はじめに
Kling 2.6 の画像から動画は、開始フレームと次に何が起きるかを説明するプロンプトを受け取り、固定 1080p の 5 秒か 10 秒のクリップを返します。aspect_ratio のフィールドもなく、出力は元画像の形をそのまま取ります。generate_audio は任意で、動きと一緒にレンダリングされるセリフや環境音が欲しいときにオンにしてください。
開始素材で Kling 2.6 のモードを選ぶ
| 手元にあるもの | モード |
|---|---|
| 書いたシーン | Kling 2.6 テキストから動画 |
| 承認済みの開始画像 | Kling 2.6 画像から動画 |
| 駆動クリップとキャラクター写真 | Kling 2.6 Motion Control |
主な機能とハイライト
開始フレームがクリップ全体を固定する
当社のテストでは、開始フレームにあった女性のチェック柄のシャツ、ピックアップトラック、砂漠の舞台がクリップ全体を通して保たれました。プロンプトが供給したのはジェスチャー、太陽への振り向き、セリフだけです。テールゲートのテストでは、格子柄シャツの 1 枚の写真だけから、セリフ、砂漠の風、通り過ぎるトラックを添えた夕暮れのクリップができあがりました。写真がすでに固定していた服装や舞台を改めて描写する必要はありませんでした。
求めた音声は動作を追う
generate_audio をオンにした当社のテストでは、彼女が話す瞬間に同期した砂漠の風、コオロギ、通り過ぎるトラックの音が返ってきました――ただしミックスは映像より控えめで、音声をもっと前に出したい場合は再実行する価値があります。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | フレームの後に起きることだけを描写してください：動作、カメラの動き、そして音声をオンにする場合はセリフか環境音です。 1 文字以上 · 2500 文字以内 |
image_url | はい | 開始フレーム。この画像の人物、衣装、舞台はクリップ全体を通して保たれます。 |
negative_prompt | いいえ | 出てはいけないもの。2 人目の人物、字幕、モデルが何度も持ち込む小物などです。 2500 文字以内 |
generate_audio | いいえ | 既定でオフです。オンにすると、映像と一緒に生成されたサウンドトラックが加わります。 デフォルト値: |
duration_seconds | いいえ | 5 か 10 秒――それ以外の値は受け付けられません。価格を左右します。 |
guidance_scale | いいえ | クリップがどれだけ厳密にプロンプトに従うかを 0 から 1 まで 0.01 刻みで指定します。既定は 0.5 です。 |
料金
出力秒数ごとに課金されます。音声をオンにすると秒あたりの費用が上がります。
| 仕様 | 料金 |
|---|---|
| $0.069 / 秒 |
| $0.138 / 秒 |
ユースケース
承認済みの静止画をスコア付きの 1 場面に変える
すでに写真で固定したキャラクター、商品、場所をアニメーション化し、シーン全体をゼロから描写するのではなく、短いセリフや環境音を加えてください。
固定フォーマットの SNS クリップ
1080p、5 秒か 10 秒は、クリップごとに解像度や長さを調整する必要がないときに、予測可能ですぐ投稿できる形です。この固定フォーマットのおかげで、承認済みの商品写真やキャラクター写真をまとめて、フィード向けに同じ形式のクリップへ素早く変換することもできます。
同じ静止画をセリフ違いで使い回す
開始フレームが見た目を固定するため、1 枚の承認済み画像に複数のプロンプト――異なるセリフ、異なるジェスチャー――を通しても、人物・服装・舞台をすべてのバージョンで同一に保てます。
プロンプトガイドと実践のヒント
シーン全体ではなく次の展開を描写する
フレームがすでに見た目を設定しているため、プロンプトには動き、カメラ、そして generate_audio がオンならセリフか環境音だけが必要です。写真がすでに示している服装や舞台を改めて描写すると、モデルが動作に使えるはずの語数を無駄にしてしまいます。
JPEG か PNG のみ
このエンドポイントの image フィールドは他のフォーマットを受け付けません。アップロードする前に元画像を JPEG か PNG に変換してください。WEBP や HEIC を元画像にするとジョブが始まる前に失敗します。
音のミックスが控えめに出たらプロンプトで明示する
当社の砂漠のテストでは、風、コオロギ、トラックの音が彼女が話す瞬間に同期して返ってきましたが、映像より控えめなミックスでした。環境音をセリフと同じくらいの大きさにしたい場合は、既定の均等なミックスを前提にせず、プロンプトではっきりそう指定してください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/2.6/image-to-video",
"input": {
"duration_seconds": 5,
"generate_audio": false,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。
