Cosa c’è di nuovo in Kling 4.0 rispetto a Kling 3.0?

Clip più lunghe (fino a 30 secondi invece di 15), l’opzione ultrawide 21:9, fotogrammi intermedi in image to video e reference to video che accetta video e clip vocali oltre alle immagini. L’audio è sempre attivo. Kling 3.0 offre ancora 4K e Motion Control, che qui Kling 4.0 non ha.

Posso disattivare l’audio?

No. Ogni clip di Kling 4.0 torna con una colonna sonora stereo, senza costi extra. Nel reference to video puoi invece mantenere l’audio originale di un video di riferimento con keep_original_audio.

Come richiamo i miei file caricati nel prompt?

Nel reference to video scrivi @Image1, @Image2 per le immagini, @Video1 per i video e @Audio1 per le clip audio, numerati nell’ordine di caricamento. I fotogrammi intermedi di image to video non vengono citati nel prompt; il loro ordine nella lista è l’ordine in cui compaiono.

Kling 4.0 consente contenuti NSFW?

No. Le richieste vengono verificate prima della generazione e tutto ciò che va da Moderato in su viene rifiutato in pochi secondi; una richiesta rifiutata non viene addebitata. Per questo tipo di lavoro, sfoglia invece le famiglie video senza restrizioni nel nostro catalogo.

Al secondo di output. 1080p costa di più al secondo rispetto a 720p. Nel reference to video i secondi di eventuali video di riferimento si aggiungono a una tariffa al secondo più bassa. Proporzioni, fotogrammi chiave, immagini di riferimento e clip audio non cambiano il prezzo.

Quanto tempo richiede una clip?

Nei nostri test una clip da 3 secondi ha impiegato circa 1,5-4 minuti e una da 5 secondi qualche minuto in più. Le richieste sullo stesso endpoint vengono elaborate una alla volta.

Kling 4.0 API: video 30 s, keyframe, riferimenti

kling/4.0/text-to-video

Il text-to-video di Kling 4.0 trasforma un brief scritto in una clip da 3 a 30 secondi a 720p o 1080p. Scegli 16:9, 9:16, 1:1 o 21:9 ultrawide; ogni clip include una colonna sonora stereo.

Da $0.216/s

Esegui il modello Vedi l’API

Input

Da testo a video

Testo del prompt

Proporzioni

Risoluzioneincide sul prezzo

Durataincide sul prezzo

Controllo di sicurezzaDisattivato

SpicyAPI non applica nessun controllo di sicurezza a questo modello. Il tuo prompt e i tuoi media arrivano al modello così come li hai scritti, ed è il modello stesso a decidere che cosa torna indietro.

Controllo del tuo account prima di abilitare invio e prezzi.

Output

Pronto per una nuova esecuzione

Risultato di esempio

Estendi

Upscaling video

Editing video

{
  "model": "kling/4.0/text-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "resolution": "720p",
    "duration_seconds": 5,
    "prompt": "Inside a white observatory dome on a high-desert mesa at indigo dusk. An astronomer in her late thirties with short silver-streaked hair, wearing a charcoal wool sweater and fingerless gloves, turns a heavy brass wheel; with a deep rumble the dome slit slides open and a band of deep-blue sky full of first stars pours light across the polished chrome telescope. She looks up, breath visible in the cold air, and says quietly, \"There you are.\" Slow crane up from her hands on the wheel to the opening sky. Sound: the grinding rumble of the dome motor, desert wind, the soft hum of equipment."
  }
}

Introduzione

Kling 4.0 Text to video trasforma un brief scritto in una clip da 3 a 30 secondi a 720p o 1080p, in 16:9, 9:16, 1:1 o 21:9 ultrawide. Ogni clip torna con una colonna sonora stereo generata nello stesso passaggio: dialoghi scritti tra virgolette, effetti e ambienza. Non esiste un interruttore audio e non costa nulla in più.

