kling/avatar-2.0/talking-avatarKling Avatar 2.0 talking avatar は、ポートレート 1 枚と音声ファイルから、その人物が話す、または歌うクリップを作ります。720p か 1080p で、長さは音声に合わせ、最長約 5 分です。
プレイグラウンド
この実行例は、このエンドポイント向けに書き下ろしたものです。プロンプトとサンプル素材の URL は、ご自身がアクセスできるものに差し替えてください。送信前に、最新の見積もりとモデルの提供状況もあわせてご確認ください。
- 出力7 秒
jazz-club-velvet-singer-hello 720p：`image_url` は、青いスポットライトが差す煙たいジャズクラブで、黒いベルベットのオフショルダードレスの歌手がヴィンテージのマイクの前に立つ人物写真です。`audio_url` はゆったりした低い女性の声で「Good evening, darling. Pull up a chair. This next song is just for you.」と言います。唇はせりふに合わせて動き、「darling」の後の間では閉じます。プロンプトどおり気だるい笑みで首をかしげ、指はマイクに添えたままです。声は約 5.2 秒で終わり、返ってきたクリップは 7.2 秒で、最後の 2 秒は唇を閉じた笑顔のままです。
- 720p
- 出力12 秒
rooftop-confession 1080p：緊張して誠実な話しぶりで、最後に視線を落として照れ笑い。元の音声と一語一句一致しています。
- 1080p
- 出力12 秒
singer-between-songs 720p：曲間のステージでのあいさつ。プロンプトの指示どおり片手をマイクスタンドに乗せています。
- 出力9 秒
podcast-cold-open 720p：明るくハイエネルギーなセリフが、一致する眉と笑顔のアニメーションとともに全編を通して届けられます。
- 出力12 秒
bar-counter-story 720p：くつろいだ控えめな話しぶり、小さくうなずき、特定の想像上の関係性に合わせた自然な笑み。
この例は 出力秒 あたり $0.051 からです。設定を変更すると、プレイグラウンドの概算料金がその場で更新されます。