Kling Avatar 2.0 zamienia jeden portret i plik audio w klip, w którym ta osoba mówi lub śpiewa nagranie. Renderuj w 720p lub 1080p; długość klipu wynika z audio, do około 5 minut.
Obszar roboczy
Te przykłady napisano specjalnie dla tego endpointu. Podmień prompt i przykładowe adresy mediów na własne, dostępne materiały, a przed wysłaniem sprawdź aktualną wycenę i dostępność modelu.
- Wyjście7 s
jazz-club-velvet-singer-hello 720p: `image_url` to piosenkarka w czarnej aksamitnej sukni z odkrytymi ramionami przy mikrofonie vintage, w zadymionym klubie jazzowym pod niebieskimi reflektorami; `audio_url` to powolny, niski kobiecy głos mówiący „Good evening, darling. Pull up a chair. This next song is just for you.” Jej usta podążają za kwestią i zamykają się w pauzie po „darling”, przechyla głowę z leniwym uśmiechem, jak prosi prompt, a palce zostają na mikrofonie. Mowa kończy się po około 5,2 sekundy; zwrócony klip trwa 7,2 sekundy i przez ostatnie dwie utrzymuje uśmiech z zamkniętymi ustami.
- 720p
- Wyjście12 s
rooftop-confession 1080p: nerwowe, szczere wygłoszenie ze spojrzeniem w dół i nieśmiałym śmiechem na końcu, dopasowane słowo w słowo do audio źródłowego.
- 1080p
- Wyjście12 s
singer-between-songs 720p: przemowa na scenie między utworami, jedna dłoń oparta na statywie mikrofonu zgodnie z instrukcją w prompcie.
- Wyjście9 s
podcast-cold-open 720p: energiczna, żywa kwestia wygłoszona z pasującą animacją brwi i uśmiechu przez cały czas.
- Wyjście12 s
bar-counter-story 720p: swobodne, stonowane wygłoszenie, drobne skinienia i łagodny uśmiech dopasowane do konkretnej wyobrażonej relacji.
Ten przykład zaczyna się od $0.051 za sekundę wyniku. Playground przelicza szacunek po każdej zmianie ustawień.