はじめに
Kling 4.0 参照から動画は、アップロードしたものから新しいクリップを作ります。人物、物、場所の参照画像を最大 10 枚、動き、カメラワーク、テンポのための参照動画を最大 5 本(合計 30 秒)、声や音のための音声クリップを最大 3 本まで使えます。それぞれプロンプトで、アップロード順に番号を付けた @Image1、@Image2、@Video1、@Audio1 として指定します。クリップは 3〜30 秒、720p または 1080p で、ステレオのサウンドトラック付きです。
開始素材で Kling 4.0 のモードを選ぶ
| 手元にあるもの | モード |
|---|---|
| 書いたシーンや脚本 | Kling 4.0 テキストから動画 |
| 開始フレーム、必要に応じて終了フレームと中間フレーム | Kling 4.0 画像から動画 |
| キャストに使う写真、クリップ、音声サンプル | Kling 4.0 参照から動画(現在のページ) |
主な機能とハイライト
画像、動画、声を一つのリクエストに
Kling 4.0 は三種類の参照を同時に受け取ります。画像は誰と何が映るかを、動画はカメラと被写体がどう動くかを、音声クリップは誰がどう話すかを決めます。
プロンプトで参照に名前を付ける
@Image1、@Image2 などを、アップロード順に書き、それぞれが何かを示してください。当社のトレーラーの例では、"@Image1 is the woman, @Image2 is the chrome trailer" と書くだけで、その女性をそのトレーラーの前に立たせられました。
別のクリップからカメラワークを借りる
参照動画は動きとテンポを引き継ぎます。keep_original_audio を有効にすると、新しい音を生成する代わりに、その動画の元の音声を残せます。参照動画の秒数も課金されますが、出力秒数より低い単価です。
リクエストパラメーター
| パラメーター | 必須 | 説明 |
|---|---|---|
prompt | はい | 各参照が何か、そしてショットでそれをどう使うかを書いてください。画像は @Image1、@Image2、動画は @Video1、音声クリップは @Audio1 と書き、アップロード順に番号を付けてください。 1 文字以上 |
reference_image_urls | いいえ | 人物、物、衣装、場所の画像を最大 10 枚。@Image1、@Image2 などで参照します。 1 件以上 · 10 件以内 |
reference_video_urls | いいえ | 動き、カメラワーク、テンポのための動画を最大 5 本、合計 30 秒まで。@Video1、@Video2 で参照します。 1 件以上 · 5 件以内 |
reference_audio_urls | いいえ | 声や音のための音声クリップを最大 3 本、各 5〜30 秒。@Audio1、@Audio2 で参照します。 1 件以上 · 3 件以内 |
aspect_ratio | いいえ | auto(既定)は参照画像や動画に従います。16:9、9:16、1:1、21:9 は自分で設定します。 |
resolution | いいえ | 720p または 1080p(既定は 720p)。1080p は秒単価が高くなります。 |
keep_original_audio | いいえ | 既定はオフ。オンにすると、新しいサウンドトラックを生成せず、参照動画の元の音声を残します。 デフォルト値: |
duration_seconds | いいえ | 3〜30 の整数秒(既定は 5)。料金を決めます。 |
料金
出力秒数ごとに課金され、さらに参照動画の秒数(クリップごとに 1 秒未満を切り上げ)が低い秒単価で加算されます。1080p は 720p より秒単価が高くなります。参照画像と音声クリップは料金を変えません。拒否または失敗したリクエストには課金されません。
| 仕様 | 料金 |
|---|---|
| $0.216 / 秒 |
| $0.324 / 秒 |
ユースケース
撮影したことのない場所に人物を置く
ポートレートと場所の写真を組み合わせると、その人物がそこにいるシーンになります。動作は自分で描写します。
小道具や乗り物の一貫性を保つ
車、バイク、衣装にそれぞれ参照画像を一枚与えると、どのクリップでも同じに見えます。
声を合わせる
5〜30 秒の音声サンプルを @Audio1 として追加し、セリフを引用符で書いてください。話すセリフはその声に従います。
プロンプトガイドと実践のヒント
キャスト一覧から書き始める
参照ごとに一文ずつ、"@Image1 is the man, @Image2 is the motorcycle" のように書いてから、ショットを描写してください。
似た参照を多く出すより、明確な参照を数枚
人物や物ごとに鮮明な写真一枚の方が、モデルが平均化しなければならない似たような写真を多く出すより良い結果になります。
aspect_ratio は自動のままに
自動なら、クリップは参照画像や動画の形に従います。特定のフレームが必要な時だけ設定してください。
API クイックスタート
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/4.0/reference-to-video",
"input": {
"aspect_ratio": "auto",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
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。










