Introduzione
Kling 3.0 Turbo Immagine in video prende un fotogramma iniziale e un prompt che descrive cosa succede dopo, e restituisce una clip di 3 a 15 secondi interi con audio generato di conseguenza. Il fotogramma ancora l'intera inquadratura: Kling 3.0 Turbo mantiene la persona, l'abito e l'ambientazione dalla tua immagine e inventa il movimento, la camera e l'audio.
Scegli una modalità di Kling 3.0 Turbo in base al materiale di partenza
| Cosa hai all'inizio | Modalità |
|---|---|
| una scena scritta | Kling 3.0 Turbo Testo in video |
| un'immagine iniziale approvata | Kling 3.0 Turbo Immagine in video |
Caratteristiche principali
Il fotogramma iniziale ancora l'intera clip
Nei nostri test il volto e l'abito del primo fotogramma sono rimasti per tutta la clip: una mano trascinata in prima persona attraverso un mercato notturno ha mantenuto lo stesso volto del partner per l'intera corsa, e una coppia su uno scooter ha mantenuto le giacche e il colore della moto dal primo all'ultimo fotogramma. Scrivi solo ciò che accade dopo il fotogramma.
L'audio arriva sincronizzato con il movimento
Non c'è campo aspect_ratio su questo endpoint: il formato della clip segue la tua immagine sorgente, quindi ritagliala nel formato che vuoi prima di caricarla. L'audio genera sempre e, nei nostri test, ha corrisposto all'azione visibile: rumore del motore e vento nella clip dello scooter, chiacchiericcio di mercato e una battuta gridata nella clip del mercato notturno.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | Descrivi solo ciò che accade dopo il fotogramma: l'azione, il movimento di camera e, dato che l'audio genera sempre, il dialogo o il suono ambientale. almeno 1 caratteri · al massimo 2500 caratteri |
image_url | Sì | Fotogramma iniziale. La persona, l'abito e l'ambientazione in questa immagine restano per tutta la clip: solo il movimento, la camera e il suono sono nuovi. |
resolution | No | 720p o 1080p. I livelli più alti costano di più al secondo. |
duration_seconds | No | Secondi interi, da 3 a 15. Determina il prezzo insieme alla risoluzione. |
Prezzi
Fatturato al secondo di output; risoluzione e durata influenzano entrambe la tariffa.
| Specifiche | Prezzo |
|---|---|
| $0.112 / secondo |
| $0.14 / secondo |
Casi d’uso
Trasformare un'istantanea approvata in un momento in movimento e sonorizzato
Anima un personaggio, un prodotto o una location che hai già bloccato in un'istantanea, invece di descrivere l'intera scena da zero, quando l'aspetto esatto deve essere preciso.
Clip POV che partono da un unico fotogramma
Un fotogramma iniziale in prima persona più un breve prompt sull'azione bastano per un tracking shot in prima persona con dialogo e suono ambientale corrispondenti. Il nostro test al mercato notturno ha mantenuto lo stesso volto della partner per tutta una camminata a mano, con il chiacchiericcio del mercato e una battuta gridata sincronizzati con il movimento.
Dare vita a un'inquadratura di coppia o duo
Un'istantanea di due persone - in bici, a tavola, che camminano insieme - mantiene entrambi i volti e gli abiti mentre il prompt fornisce cosa fanno e dicono dopo, il che è più veloce che ridescrivere due persone da un prompt vuoto in testo in video.
Consigli avanzati
Descrivi il momento successivo, non l'intera scena
Poiché il fotogramma già stabilisce l'aspetto, il prompt deve solo fornire il movimento, la camera e il suono: cosa fa il soggetto dopo, come segue la camera, e, dato che l'audio genera sempre, il dialogo o il suono ambientale che vuoi. Ridescrivere l'abbigliamento, il veicolo o l'ambientazione che il fotogramma già mostra spreca solo parole che il modello potrebbe dedicare all'azione.
Nomina una fonte sonora realmente in inquadratura
Nei nostri test, l'audio legato a qualcosa di visibile - un motore, il vento, il chiacchiericcio del mercato - generava in modo più coerente di un'indicazione di atmosfera generica. Se l'inquadratura mostra uno scooter o una folla, nomina il suono che quella scena produrrebbe davvero invece di descrivere un'atmosfera senza nulla sullo schermo a produrla.
Ritaglia prima di caricare
Non c'è campo per scegliere un formato qui: l'output assume la forma della tua immagine sorgente. Ritaglia in 16:9, 9:16 o quadrato prima di caricare se il formato dell'inquadratura conta per te.
Avvio rapido dell’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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/3.0-turbo/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