Scegli una modalità Kling 4.0 in base al materiale di partenza

Cosa hai all’inizio	Modalità
una scena o uno script scritti	Kling 4.0 Text to video (sei qui)
un fotogramma iniziale, e facoltativamente un fotogramma finale e fotogrammi intermedi	Kling 4.0 Image to video
foto, clip o campioni vocali da cui fare il cast	Kling 4.0 Reference to video

Caratteristiche principali

Fino a 30 secondi in un unico piano

Le durate vanno da 3 a 30 secondi interi, il doppio del limite di Kling 3.0. Un piano lungo lascia respirare una scena - una gru lenta, una camminata completa attraverso il set - senza unire clip più corte.

L’audio è sempre attivo

Ogni clip ha una colonna sonora a due canali. Nei nostri test il rombo del motore della cupola, il vento e una battuta sussurrata sono tornati tutti dal prompt, con «Sound:», sincronizzati all’immagine.

21:9 ultrawide

Oltre a 16:9, 9:16 e 1:1, Kling 4.0 rende un vero fotogramma 21:9. Il nostro test ultrawide a 1080p è uscito a 2200x940.

Parametri della richiesta

Parametri della richiesta di Kling 4.0 · Text to Video
Parametro	Obbligatorio	Nota
`prompt`	Sì	Descrivi il soggetto, l’azione, la ripresa e il suono. Metti le battute parlate tra virgolette e il suono su una riga a sé. almeno 1 caratteri
`aspect_ratio`	No	16:9 (predefinito), 9:16, 1:1 o 21:9 ultrawide. Non cambia il prezzo. `16:9` · `9:16` · `1:1` · `21:9` · Predefinito: `16:9`
`resolution`	No	720p o 1080p (predefinito 720p). 1080p costa di più al secondo. `720p` · `1080p` · Predefinito: `720p`
`duration_seconds`	No	Secondi interi, da 3 a 30 (predefinito 5). Determina il prezzo. `≥ 3` · `≤ 30` · Predefinito: `5`

Prezzi

Addebitato al secondo di output. 1080p costa di più al secondo rispetto a 720p. Ogni clip include una colonna sonora stereo senza costi extra. Una richiesta rifiutata o fallita non viene addebitata.

Prezzi
Specifiche	Prezzo
`720p`	$0.216 / secondo
`1080p`	$0.324 / secondo

Casi d’uso

Campi lunghi d’ambientazione con suono

Un paesaggio, un edificio, una strada al crepuscolo: scrivi il luogo, la luce, un movimento di macchina e l’ambiente sonoro, e la clip è utilizzabile come apertura con il suono già al suo posto.

Scene brevi con una battuta parlata

Metti la battuta tra virgolette dopo l’azione. Una battuta chiara per clip è più facile da sincronizzare per il modello che dialoghi sovrapposti.

Clip verticali per i social

Scegli 9:16 e inquadra il soggetto nel terzo centrale; il modello compone per il formato verticale invece di ritagliare un’inquadratura larga.

Esplora i tutorial sui casi d’uso principali

Consigli avanzati

Scrivilo nell’ordine in cui accade

Soggetto e abbigliamento, azione, movimento di macchina, look, poi una riga separata che inizia con «Sound:». Il nostro esempio dell’osservatorio segue esattamente questo ordine.

Bozza breve, poi lungo

La generazione è lenta: un test di 3 secondi ha richiesto da due a quattro minuti, e le richieste vanno una dopo l’altra anziché in parallelo. Trova l’inquadratura con 3-5 secondi a 720p, poi renderizza la versione lunga o a 1080p.

Descrivi il suono che vuoi

Poiché l’audio viene sempre generato, non indicare il suono nel prompt non dà silenzio: dà qualunque cosa scelga il modello. Nomina l’ambiente che vuoi, o scrivi «tono di stanza silenziosa».

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/4.0/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"

Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.

Manca il modello che ti serve?

Dicci cosa aggiungere e dove lo useresti. Le richieste arrivano a chi decide quali modelli integrare per primi.

