API video Kling: scegli in base al materiale iniziale

Una fotografia approvata, una registrazione del movimento e un clip finito richiedono tipi diversi di generazione video. Scegliere prima l'operazione evita di pagare per ricreare materiale che hai già.

Scegli Kling prima in base all'operazione. Usa 2.1 da immagine a video per un clip silenzioso economico dal frame iniziale; 3.0 per durate flessibili e inquadrature strutturate; O3 per più riferimenti o per modificare un clip esistente. Alle configurazioni di base attuali, cinque secondi costano $0.175 su 2.1 a 720p, $0.336 su 3.0 a 720p senza audio oppure $0.336 per la generazione O3 a 720p senza audio. Tutte le task Kling trattate sono filtrate; sono utili per filmati promozionali SFW, ma non per una produzione NSFW affidabile.

Prova prima nel Playground

1. Apri la pagina Kling 3.0 da testo a video e resta su Workbench, in Form.
2. Scrivi la scena in Prompt; aggiungi ciò che vuoi evitare in Negative prompt.
3. Imposta Aspect ratio su 16:9 e Resolution su 720p.
4. Seleziona Run model (prima accedi), guarda il clip sotto Preview e usa Download per conservarlo.

Per un'immagine iniziale, un clip di movimento o una modifica, apri la pagina della task corrispondente (Kling 3.0 da immagine a video, O3 da riferimento a video oppure O3 modifica video) e usa allo stesso modo i campi di caricamento.

Sette famiglie, input diversi

I prezzi seguenti si riferiscono alle configurazioni SpicyAPI indicate; video di riferimento e modifiche hanno tariffe separate.

Questi prezzi di generazione non si applicano al trasferimento del movimento né alle modifiche. L'animazione del personaggio Kling 2.6 costa $0.069/secondo a 720p oppure $0.112/secondo a 1080p, fatturati in base alla durata del video guida. La generazione O3 con video di riferimento costa $0.1008/secondo a 720p oppure $0.1344/secondo a 1080p. Richiedi il preventivo della task effettiva basata sulla sorgente prima di crearla.

Per 3.0, 1080p costa $0.0896/secondo senza audio oppure $0.1344 con audio; 4k costa $0.336/secondo in entrambi i casi. La generazione O3 da testo/immagine costa $0.0896/secondo a 1080p silenzioso oppure $0.112 con audio, e $0.336 a 4k in entrambi i casi. La fascia 4k della generazione O3 da riferimenti è diversa: $0.419/secondo. Un clip di riferimento di cinque secondi a 4k costa quindi $2.095, non i $1.68 della generazione da testo/immagine.

Usa la task adatta alla sorgente

Solo un copione: scegli da testo a video. Per una semplice inquadratura di cinque secondi a 1080p, il prezzo verificato di $0.28 di 2.5 Turbo è inferiore a Master o 2.6, ma non consente di disattivare l'audio. Per un risultato silenzioso, 2.6 costa $0.345 a 1080p oppure 3.0 costa $0.336 a 720p.

Con audio, 3.0 Turbo è più caro di 3.0 standard: cinque secondi a 720p costano $0.56 contro $0.504. Non scegliere Turbo soltanto per risparmiare. A 1080p con audio, 2.6 costa $0.69 contro $0.672 di 3.0, che offre anche durate flessibili e liste di inquadrature. Mantieni 2.6 quando ti serve il suo output silenzioso a 1080p più economico ($0.345 contro $0.448).

Un primo frame approvato: scegli da immagine a video. Kling 2.1 accetta un frame finale last_image_url solo a 1080p. Anche 2.5 Turbo, 3.0 e O3 offrono frame finali; Master, 2.6 e 3.0 Turbo no. Il primo e l'ultimo frame non garantiscono che il movimento intermedio preservi l'identità.

Un'immagine del personaggio e un clip della performance: scegli kling/2.6/character-animation oppure kling/3.0/character-animation. Entrambi ricevono image_url e video_url e seguono un video guida di 3–30 secondi. 2.6 restituisce un video silenzioso. 3.0 espone keep_original_audio (true per impostazione predefinita) e character_orientation: video permette l'intero intervallo di durata, mentre image limita il video guida a dieci secondi. Non inviare qui una duration_seconds richiesta.

Immagini separate di personaggio, abbigliamento o luogo: scegli kling/o3/reference-to-video. Fornisci 1–7 reference_image_urls e spiega Image 1, Image 2 e così via. Aggiungere un clip reference_video_urls riduce a quattro il limite delle immagini, esclude 4k e richiede generate_audio: false. L'audio della sorgente originale si controlla separatamente con keep_original_audio.

