Wprowadzenie
Obraz na wideo w Kling 3.0 Turbo bierze klatkę początkową i prompt opisujący, co dzieje się dalej, i zwraca klip trwający od 3 do 15 pełnych sekund z pasującym, generowanym dźwiękiem. Klatka ustala całe ujęcie: Kling 3.0 Turbo zachowuje osobę, strój i scenerię z Twojego obrazu, a wymyśla ruch, kamerę i dźwięk.
Wybierz tryb Kling 3.0 Turbo według materiału startowego
| Co masz na starcie | Tryb |
|---|---|
| pisaną scenę | Kling 3.0 Turbo – tekst na wideo |
| zatwierdzony obraz początkowy | Kling 3.0 Turbo – obraz na wideo |
Najważniejsze funkcje
Klatka początkowa ustala cały klip
W naszych testach twarz i strój z pierwszej klatki przenosiły się przez każdy klip: uścisk dłoni z pierwszej osoby przez nocny targ zachował twarz tej samej partnerki przez cały bieg, a para na skuterze zachowała kurtki i kolor motocykla od pierwszej do ostatniej klatki. Opisz tylko to, co dzieje się po klatce.
Dźwięk przychodzi zsynchronizowany z ruchem
Ten endpoint nie ma pola aspect_ratio – kształt klatki klipu zależy od Twojego obrazu źródłowego, więc przytnij go do kształtu, którego chcesz, przed przesłaniem. Dźwięk zawsze się renderuje i w naszych testach pasował do widocznej akcji: dźwięk silnika i wiatr w klipie ze skuterem, zgiełk targu i wykrzyknięta kwestia w klipie z nocnym targiem.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Opisz tylko to, co dzieje się po klatce: akcję, ruch kamery i, ponieważ dźwięk zawsze się renderuje, 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 – nowe są tylko ruch, kamera i dźwięk. |
resolution | Nie | 720p lub 1080p. Wyższe poziomy kosztują więcej za sekundę. |
duration_seconds | Nie | Pełne sekundy, od 3 do 15. Determinuje cenę razem z rozdzielczością. |
Cennik
Rozliczane za sekundę wyjścia; zarówno rozdzielczość, jak i długość wpływają na stawkę.
| Specyfikacja | Cena |
|---|---|
| $0.112 / sekundę |
| $0.14 / sekundę |
Zastosowania
Zamiana zatwierdzonego ujęcia w ruchomy, udźwiękowiony moment
Animuj postać, produkt lub lokalizację, którą już ustaliłeś na nieruchomym obrazie, zamiast opisywać całą scenę od zera, gdy dokładny wygląd musi być precyzyjny.
Klipy POV zaczynające się od jednej klatki
Klatka początkowa z pierwszej osoby plus krótki prompt o akcji wystarczą na ujęcie z pierwszej osoby z pasującym dialogiem i dźwiękiem otoczenia. Nasz test na nocnym targu zachował twarz tej samej partnerki przez cały spacer z ręki, a zgiełk targu i wykrzyknięta kwestia dotarły zsynchronizowane z ruchem.
Ożywienie ujęcia pary lub duetu
Nieruchomy kadr dwóch osób - na rowerze, przy stole, idących razem - zachowuje obie twarze i stroje, podczas gdy prompt dostarcza, co robią i mówią dalej, co jest szybsze niż ponowne opisywanie dwóch osób od pustego promptu w trybie tekst na wideo.
Wskazówki
Opisz następny moment, nie całą scenę
Skoro klatka już ustala wygląd, prompt potrzebuje tylko ruchu, kamery i dźwięku: co podmiot robi dalej, jak podąża kamera i – ponieważ dźwięk zawsze się generuje – dialogu lub dźwięku otoczenia, którego chcesz. Ponowne opisywanie stroju, pojazdu lub scenerii, które klatka już pokazuje, tylko marnuje słowa, które model mógłby poświęcić na akcję.
Nazwij źródło dźwięku, które faktycznie jest w kadrze
W naszych testach dźwięk powiązany z czymś widocznym - silnikiem, wiatrem, zgiełkiem targu - renderował się bardziej konsekwentnie niż ogólna wskazówka nastrojowa. Jeśli kadr pokazuje skuter albo tłum, nazwij dźwięk, który ta scena faktycznie by wydawała, zamiast opisywać atmosferę, gdy nic na ekranie jej nie wywołuje.
Przytnij przed przesłaniem
Tutaj nie ma pola do wyboru proporcji obrazu: wyjście przyjmuje kształt Twojego obrazu źródłowego. Przytnij do 16:9, 9:16 lub kwadratu przed przesłaniem, jeśli kształt klatki ma dla Ciebie znaczenie.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/3.0-turbo/image-to-video",
"input": {
"duration_seconds": 5,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