IL MODELLO DA 30 SECONDI DI KLING

L’API di Kling 4.0 in sintesi

Fino a 30 secondi per clip, 21:9 ultrawide, fotogrammi chiave dal primo all’ultimo e riferimenti da immagini, video e voce, con audio in ogni clip.

Clip più lunga: 30S; Qualsiasi numero intero di secondi da 3 a 30 su ogni endpoint.
Ultrawide: 21:9; In aggiunta a 16:9, 9:16 e 1:1, a 720p o 1080p.
Fotogrammi da guidare: 10; Fotogramma iniziale, fotogramma finale e fino a 8 fotogrammi intermedi.
Immagini di riferimento: 10; In aggiunta fino a 5 video di riferimento e 3 clip vocali, ciascuno citato nel prompt.
Audio incluso: STEREO; Ogni clip ha una colonna sonora a due canali senza costi extra.

Risultati

Cosa puoi creare con Kling 4.0

Da testo
Un piano lungo con il suo suono
Un solo paragrafo ci ha dato la ruota di ottone che gira, la cupola che scorre aprendosi sulle stelle e una battuta sussurrata, con il rombo del motore e il vento sulla colonna sonora.
Da testo a video, 5 secondi a 720p, 16:9, con il rombo della cupola e il vento nella colonna sonora.
Da fotogrammi
Fissa l’inizio e la fine
Un fotogramma iniziale di lei al telescopio e un fotogramma finale di lei appoggiata alla ringhiera sono diventati un unico movimento continuo tra i due.
Da immagine a video con fotogramma iniziale e finale, 5 secondi a 720p.
Da riferimenti
Girare una scena da foto
Un ritratto in studio come @Image1 e una foto di un rimorchio cromato come @Image2 sono diventati lei che esce da quel rimorchio all’ora blu.
Da riferimenti a video da due immagini (@Image1 la donna, @Image2 il rimorchio), 5 secondi a 720p.

Altre clip create con Kling 4.0

Da immagine a video, 5 secondi a 720p, proporzione che segue il fotogramma iniziale.
5 s
Da testo a video, 5 secondi a 720p, verticale 9:16.
5 s
Da riferimenti a video da due immagini (@Image1 l’uomo, @Image2 la moto), 5 secondi a 720p.
5 s

Test dei contenuti

Kling 4.0 è senza censura? Cosa abbiamo testato

Abbiamo eseguito ogni livello sulla nostra configurazione reale e controllato ogni clip fotogramma per fotogramma. Superato significa che il contenuto era davvero sullo schermo, non solo che la richiesta è passata.

Livelli di contenuto testati su Kling 4.0, per modalità
Livello	Da testo a video
LieveI prompt più leggeri della prova	Non ancora testato
ModeratoDove i modelli con filtro iniziano a rifiutare	RifiutatoTestato il 16 ott 2026
ForteLa metà della scala	Non ancora testato
Molto forteDove la maggior parte dei modelli comincia a frenare	RifiutatoTestato il 16 ott 2026
MassimoIl vertice della scala	Non ancora testato

Generato: sullo schermo come scritto. Attenuato: generato, ma più tenue di quanto scritto. Rifiutato: respinto. Non ancora testato: non abbiamo ancora provato quel livello in quella modalità.

Come si comporta ogni modalità

Tutte le modalità: I prompt e gli input vengono filtrati prima della generazione. Le richieste da Moderato in su vengono rifiutate in pochi secondi e non vengono addebitate; anche il guardaroba di livello Lieve non è affidabile. Ogni clip include audio generato: non esiste un’opzione muta, a parte mantenere l’audio originale di un video di riferimento.
Tutte le modalità: La generazione è lenta: nei nostri test le clip da 3 secondi hanno impiegato circa 1,5-4 minuti, e le richieste sullo stesso endpoint vanno una alla volta, quindi un batch si mette in coda.
Da immagine a video: Fino a 8 fotogrammi intermedi. Il fotogramma iniziale, quelli intermedi e quello finale devono mostrare lo stesso personaggio e lo stesso set dalla stessa posizione di macchina, altrimenti la clip deve tagliare o morfare per raggiungerli.
Da riferimento a video: I video di riferimento possono aggiungere fino a 30 secondi in totale e anche quei secondi vengono addebitati, ogni clip arrotondata al secondo intero; le clip audio devono durare da 5 a 30 secondi ciascuna.

