Kling 3.0 Turbo API

すべてのクリップに音声

音声

3.0 Turbo に無音モードはなく、すべてのクリップで映像と同じ工程で音声がレンダリングされます。

最高解像度

1080P

720p か 1080p。解像度と長さの両方が価格を左右します。

最長クリップ

15秒

3 秒から 15 秒まで、丸秒単位で指定できます。

開始方法

2

書いたシーンから、または手持ちの開始フレームから。

アスペクト比

3

テキストから動画では 16:9、9:16、1:1。画像から動画は画像に従います。

標準的なレンダリング時間

高速

当社のテストではほとんどのクリップが 1〜3 分で返ってきました。

生成：書いたとおりに映ります。置き換え：生成はされますが、書いた内容より控えめになります。拒否：リクエストが拒否されます。未テスト：そのモードでそのレベルはまだ試していません。

• テキストから動画

  2 人、1 つの連続したシーン、音声込み

  

  Late night in a small tiled kitchen lit by a warm pendant lamp. Two women in their early thirties, a couple, dance salsa between the counter and the fridge while a pot steams on the stove. One, in a loose white shirt with the sleeves rolled up, leads and spins the other, who wears a red wrap dress; they laugh and bump into the counter. Medium shot, gentle handheld. Sound: salsa music from a phone speaker, their laughter, feet on the tiles, the pot bubbling.

  うまくいく理由. 誰がフレームにいるか、衣装、動き（回転、カウンターにぶつかる）を名指しし、音の合図で締めくくっているため、モデルには雰囲気を推測させるのではなく、撮影してスコアすべき 1 つの明確な展開が与えられます。

  このプロンプトを試すプロンプトをコピー

• テキストから動画

  1 つの連続したテイクの中で 2 つの場面をまたぐアクション

  

  Dawn over Hong Kong rooftops. A man in his late twenties in a grey hoodie and track pants sprints across a flat roof, vaults a low ventilation duct and leaps the gap to the next building, landing in a roll and coming up running. Handheld tracking shot alongside him, then a wide shot of the jump against the pink sky and dense towers. Sound: his breathing, sneakers slapping concrete, the whoosh of the jump, distant traffic waking up.

  うまくいく理由. カメラの指示（「ハンドヘルドのトラッキング、それから広角ショット」）と音のリストは編集ではなく 1 つの計画されたテイクのように読め、これはこのエンドポイントが実際にレンダリングする形――カットのない 1 つの連続したクリップ――と一致します。

  このプロンプトを試すプロンプトをコピー

• テキストから動画

  雰囲気だけでなくショットを名指しする

  A woman in a silk slip dress sits on the edge of a hotel bed at dusk, looking out the window, warm backlight, soft haze, slow push-in, cinematic. Sound: distant traffic, a ceiling fan, her quiet breathing.

  こう書く代わりに “woman in a hotel room at night”

  うまくいく理由. 夕暮れの逆光、カメラの動き、環境音を名指しすることで、モデルに撮影してスコアすべきショットを与えます。短いバージョンではポーズ、光、音声が運任せになります。

  このプロンプトを試すプロンプトをコピー

• 画像から動画

  見た目はフレームに任せ、動きは言葉で設定する

  

  First person point of view: she tightens her grip on the viewer's hand and pulls, breaking into a run through the crowded neon night market, glancing back over her shoulder and laughing. The camera is towed after her past glowing stalls and drifting steam. Sound: market chatter, sizzling grills, her laughter as she calls, "Come on, it's this way!"

  うまくいく理由. プロンプトはフレームの後に起きること――走る動作、振り向き、セリフ――だけを描写し、衣装と舞台は画像に任せています。これはまさにこのエンドポイントが作られた目的です。

  このモードはご自身の画像から始まります。実行前に Playground で画像を追加してください。

  このプロンプトを試すプロンプトをコピー

• 画像から動画

  2 人で共有する瞬間を、動きと音で描写する

  

  The Vespa leans into a curve along the coast road; the passenger tightens his arms around the driver and rests his chin on his shoulder, both laughing into the wind, the sea glittering below. Tracking shot alongside them. Sound: the buzzing scooter engine, rushing wind, their laughter.

  うまくいく理由. カメラに 1 つの動き（並走するトラッキング）を与え、それに一致する音――エンジン音、風、笑い声――を組み合わせています。個別の雰囲気を表す単語を羅列していません。

  このモードはご自身の画像から始まります。実行前に Playground で画像を追加してください。

  このプロンプトを試すプロンプトをコピー

5 秒のクリップは 720p で $0.56 から、1080p で $0.7 からです。

プレイグラウンドで、実行前に設定に合った正確な料金を確認できます。失敗またはタイムアウトしたタスクは、通常課金されません。一部のモデルでは、モデルページに明記されたとおりコンテンツ拒否も課金対象です。送信前に課金条件を確認してください。

Kling 3.0 Turbo について

Kling 3.0 Turbo は Kling の高速な動画モデルで、常に音声が付きます。SpicyAPI ではテキストから動画と画像から動画として、720p または 1080p・3〜15 秒のクリップを提供しています。2026-09-28 の当社のテストでは、生成したクリップはすべて対応する音声が付き、試した「軽め」の段階で依頼したクリップが拒否されたものはありませんでした。Kling は独自のコンテンツモデレーションを行い、「中程度」以上の当社の依頼は拒否されました。その上に SpicyAPI が独自のフィルターを加えることはありません。課金は出力の秒数単位で米ドル建てで、サブスクリプションはありません。アップロードするものの権利と同意、生成したものの使い方については、お客様ご自身の責任となります。