Introdução
O Kling 3.0 Motion Control pega uma foto nítida de um personagem (image_url) e um vídeo de referência (video_url, de 3 a 30 segundos) e reproduz os movimentos, expressões e gestos das mãos desse vídeo no personagem, mantendo o rosto, a roupa e o cenário dele a partir da foto. A saída dura exatamente o mesmo tempo do vídeo de referência e é cobrada por essa duração, não por uma que você escolhe. prompt é opcional — use-o para o que o vídeo de referência não mostra, como o cenário ou o visual.
Escolha um modo do Kling 3.0 pelo material de partida
| O que você tem no início | Modo |
|---|---|
| uma cena ou roteiro escrito | Kling 3.0 Texto para vídeo |
| uma imagem inicial, e opcionalmente uma final | Kling 3.0 Imagem para vídeo |
| uma foto de personagem e um vídeo de referência | Kling 3.0 Motion Control (você está aqui) |
Recursos e destaques
Uma foto, um vídeo de referência, a mesma performance duas vezes
Grave ou licencie um vídeo de referência — uma dança, uma caminhada, um gesto — e rode-o em quantas fotos de personagem precisar. No nosso teste, a mesma coreografia do vídeo de referência voltou correspondendo instante a instante em dois personagens diferentes, cada um mantendo seu próprio rosto, roupa e fundo.
O resultado dura o mesmo tempo do vídeo de referência
Não há campo de duração para definir: a duração da saída sempre segue o vídeo de referência, de 3 a 30 segundos, e a cobrança segue a mesma duração.
720p ou 1080p
O Motion Control não vai até 4K. A resolução muda o preço da mesma forma que nos outros endpoints do Kling 3.0.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Não | Opcional. Use-o só para o que o vídeo de referência não mostra — o cenário, o visual, qualquer coisa a acrescentar. no máximo 2500 caracteres |
negative_prompt | Não | O que você não quer no clipe (objetos, visuais ou movimentos), até 2.500 caracteres. Opcional; não muda o preço. no máximo 2500 caracteres |
image_url | Sim | O personagem a animar: uma foto nítida, de corpo inteiro ou meio corpo, da pessoa. |
video_url | Sim | Vídeo de referência, de 3 a 30 segundos: os movimentos, expressões e gestos a copiar. O resultado dura o mesmo tempo desse vídeo e é cobrado por essa duração. |
resolution | Não | 720p ou 1080p. O nível mais alto custa mais por segundo. |
keep_original_audio | Não | Mantém no resultado o som original do vídeo de referência. Ligado por padrão. Valor padrão: |
character_orientation | Não | Para onde o personagem fica virado no resultado: video (padrão) segue a pessoa do vídeo de referência; image segue a pessoa da sua foto. |
shot_type | Não | Como as tomadas são planejadas: customize (padrão) segue o que você envia; intelligent deixa o modelo planejar as tomadas sozinho. Não muda o preço. |
Preços
Cobrado pela duração do vídeo de referência (video_url), arredondada para cima até o segundo inteiro, de 3 a 30 segundos, não por uma duração que você define. A resolução muda a taxa.
| Especificação | Preço |
|---|---|
| $0.1008 / segundo |
| $0.1344 / segundo |
Casos de uso
Reaproveite uma performance entre personagens
Coreografe ou licencie um único vídeo de referência uma vez, e então aplique-o a cada foto de personagem de uma série — uma coreografia de dança, o conjunto de gestos de um apresentador de produto, uma saudação recorrente — sem regravar o movimento a cada vez.
Dê a uma foto de personagem parada um movimento real e dirigido
Em vez de descrever movimento em palavras e torcer por um gesto específico, o Motion Control permite mostrar o movimento exato uma vez, como um vídeo de referência, e aplicá-lo com precisão.
Ambiente uma performance em um novo cenário
Use o prompt opcional para colocar o personagem em um local diferente do fundo do próprio vídeo de referência, enquanto o movimento em si permanece idêntico.
Guia de prompt e dicas práticas
Deixe o vídeo de referência carregar o movimento
O prompt não precisa descrever nenhum movimento — o vídeo de referência já fornece isso. Use-o só para o que o vídeo não mostra, como o cômodo, o detalhe do figurino ou o clima.
Mantenha a foto do personagem nítida e com um único assunto
Uma foto nítida, de corpo inteiro ou meio corpo, de uma pessoa, bem iluminada e sem obstrução, dá ao Motion Control a correspondência mais clara. Uma foto com o personagem parcialmente escondido ou em um ângulo incomum deixa mais para o modelo adivinhar.
Confira se as duas entradas são largas o suficiente
Tanto a foto do personagem quanto o vídeo de referência precisam de cerca de 720 pixels ou mais em cada lado; um vídeo de referência abaixo disso é recusado antes de a tarefa começar, não depois de você já ter pago por ela.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/3.0/character-animation",
"input": {
"character_orientation": "video",
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"shot_type": "customize",
"video_url": "https://example.com/reference.mp4"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
