir), la caméra (plan moyen, léger tremblé à l’épaule), puis le son (musique, rires, la marmite qui frémit).
Associez le son à l’action, pas seulement à l’ambiance
Nommez des sons provoqués par quelque chose dans le cadre — des pas sur le béton, une marmite qui frémit, un moteur de scooter — plutôt qu’une piste d’ambiance générique. Dans nos tests, un son lié à une action visible était rendu de façon plus cohérente et synchrone avec l’image qu’une indication ambiante sans rien dans le cadre pour la produire.
Démarrage rapide de l’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/3.0-turbo/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
