Wprowadzenie
Obraz na wideo w Kling 3.0 bierze klatkę początkową (image_url) i prompt opisujący, co dzieje się po niej, i zwraca 3 do 15 sekund w 720p, 1080p lub 4K. Ustaw last_image_url, by ustalić też klatkę końcową, dzięki czemu klip musi dotrzeć do czegoś konkretnego, a nie tylko zacząć się gdzieś. Włącz generate_audio dla dialogu i tła dźwiękowego generowanego razem z obrazem.
Wybierz tryb Kling 3.0 według materiału startowego
| Co masz na starcie | Tryb |
|---|---|
| pisaną scenę lub scenariusz | Kling 3.0 – tekst na wideo |
| klatkę początkową i opcjonalnie końcową | Kling 3.0 – obraz na wideo (jesteś tutaj) |
| zdjęcie postaci i klip sterujący | Kling 3.0 Motion Control |
Najważniejsze funkcje
Klatka początkowa i, jeśli ją ustawisz, końcowa
Klip zaczyna się na Twoim obrazie dokładnie takim, jaki jest. Dodaj last_image_url, a Kling będzie zmierzał do tej klatki zamiast otwartego zakończenia – w naszym teście spaceru po zamglonym molo ostatnia klatka klipu niemal dokładnie zgadzała się z obrazem końcowym, razem z czerwonym szalem.
Klatka ustala wygląd, prompt ustala ruch
Opisz tylko akcję, kamerę i dźwięk – nie strój ani scenerię, które klatka początkowa już ustala. Nasz przykład z błyskawicą na podjeździe nigdy nie opisuje ponownie kobiety ani stacji benzynowej z klatki; dodaje tylko uderzenie pioruna, jej marsz w deszcz i grzmot.
Proporcje obrazu zależą od klatki
Nie ma tu osobnego pola aspect_ratio: wyjście przyjmuje kształt Twojego obrazu początkowego, od szerokiego krajobrazu po wysoki kadr portretowy.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
prompt | Tak | Opisz tylko to, co dzieje się po klatce początkowej – akcję, kamerę i, z włączonym dźwiękiem, dźwięk. od 1 znaków · do 2500 znaków |
negative_prompt | Nie | To, czego nie chcesz w klipie – obiekty, wygląd lub ruch – do 2500 znaków. Opcjonalne; nie wpływa na cenę. do 2500 znaków |
image_url | Tak | Klatka początkowa. Klip zaczyna się od tego obrazu i przejmuje jego proporcje. |
last_image_url | Nie | Opcjonalna klatka końcowa. W długich klipach środek może rozjeżdżać się bardziej niż utrzymane są końce. |
resolution | Nie | 720p, 1080p lub 4K. Wyższe poziomy kosztują więcej za sekundę. |
generate_audio | Nie | Dodaje generowaną ścieżkę dźwiękową do tego samego klipu. W 720p i 1080p kosztuje więcej za sekundę niż wariant bez dźwięku; w 4K cena jest taka sama z dźwiękiem i bez. Domyślnie: |
duration_seconds | Nie | Pełne sekundy, od 3 do 15. Determinuje cenę. |
shot_type | Nie | single utrzymuje jedno ustawienie przez większość czasu, ale wciąż może samo przeciąć; multi pozwala Kling samodzielnie ciąć na wiele ujęć. |
multi_prompt | Nie | Lista ujęć dla |
guidance_scale | Nie | Jak ściśle klip trzyma się promptu, od 0 do 1 (domyślnie 0,5). Wyższa wartość trzyma się treści dokładniej, niższa zostawia modelowi więcej swobody. |
Cennik
Rozliczane za sekundę wyjścia. Zarówno rozdzielczość, jak i przełącznik dźwięku zmieniają stawkę.
| Rozdzielczość | Generuj dźwięk: Nie | Generuj dźwięk: Tak |
|---|---|---|
| $0.0672 / sekundę | $0.1008 / sekundę |
| $0.0896 / sekundę | $0.1344 / sekundę |
| $0.336 / sekundę | $0.336 / sekundę |
Zastosowania
Kontynuuj postać dokładnie tak, jak została zaprojektowana
Gdy osoba musi wyglądać tak samo od klipu do klipu, wygeneruj lub wybierz najpierw nieruchomy obraz, a potem animuj go tutaj, zamiast pisać nowy prompt tekst na wideo, który znów zostawiłby strój i twarz przypadkowi.
Zakończ klip na konkretnym zakończeniu
Ustal klatkę końcową, gdy ostatni moment ujęcia ma znaczenie – utrzymany wyraz twarzy, dłoń na drzwiach, postać wchodząca w ostrość – zamiast zostawiać zakończenie modelowi.
Przetestuj nieruchome zdjęcie produktu lub mody w ruchu
Nieruchome zdjęcie produktu lub stroju, z promptem na prosty ruch kamery, wystarczy, by zobaczyć, jak statyczny obraz wypada w ruchu i, z włączonym dźwiękiem, w dźwięku.
Wskazówki
Opisz tylko to, czego klatka jeszcze nie pokazuje
Nasz przykład z błyskawicą na podjeździe trzyma się tego, co dzieje się po nieruchomym obrazie: błysk, jej krok od ciężarówki, marsz w ulewę. Nigdy nie powtarza jej stroju ani scenerii, które obraz już ustalił.
Zablokuj ujęcie, gdy ciągłość ma znaczenie
W ciągu 15 sekund szczegół w tle może się rozjechać. Jeśli konkretny obiekt lub układ musi pozostać na miejscu, nazwij go wprost ("ta sama czerwona ciężarówka stoi zaparkowana za nią przez cały czas"), zamiast zakładać, że klatka początkowa ustala to na cały klip.
Powiedz "jedno ciągłe ujęcie, bez cięć" dla jednego nieprzerwanego ujęcia
Nasz przykład z relingiem jachtu przy pierwszej próbie przeciął do drugiego kąta i zmienił się ze zmierzchu na dzień; dodanie tej linijki na początku promptu, razem z opisem światła pozostającego takim samym, utrzymało kadrowanie i kolor przez cały klip w powtórnym teście.
Szybki start z API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/3.0/image-to-video",
"input": {
"duration_seconds": 5,
"generate_audio": false,
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "single"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