Casi d’uso

Cosa costruire con l’API di Kling 4.0

Campi lunghi d’ambientazione
Fino a 30 secondi permettono a un movimento di macchina di svolgersi per intero - una gru lenta, una strada percorsa in auto, una rivelazione - senza unire clip.
Movimento su storyboard
Carica le pose chiave come fotogrammi iniziale, intermedi e finale e lascia che il modello riempia il movimento tra di essi.
Personaggi e oggetti coerenti
Usa come riferimento un volto, un outfit e un veicolo una sola volta e inseriscili in scene nuove, con un campione vocale se il personaggio parla.

Prompt

Esempi di prompt per Kling 4.0 da copiare

Incollane uno così com’è nel playground, poi cambia una cosa alla volta.

Da riferimento a video
Prima il cast, poi l’inquadratura
Risultato di questo prompt
@Image1 is the woman, @Image2 is the chrome trailer. At blue hour in the high desert, the woman from @Image1 steps out of the door of the trailer from @Image2 holding two steaming enamel mugs; the string lights along its awning blink on one by one and their glow slides across the polished aluminium. She stops, looks up at the first stars and smiles, then glances at the camera. Slow push-in. Sound: the creak of the trailer door, boots on cracked earth, a soft desert wind, a distant owl.
Perché funziona. Aprire con una frase per ogni riferimento dice al modello quale volto e quale oggetto mantenere; il resto del prompt deve solo descrivere l’azione, la ripresa e il suono.
Prova questo prompt
Da testo a video
Azione, ripresa, poi suono
Risultato di questo prompt
Inside a white observatory dome on a high-desert mesa at indigo dusk. An astronomer in her late thirties with short silver-streaked hair, wearing a charcoal wool sweater and fingerless gloves, turns a heavy brass wheel; with a deep rumble the dome slit slides open and a band of deep-blue sky full of first stars pours light across the polished chrome telescope. She looks up, breath visible in the cold air, and says quietly, "There you are." Slow crane up from her hands on the wheel to the opening sky. Sound: the grinding rumble of the dome motor, desert wind, the soft hum of equipment.
Perché funziona. Il prompt segue l’ordine in cui accadono le cose e tiene il suono su una riga a sé, così il rombo, il vento e la battuta cadono dove devono.
Prova questo prompt
Da immagine a video
Chiudi il finale con un secondo fotogramma
Risultato di questo prompt
She takes one last look through the open slit of the dome, then turns around, leans back against the steel railing and crosses her arms with a small satisfied smile as more stars come out over the mesa. Static wide shot, her braid and coat stirred by the wind. Sound: steady desert wind, the faint whirr of the telescope motor.
Perché funziona. Con un fotogramma finale impostato, il prompt deve solo descrivere come lei passa da una posa all’altra.
Questa modalità parte dalla tua immagine: aggiungila nel playground prima di avviare.
Prova questo prompt

