Introduction
Kling Avatar 2.0 Talking avatar prend un portrait (image_url) et un fichier audio de parole ou de chant (audio_url) et renvoie une vidéo de cette personne livrant l’audio. La durée du clip est fixée par l’audio lui-même — il n’y a pas de champ de durée séparé — jusqu’à environ 5 minutes. Un prompt optionnel dirige l’ambiance, les gestes et la direction du regard, séparément de ce que dit l’audio.
Fonctionnalités et points forts
L’audio fixe la durée
Il n’y a pas de paramètre de durée sur cet endpoint : coupez votre audio à la longueur souhaitée pour le clip fini avant de l’envoyer. La parole comme le chant fonctionnent comme audio source.
Le prompt dirige la performance, l’audio porte les mots
prompt est optionnel et décrit comment la performance devrait se ressentir — une ambiance, un geste, la direction du regard — tandis que audio_url fournit ce qui est réellement dit ou chanté. Garder les deux séparés est ce qui a permis à nos clips de test de faire correspondre le dialogue livré à l’audio source mot pour mot tout en suivant une direction précise.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
prompt | Non | Direction optionnelle pour la performance : ambiance, gestes, direction du regard. Séparé de ce que dit l’audio. 2500 caractères maximum |
image_url | Oui | Portrait à animer. JPEG ou PNG uniquement. |
audio_url | Oui | Parole ou chanson que l’avatar interprète. Le clip dure exactement aussi longtemps que cet audio — il n’y a pas de champ de durée séparé. |
resolution | Non | 720p ou 1080p. Le 1080p coûte plus cher à la seconde d’audio. |
Tarification
Facturé à la seconde de l’audio que vous envoyez, à la résolution que vous choisissez. Un portrait ou une requête que Kling refuse n’est pas facturé.
| Spécification | Prix |
|---|---|
| $0.0512 / seconde |
| $0.1024 / seconde |
Cas d’utilisation
Donner un visage à un script
Associez une réplique enregistrée ou générée à un portrait pour produire un clip parlé — utile pour des intros narrées, des témoignages, ou le dialogue d’un personnage dont vous avez déjà fixé le visage.
Diriger une performance chantée à partir d’une photo fixe
Envoyez une piste audio chantée aux côtés d’un portrait et d’un court prompt décrivant la performance (public, énergie, un geste de la main) plutôt que les mots eux-mêmes.
Guide de prompt et conseils pratiques
Écrivez un arc, pas une seule ambiance
Une direction comme « un regard baissé une fois, puis retour vers l’objectif avec un rire timide à la fin » donne à l’avatar une petite séquence à jouer, plutôt qu’une expression statique maintenue sur tout le clip.
Choisissez un portrait net et de face
Une photo bien éclairée et de face donne la synchro labiale et l’expression les plus fiables. Les angles de profil, les visages obscurcis ou les cadrages très serrés risquent davantage de dériver au fil du clip.
Attendez-vous à ce que le clip dure un peu plus longtemps que l’audio
Dans nos tests, la vidéo finie durait systématiquement un peu plus longtemps que l’audio source — une réplique de 11,4 secondes revenait en un clip de 12,27 secondes — prévoyez donc une petite marge plutôt qu’un minutage exact à l’image près à la toute fin. La facturation suit la durée de l’audio, pas celle du clip fini.
Coupez le silence aux deux extrémités de l’audio
Un fichier qui s’ouvre ou se termine sur une longue pause donne à l’avatar un temps mort sans rien à jouer. Coupez l’audio au plus près de l’endroit où la parole ou le chant commence et se termine réellement avant de l’envoyer.
Démarrage rapide de l’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/avatar-2.0/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
