Kling O3 API

1 つのモデルに 4 モード

4in1

テキスト、画像、参照写真、既存の動画のすべてが同じエンドポイント群を通ります。

参照写真

7

人物、物、場所それぞれに専用の写真を渡すと、3 つすべてを 1 つのショットにキャスティングします。

最高解像度

4K

720p で安く下書きし、採用する本番を 4K でレンダリングします。

最長クリップ

15秒

新規クリップは 3〜15 秒。編集は元クリップが 3〜10 秒です。

ネイティブ音声、任意

音声

オンにすると、セリフ、効果音、環境音が映像と一緒に生成されます。

自動マルチショット

マルチ

1 つのプロンプトで複数のショットを依頼すると、自動でその間をカットします。

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

  3 つのショットを書き、マルチショットにその間をカットさせる

  

  A night tango on a rain-slick cobblestone street in Buenos Aires. A man in his late thirties in a dark waistcoat and a white shirt open at the collar, and a woman in her early thirties in a backless black satin dress, dance close under a single amber streetlamp. Shot 1, wide: the couple turns through the falling rain and her dress flares. Shot 2, close-up: their faces almost touching, rain running down his cheek, she smiles. Shot 3, low angle on their feet: a sharp turn, her heel flicking water off the stones. Sound: a bandoneon tango drifting from an open window, steady rain, heels clicking on wet stone, her quiet laugh.

  うまくいく理由. ショットに番号を振り、各カメラアングル――広角、クローズアップ、ローアングル――を順に描写することが、モデルに 1 つのショットがどこで終わり次が始まるかを推測させず伝える方法です。

  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

  2 人の顔をフレームに収めるための正確なカメラ位置を名指しする

  

  A small jazz bar after closing, chairs upturned on the tables, one warm lamp over an old upright piano. Seen from the end of the keyboard so both faces are clear: two men in their thirties, a couple, sit close together on the piano bench. One, in a loosened tie with his sleeves rolled up, plays a slow chord; the other, in an open-collar black shirt, rests his head on the pianist's shoulder with his eyes half closed. The pianist stops, turns to him and says softly, "One more song?" The other smiles without lifting his head: "Only if it's ours." One continuous slow push-in, 35mm, warm tungsten light. Sound: soft piano chords, their low voices, the hum of the empty room.

  こう書く代わりに “Two men on a piano bench, one playing, the other leaning on his shoulder.”

  うまくいく理由. 「鍵盤の端から見た」というのは実際のカメラの指示です。これがないと、モデルは 2 人目がほぼ 1 人目に隠れるようなアングルを選ぶことがあります。

  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

  フレームの後に起きることだけを描写する

  

  The rain gets heavier. The woman in the camel trench coat tilts the umbrella back and laughs; the other woman pulls her closer by the collar and they walk off together down the neon street, the camera following at their shoulders. Sound: heavy rain drumming on the clear umbrella, distant traffic, footsteps splashing, and one of them says, "Come on, we're going to miss the last train."

  うまくいく理由. 開始フレームはすでに 2 人の女性、傘、ネオンの通りを設定しているため、プロンプトは次に何が起きるか――強まる雨、笑い、立ち去る歩行――だけを伝えればよいのです。

  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

• 参照素材から動画

  各参照写真に 1 つの役割を与える

  

  Image 1 is the man, Image 2 is the dining carriage, Image 3 is the sealed letter. The man from Image 1, still in his camel overcoat, sits alone at a table in the train carriage from Image 2 at night. He breaks the red wax seal of the letter from Image 3, unfolds it and reads, and a slow smile spreads across his face while city lights streak past the rainy window. Slow push-in. Sound: the rhythmic clatter of the train, rain on the glass, paper unfolding, a soft exhale.

  うまくいく理由. 番号を振った各画像が何を担当するか――男性、車両、手紙――を名指しすることが、モデルがそれらを新しい何かに混ぜ合わせるのではなく、3 つすべてを一緒に引き継がせた理由です。

  このプロンプトを試すプロンプトをコピー

• 動画編集

  1 つだけ変え、残りはそのままにする

  

  Turn the season to deep winter: fresh snow on the cobblestones, the balconies, the rooftops and the yellow tram, snowflakes drifting through the air and cold blue morning light. Dress both riders in wool coats and knitted scarves. Keep the street, the bicycles, the riders' movement and the camera move exactly as they are.

  うまくいく理由. 動画編集は名指ししたものだけを変えます――ここでは季節と衣装――そして元のクリップのフレーミング、動き、テンポはそのまま保たれます。

  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 $0.336 から、4K で $1.68 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 O3 について

Kling O3（Kling 3.0 Omni）は SpicyAPI で提供される、何でもこなせる Kling の動画モデルで、四つのモード（テキストから動画、画像から動画、参照から動画、動画編集）があります。クリップは 3〜15 秒（編集する動画は最大 10 秒）、最大 4K で、任意のネイティブ音声と自動のマルチショット切り替えに対応します。Kling は独自のコンテンツ審査を行っており、当社はその上に別のフィルターを加えていません。軽めの素材は通ることもありますが、それより強いものは拒否され、拒否されたリクエストには課金されません。出力は秒単位で米ドル建てに課金し、サブスクリプションも事前購入のパッケージもありません。アップロードした素材の権利と同意、そして生成した素材の利用方法についてはお客様が責任を負います。