Un clip esistente la cui azione deve restare: scegli kling/o3/video-edit. Fornisci un video_url di 3–10 secondi, con almeno 720 pixel per lato, un prompt di modifica e resolution: "720p" oppure "1080p". Non esistono campi per la durata richiesta o per 4k. I riferimenti immagine facoltativi sono limitati a quattro. Puoi usare anche elementi con nome, ma in questa task di modifica non devi combinarli con normali riferimenti immagine.

Genera una sequenza SFW di nove secondi con un personaggio adulto

Per Kling 3.0 da testo a video, usa una durata intera di 3–15 secondi. I rapporti della generazione da testo sono 16:9, 9:16 e 1:1; il percorso da immagine segue il frame iniziale. Una lista personalizzata accetta 1–6 inquadrature, ciascuna di 1–15 secondi con un prompt fino a 512 caratteri; le durate devono sommare alla durata complessiva.

A 720p senza audio, nove secondi costano $0.6048. Tre risultati completati con questa configurazione costano $1.8144.

Usa shot_type: "single" e ometti multi_prompt per una ripresa continua, oppure multi per lasciare che il modello pianifichi i tagli. Kling 3.0 talvolta introduce tagli anche con single; aggiungi un'istruzione per una ripresa continua e controlla l'intero output quando l'azione deve rimanere ininterrotta.

Quando una singola sequenza generata è l'acquisto sbagliato

La sequenza personalizzata di nove secondi sopra è utile se vuoi che il modello produca insieme le inquadrature e i tagli. È poco adatta se la seconda inquadratura deve mostrare l'esatta impugnatura di un prodotto o se un cliente ha già approvato tre composizioni separate. In questi casi, anima le immagini fisse approvate come inquadrature separate da immagine a video e montale tu. Puoi così modificare ogni inquadratura senza acquistare di nuovo tutta la sequenza.

Questo incide sul costo. Tre clip separati di tre secondi con 3.0 silenzioso a 720p hanno lo stesso subtotale di generazione indicato per nove secondi, $0.6048, della singola richiesta personalizzata. Ma se soltanto il dettaglio centrale richiede un altro tentativo, il clip sostitutivo di tre secondi costa $0.2016; rigenerare l'intera sequenza di nove secondi costa $0.6048. La creazione delle immagini sorgente e le riprese scartate aumentano il costo di entrambi i flussi. Per questo il piano di montaggio conta quanto la tariffa al secondo pubblicizzata più bassa.

Nella scena dell'ombrello, la prima inquadratura presenta la persona e l'ombrello chiuso. Il dettaglio mostra l'impugnatura e la presa. Il finale mostra l'ombrello che si abbassa senza aprirsi. Non scrivere “the performer opens the umbrella” nel prompt centrale e “the folded umbrella remains unchanged” nel prompt finale: sono stati contrastanti dell'oggetto di scena. Specifica lo stato in ogni inquadratura che lo richiede, invece di supporre che la frase generale risolva la contraddizione.

Registra il movimento quando il testo non può definirne i tempi

Per un ballo preciso di tre passi, un saluto o una rotazione lenta, un video guida è più utile di altri aggettivi in un prompt testuale. Prepara una performance continua con un adulto, nella grandezza d'inquadratura mostrata dal riferimento del personaggio. Un ballo a figura intera richiede un riferimento con scarpe visibili e spazio sufficiente per la massima estensione delle braccia; un ritratto del solo viso lascia indefinito il corpo in movimento.

La guida ufficiale al controllo del movimento consiglia di far corrispondere l'inquadratura del corpo, tenere visibile l'interprete ed evitare tagli nel video guida. Le funzioni del sito sono più ampie di quelle di un singolo endpoint ospitato, quindi il contratto di input sopra rimane l'elenco dei campi che puoi inviare qui. Non copiare un controllo della libreria di elementi del sito in una richiesta che non lo espone.

Scegli l'orientamento video se la priorità è seguire l'inquadratura del video guida. Scegli l'orientamento immagine solo se quella posa di riferimento rappresenta l'orientamento desiderato e la sorgente rientra nella durata più breve consentita da 3.0. Un video guida ripreso di profilo e un'immagine frontale del personaggio rappresentano una vera scelta di direzione, non due caricamenti intercambiabili.

Per un trasferimento di movimento di sei secondi a 720p, 2.6 indica $0.414 e 3.0 $0.6048. Se la performance sarà consegnata con musica montata separatamente, l'output silenzioso di 2.6 può bastare. Se conservare l'audio sorgente conta, 3.0 espone questo controllo.

