Introduzione
Kling O3 Testo in video trasforma un prompt scritto in una clip di 3-15 secondi senza alcuna immagine o riferimento coinvolti. Scegli una durata in secondi interi, una risoluzione da 720p a 4K, e se generare audio nativo insieme all'immagine. Il campo prompt accetta fino a 2.500 caratteri, abbastanza per delineare il soggetto, l'azione, la camera e, con l'audio attivo, il dialogo.
Scegli una modalità di Kling O3 in base al materiale di partenza
| Cosa hai all'inizio | Modalità |
|---|---|
| una scena scritta e nient'altro | Kling O3 Testo in video |
| un fotogramma iniziale approvato | Kling O3 Immagine in video |
| fino a 7 foto di riferimento | Kling O3 Riferimento in video |
| un video che hai già | Kling O3 Modifica video |
Caratteristiche principali
Stacchi multi-inquadratura da solo
Imposta shot_type su multi e descrivi più di un'inquadratura nel prompt, un campo largo, un primo piano, un'angolazione bassa, e Kling O3 taglia tra loro in un'unica clip, mantenendo l'ambientazione e le persone coerenti da un'inquadratura all'altra. Il nostro esempio del tango sotto la pioggia è un unico prompt che descrive tre inquadrature in ordine, e la clip finita ha tagliato su ciascuna al momento giusto.
Audio nativo nello stesso passaggio
Attiva generate_audio e dialogo, effetti e ambiente vengono generati con l'immagine invece di essere aggiunti dopo. Il dialogo scritto tra virgolette torna sincronizzato con l'azione: entrambe le battute nel nostro esempio del jazz club corrispondevano al prompt parola per parola.
Da 720p a 4K, un unico prompt
Tutte e tre le risoluzioni generano dallo stesso prompt, quindi lo schema abituale è abbozzare a 720p finché l'inquadratura e il dialogo funzionano, poi rieseguire la ripresa scelta a 1080p o 4K. Risoluzione e audio determinano entrambi il prezzo.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
prompt | Sì | Descrivi il soggetto, l'azione, la camera e, con l'audio attivo, il dialogo e i suoni. Per un prompt multi-inquadratura, numera le inquadrature in ordine. almeno 1 caratteri · al massimo 2500 caratteri |
aspect_ratio | No | 16:9, 9:16 o 1:1. Scegli prima di scrivere l'inquadratura così il prompt colloca persone e composizione per quella forma. |
resolution | No | 720p, 1080p o 4K. I livelli più alti costano di più al secondo. |
generate_audio | No | Aggiunge una colonna sonora generata, dialogo tra virgolette, effetti, ambiente, nello stesso passaggio. Predefinito: |
duration_seconds | No | Secondi interi, da 3 a 15. Determina il prezzo insieme alla risoluzione e all'audio. |
shot_type | No | single chiede un'unica ripresa continua (non una garanzia assoluta: aggiungi "una sola ripresa continua, nessuno stacco" nel prompt se comunque appare uno stacco). |
multi_prompt | No | La lista di inquadrature per |
Prezzi
Fatturato al secondo di output. La tariffa dipende dalla risoluzione e da se l'audio nativo è attivo.
| Risoluzione | Genera l’audio: No | Genera l’audio: Sì |
|---|---|---|
| $0.0672 / secondo | $0.0896 / secondo |
| $0.0896 / secondo | $0.112 / secondo |
| $0.336 / secondo | $0.336 / secondo |
Casi d’uso
Apri una scena senza avere un'immagine a disposizione
Testo-in-video è l'unica modalità di Kling O3 che non ha bisogno di altro che parole. Usala quando l'inquadratura esiste solo nella tua testa, o quando ti servono più riprese velocemente per vedere quale inquadratura funziona prima di impegnare un fotogramma iniziale su immagine-in-video.
Copri una scena in più angolazioni da un'unica richiesta
Invece di scrivere quattro prompt separati per quattro angolazioni, descrivi la sequenza una volta e imposta shot_type su multi. È il modo più veloce per ottenere un campo largo, un primo piano e un'inquadratura di reazione da un unico lavoro.
Prototipizza i tempi del dialogo prima di un montaggio più lungo
Poiché l'audio genera con l'immagine, una breve bozza testo-in-video è un modo veloce per verificare se una battuta di dialogo suona naturale rispetto all'azione, prima di impegnarti in un'esecuzione più lunga o a risoluzione più alta.
Consigli avanzati
Numera le tue inquadrature quando vuoi uno stacco
Per un prompt multi-inquadratura, disponi le inquadrature nell'ordine che vuoi e descrivi la camera per ciascuna, campo largo, primo piano, angolazione bassa, come fa il nostro esempio del tango. Kling O3 usa quella struttura per decidere dove tagliare.
Nomina la posizione della camera, non solo l'atmosfera
"Visto dall'estremità della tastiera così entrambi i volti sono chiari" è un'istruzione reale che il modello può seguire; "due uomini su una panca da piano" lascia l'angolazione al caso, e un'angolazione casuale può nascondere una persona dietro l'altra. Di' dove si trova la camera rispetto ai tuoi soggetti ogni volta che più di uno deve restare visibile.
Chiedi esplicitamente un'inquadratura bloccata
single è una preferenza, non una garanzia: Kling O3 può comunque tagliare da solo. Se una scena dipende da un'unica ripresa ininterrotta, aggiungi una riga come "una sola ripresa continua, nessuno stacco, la luce resta la stessa per tutto il tempo" alla fine del prompt.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/o3/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"shot_type": "single",
"resolution": "720p",
"aspect_ratio": "16:9",
"generate_audio": false,
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.












