Wprowadzenie
Obraz na wideo w Kling 2.6 bierze klatkę początkową i prompt opisujący, co dzieje się dalej, i zwraca stały klip 1080p po 5 lub 10 sekund. Nie ma też pola aspect_ratio – wyjście przyjmuje kształt Twojego obrazu źródłowego. generate_audio jest opcjonalne: włącz je dla dialogu lub dźwięku otoczenia renderowanego razem z ruchem.
Wybierz tryb Kling 2.6 według materiału startowego
| Co masz na starcie | Tryb |
|---|---|
| pisaną scenę | Kling 2.6 – tekst na wideo |
| zatwierdzony obraz początkowy | Kling 2.6 – obraz na wideo |
| klip sterujący i zdjęcie postaci | Kling 2.6 Motion Control |
Najważniejsze funkcje
Klatka początkowa ustala cały klip
W naszym teście kraciasta koszula kobiety, paker i pustynna sceneria z klatki początkowej trzymały się przez cały klip; prompt dostarczył tylko gest, obrót w stronę słońca i wypowiedzianą kwestię. W naszym teście na pace pikapa jedno zdjęcie w kraciastej koszuli zmieniło się w klip o zachodzie słońca z wypowiedzianą kwestią, pustynnym wiatrem i przejeżdżającą ciężarówką — bez konieczności ponownego opisywania stroju czy scenerii, które zdjęcie już ustaliło.
Dźwięk, gdy o niego poprosisz, podąża za akcją
Z włączonym generate_audio nasz test zwrócił pustynny wiatr, świerszcze i przejeżdżającą ciężarówkę zsynchronizowane z momentem, w którym mówi – choć mix brzmiał ciszej niż obraz, warto powtórzyć, jeśli potrzebujesz bardziej obecnego dźwięku.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Opisz tylko to, co dzieje się po klatce: akcję, ruch kamery i, jeśli włączasz dźwięk, dialog lub dźwięk otoczenia. od 1 znaków · do 2500 znaków |
image_url | Tak | Klatka początkowa. Osoba, strój i sceneria z tego obrazu trzymają się przez cały klip. |
negative_prompt | Nie | To, co nie może się pojawić: druga osoba, napisy, rekwizyt, który model wciąż wprowadza z powrotem. Pisz prostą listę zamiast zdań z przeczeniem. do 2500 znaków |
generate_audio | Nie | Domyślnie wyłączone. Włącz je dla wygenerowanej ścieżki dźwiękowej renderowanej razem z obrazem; kosztuje więcej za sekundę. Domyślnie: |
duration_seconds | Nie | 5 lub 10 sekund – żadna inna wartość nie jest akceptowana. Determinuje cenę. |
guidance_scale | Nie | Jak ściśle klip trzyma się promptu, od 0 do 1 co 0,01; domyślnie 0,5. |
Cennik
Rozliczane za sekundę wyjścia; włączenie dźwięku kosztuje więcej za sekundę.
| Specyfikacja | Cena |
|---|---|
| $0.069 / sekundę |
| $0.138 / sekundę |
Zastosowania
Zamiana zatwierdzonego ujęcia w udźwiękowiony moment
Animuj postać, produkt lub lokalizację, którą już ustaliłeś na zdjęciu, i dodaj krótką wypowiedzianą kwestię lub dźwięk otoczenia zamiast opisywać całą scenę od zera.
Klipy w stałym formacie do mediów społecznościowych
1080p, 5 lub 10 sekund, to przewidywalny, gotowy do publikacji kształt, gdy nie musisz dostrajać rozdzielczości ani czasu trwania dla każdego klipu. Ten stały format sprawia też, że ten endpoint to szybki sposób na zamianę partii zatwierdzonych zdjęć produktu lub postaci w serię klipów w tym samym formacie na potrzeby feedu.
Obsadzanie tego samego ujęcia różnymi kwestiami
Ponieważ klatka początkowa ustala wygląd, możesz przepuścić jeden zatwierdzony obraz przez kilka promptów - inną wypowiedzianą kwestię, inny gest - zachowując osobę, strój i scenerię identyczne w każdej wersji.
Wskazówki
Opisz następny moment, nie całą scenę
Skoro klatka już ustala wygląd, prompt potrzebuje tylko ruchu, kamery i – jeśli generate_audio jest włączone – dialogu lub dźwięku otoczenia, którego chcesz. Ponowne opisywanie stroju lub scenerii, które zdjęcie już pokazuje, tylko marnuje słowa, które model mógłby poświęcić na akcję.
Tylko JPEG lub PNG
Pole obrazu w tym endpoincie nie przyjmuje innych formatów. Przekonwertuj obraz źródłowy na JPEG lub PNG przed przesłaniem. źródło w WEBP lub HEIC zawiedzie, zanim zadanie w ogóle się zacznie.
Jeśli miks dźwięku wypada cicho, zaznacz to w prompcie
Nasz test na pustyni zwrócił wiatr, świerszcze i ciężarówkę zsynchronizowane z momentem, w którym ona mówi, ale zmiksowane ciszej niż obraz. Jeśli dźwięk otoczenia ma brzmieć tak samo głośno jak dialog, powiedz to wprost w prompcie, zamiast zakładać równy miks domyślnie.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