Modificare un clip esistente è diverso da generarne uno nuovo

Usa la modifica O3 quando il clip originale contiene già l'azione e vuoi un cambiamento visivo mirato. Nella scena della serra, potrebbe essere un aggiustamento dello sfondo o dell'abbigliamento mantenendo l'interprete che abbassa l'ombrello. Prepara l'inquadratura finale di 3–10 secondi prima del caricamento. Non inviare un filmato più lungo aspettandoti che un'impostazione di durata scelga il passaggio utile; la modifica non ha un campo del genere.

Per una modifica O3 di cinque secondi, il subtotale indicato è $0.626 a 720p oppure $0.84 a 1080p. Una nuova generazione silenziosa di cinque secondi a 720p costa $0.336, ma inventa una nuova performance. Il minor prezzo di generazione non la rende un'alternativa quando i tempi, il gesto o il movimento di camera esistenti sono la risorsa da conservare. Controlla il risultato modificato lungo tutta l'azione: un primo frame corretto da solo non dimostra la conservazione.

Richiedi il preventivo ed esegui con l'SDK

Installa spicyapi (pip install spicyapi), imposta SPICY_API_KEY ed esegui la sequenza dell'ombrello in tre inquadrature. Il preventivo è gratuito; la task viene creata solo dopo la tua approvazione.

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 documentazione dell'SDK Python tratta consegna dei file, nuovi tentativi e recupero.

Lascia che un Agent gestisca la chiamata

Usa un Agent quando vuoi che prepari gli input e restituisca il risultato, mentre tu approvi il prezzo e le scelte creative.

• CLI: salva lo stesso oggetto di input come input.json e usa npx @spicyapi/cli tasks create --model kling/3.0/text-to-video --input-file input.json --wait. La CLI conferma il prezzo; conserva l'ID della task restituito per il recupero.
• MCP: chiedi al tuo assistente di usare spicyapi_task_create per kling/3.0/text-to-video, poi spicyapi_task_wait. Il server MCP richiede conferma del prezzo prima della creazione.
• Skill: installa con npx skills add spicyapi-ai/spicy-skill, poi chiedi a $spicyapi di eseguire lo stesso flusso e fermarsi per la tua approvazione. Lo Skill usa una connessione CLI o MCP configurata.

Limiti dei contenuti ed errori evitabili

In base ai nostri test di settembre 2026, Kling può rendere materiale allusivo, ma non è una scelta affidabile per video senza censura. L'accettazione di contenuti allusivi variava secondo input e percorsi; le richieste per adulti più intense sono state rifiutate. Kling controlla il prompt, i caricamenti e il clip finito. Per i video per adulti, usa le alternative adatte alla task nella nostra guida Kling NSFW.

Per il trailer SFW di un marchio per adulti, inizia con adulti immaginari completamente vestiti e un ambiente neutro, come nell'esempio. Un rifiuto dovuto alle regole non si risolve aumentando la risoluzione o cercando di camuffare la richiesta.

Consulta la pagina Kling 3.0, le immagini di riferimento O3 e la modifica O3 per il contratto attuale.

Domande frequenti

Quale task Kling è il punto di partenza meno costoso?

Per un clip silenzioso da un'immagine iniziale approvata, 2.1 a 720p indica cinque secondi a $0.175. Per la generazione da testo a 1080p fisso, 2.5 Turbo indica cinque secondi a $0.28, con audio incluso e senza campo per disattivarlo. Sono condizioni di input e consegna diverse: scegli quella che soddisfa il lavoro prima di confrontare i prezzi.

Devo usare immagini di riferimento o un frame iniziale?

Usa da immagine a video quando la composizione sorgente deve essere l'inizio del clip. Usa i riferimenti O3 quando immagini separate definiscono persona, abbigliamento e luogo per una composizione nuova. Un video guida fornisce i tempi della performance; non sostituisce nessuno dei due tipi di immagine.

Posso correggere solo una parte di una sequenza generata?

Clip separati permettono di sostituire singole inquadrature al rispettivo costo di generazione. La modifica O3 può cambiare un clip breve esistente conservandone l'azione, ma costa più di una nuova generazione e richiede il controllo dell'intera riproduzione. Scegli in base alla necessità di conservare la performance originale.

Posso chiamare Kling 4.0 con questi ID di modello?

No. Il catalogo attuale non ha task 4.0 o Flash richiamabili. La guida al rilascio di Kling 4.0 tratta separatamente l'accesso anticipato e lo stato dell'API.

La decisione

Inizia con 2.1 per una semplice animazione silenziosa di un'immagine fissa, 3.0 per la pianificazione esplicita delle inquadrature e durate flessibili, oppure O3 quando riferimenti o video esistenti sono l'input da conservare. Registra un video guida quando il brief richiede tempi precisi della performance. Mantieni separate le inquadrature generate se prevedi revisioni: il costo di sostituire un singolo dettaglio può contare più di una piccola differenza nelle tariffe pubblicizzate.