Confronto

Kling 4.0 e i modelli simili: quale scegliere

Modello	Modalità	Da	Contenuto	Sceglilo se
Kling 4.0Questa pagina	Da immagine a video · Da riferimento a video · Da testo a video	$0.216 / secondo generato	Filtrato — Questo modello rifiuta apertamente le richieste oltre i suoi limiti. È un dato misurato, non presunto: i modelli che non abbiamo misurato non portano alcuna etichetta.	Ti servono clip più lunghe di 15 secondi, l’ultrawide 21:9, fotogrammi intermedi o riferimenti da video e clip vocali oltre che da immagini.
Kling 3.0	Animazione di personaggi · Da immagine a video · Da testo a video	$0.067 / secondo generato	Filtrato — Questo modello rifiuta apertamente le richieste oltre i suoi limiti. È un dato misurato, non presunto: i modelli che non abbiamo misurato non portano alcuna etichetta.	Ti servono 4K, un interruttore dell’audio o Motion Control per copiare una performance sul tuo personaggio.
Kling O3	Da immagine a video · Da riferimento a video · Da testo a video · Editing video	$0.067 / secondo generato	Filtrato — Questo modello rifiuta apertamente le richieste oltre i suoi limiti. È un dato misurato, non presunto: i modelli che non abbiamo misurato non portano alcuna etichetta.	Vuoi modificare un video che hai già, o usare foto di riferimento fino a 4K.
Kling 3.0 Turbo	Da immagine a video · Da testo a video	$0.112 / secondo generato	Filtrato — Questo modello rifiuta apertamente le richieste oltre i suoi limiti. È un dato misurato, non presunto: i modelli che non abbiamo misurato non portano alcuna etichetta.	Vuoi una clip più veloce ed economica con audio e non ti servono più di 15 secondi.

Prezzi

Prezzi dell’API di Kling 4.0

Una clip di 5 secondi parte da $1.08 a 720p e da $1.62 a 1080p.

Il Playground mostra il prezzo esatto per le tue impostazioni prima dell’avvio. Le attività fallite o scadute di norma non vengono addebitate. Alcuni modelli addebitano i rifiuti dei contenuti come indicato nella loro pagina; verifica queste condizioni di fatturazione prima dell’invio.

Vedi tutte le fasce di prezzo

Per iniziare

Come usare l’API di Kling 4.0 in tre passaggi

Passaggio 1
Bozza breve a 720p
Trova inquadratura e movimento con 3-5 secondi a 720p prima di pagare per un render lungo o a 1080p.
Passaggio 2
Scrivi una riga «Sound:»
Ogni clip ha l’audio. Nomina l’ambiente e ogni battuta parlata tra virgolette per ottenere il suono che vuoi.
Passaggio 3
Nomina i riferimenti
Nel reference to video, apri con «@Image1 è …, @Image2 è …» prima di descrivere la ripresa.

Apri il playground Ottieni una chiave API

Riferimento dei parametri ed esempi di codice sono nelle schede API e Readme, in cima a questa pagina.

Perché SpicyAPI

Perché usare Kling 4.0 su SpicyAPI

Nessun filtro da parte nostra
Non aggiungiamo alcun filtro dei contenuti. Quello che il modello genera è quello che ricevi.
Testato, non ipotizzato
I livelli di contenuto vengono da generazioni reali che abbiamo eseguito e controllato, con la data del test sulla pagina.
Paghi a risultato, in dollari
Nessun abbonamento e nessun credito. Le attività fallite o scadute di norma non vengono addebitate. Alcuni modelli addebitano i rifiuti dei contenuti come indicato nella loro pagina; verifica queste condizioni di fatturazione prima dell’invio.
Una chiave per tutti i modelli
Una sola chiave API e un unico saldo coprono i modelli di immagini, video, audio e chat, così puoi esplorare più modelli dallo stesso account.

FAQ

Domande frequenti sull’API di Kling 4.0

Informazioni su Kling 4.0

Kling 4.0 porta il modello video più recente di Kling in un’unica API: text to video, image to video con fotogrammi iniziale, finale e intermedi, e reference to video da immagini, video e clip vocali. Le clip durano da 3 a 30 secondi a 720p o 1080p, in 16:9, 9:16, 1:1 o 21:9, con una colonna sonora stereo in ogni clip. Le richieste vengono verificate e tutto ciò che va da Moderato in su viene rifiutato senza addebito. SpicyAPI addebita al secondo di output in dollari USA, senza abbonamento.