Qual a diferença entre o Kling 3.0 Turbo e o Kling 3.0?

O Turbo é só tomada única, em texto para vídeo e imagem para vídeo, sempre com som, até 1080p. O Kling 3.0 acrescenta controle de primeira e última imagem, Motion Control e 4K, e torna o som uma opção em vez de padrão.

Posso desligar o som?

Não. Todo clipe do Kling 3.0 Turbo renderiza com áudio gerado; não há campo para desligá-lo. Se você quer um clipe silencioso em 1080p, use o Kling 2.5 Turbo.

Quanto tempo pode ter um clipe?

De 3 a 15 segundos, em passos de segundos inteiros, cobrado por segundo.

O Kling 3.0 Turbo permite conteúdo NSFW?

Não. A moderação própria do Kling é rígida: ela renderiza formulações de nível Leve de forma irregular, recusa tudo a partir do nível Moderado e bloqueia as imagens de entrada que sinaliza antes de a geração começar. Para cenas que vão além, use uma das nossas famílias Spicy, como Wan 2.2 Spicy ou MiniMax H3 Spicy.

Sou cobrado se minha solicitação for recusada ou falhar?

Não. Se uma solicitação é recusada ou a geração falha, o valor reservado para ela volta para o seu saldo.

Quão rápido ele renderiza?

Nos nossos testes, os clipes majoritariamente voltaram em um a três minutos. Recusas na etapa de prompt ou imagem voltam mais rápido, geralmente bem abaixo de um minuto.

Devo começar por texto ou por uma imagem?

Use texto para vídeo quando não tiver uma imagem de referência para partir. Use imagem para vídeo quando já tiver o personagem, a roupa ou o local exatos fixados em uma imagem e só precisar descrever o que acontece depois.

API Kling 3.0 Turbo — Vídeo de IA Rápido Com Som

kling/3.0-turbo/text-to-video

O text-to-video Kling 3.0 Turbo transforma uma cena escrita em um clipe de 3 a 15 segundos em 720p ou 1080p, em 16:9, 9:16 ou 1:1. O som é gerado na mesma passada em todos os clipes, e não há opção sem áudio.

A partir de $0.112/s

Executar modelo Ver API

Entrada

Texto para vídeo

Prompt461/2500

Proporção

Resoluçãoafeta o preço

Duraçãoafeta o preço

Filtro de segurançaDesligado

A SpicyAPI não executa filtro de segurança neste modelo. Seu prompt e suas mídias chegam ao modelo exatamente como você os enviou, e o próprio modelo decide o resultado.

Verificando sua conta antes de liberar o envio e a estimativa de preço.

Saída

Pronto para uma nova execução

Resultado de exemplo

Estender

Ampliação de vídeo

Edição de vídeo

{
  "model": "kling/3.0-turbo/text-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "resolution": "720p",
    "duration_seconds": 5,
    "prompt": "Late night in a small tiled kitchen lit by a warm pendant lamp. Two women in their early thirties, a couple, dance salsa between the counter and the fridge while a pot steams on the stove. One, in a loose white shirt with the sleeves rolled up, leads and spins the other, who wears a red wrap dress; they laugh and bump into the counter. Medium shot, gentle handheld. Sound: salsa music from a phone speaker, their laughter, feet on the tiles, the pot bubbling."
  }
}

Introdução

O Kling 3.0 Turbo Texto para vídeo transforma uma cena escrita em um clipe de 3 a 15 segundos inteiros, em 720p ou 1080p, com som gerado na mesma passada. Não há modo silencioso neste endpoint: descreva o diálogo e o som ambiente que você quer no prompt e eles renderizam junto com a imagem.

Escolha um modo do Kling 3.0 Turbo pelo material de partida

O que você tem no início	Modo
uma cena escrita	Kling 3.0 Turbo Texto para vídeo
uma imagem inicial aprovada	Kling 3.0 Turbo Imagem para vídeo

Recursos e destaques

O som não é opcional, e esse é o ponto

Todo clipe que sai deste endpoint carrega uma trilha sonora gerada: o diálogo que você coloca entre aspas renderiza como falas ditas, e qualquer som ambiente que você nomeia — música, passos, trânsito — volta misturado com a imagem. Nos nossos testes, as falas bateram com o prompt palavra por palavra em todo clipe que rodamos. Não há campo para desligar o áudio; para um clipe silencioso em 1080p, use o Kling 2.5 Turbo.

Um take contínuo, sem campo de corte de tomada

Este endpoint não tem configuração de múltiplas tomadas, então todo clipe é reproduzido como um único take ininterrupto. Escreva uma ação clara do início ao fim — uma dança, uma corrida e um salto, uma virada para a câmera — em vez de vários momentos que você quer costurados juntos.

Parâmetros da requisição

Parâmetros da requisição de Kling 3.0 Turbo · Text to Video
Parâmetro	Obrigatório	Descrição
`prompt`	Sim	Escreva como uma tomada: quem está em quadro, a ação, o movimento de câmera, e então o som — diálogo entre aspas e os sons ambientes que você quer. pelo menos 1 caracteres · no máximo 2500 caracteres
`aspect_ratio`	Não	16:9, 9:16 ou 1:1. Escolha antes de escrever o prompt para que o briefing posicione o assunto para esse formato. `16:9` · `9:16` · `1:1` · Valor padrão: `16:9`
`resolution`	Não	720p ou 1080p. Níveis mais altos custam mais por segundo. `720p` · `1080p` · Valor padrão: `720p`
`duration_seconds`	Não	Segundos inteiros, de 3 a 15. Influencia o preço junto com a resolução. `≥ 3` · `≤ 15` · Valor padrão: `5`

Preços

Cobrado por segundo de saída; resolução e duração influenciam a taxa.

Preços
Especificação	Preço
`720p`	$0.112 / segundo
`1080p`	$0.14 / segundo

Casos de uso

Cenas de diálogo para shorts e reels

Duas pessoas conversando, rindo ou trocando uma fala funciona bem aqui, já que o áudio volta sincronizado com a imagem, em vez de dublado depois. Uma cena de cozinha que testamos trouxe a fala, a música de fundo e o som de uma panela borbulhando, tudo no mesmo arquivo, sem precisar de uma etapa de áudio separada antes de postar.

Clipes de ação e movimento com som correspondente

Parkour, dança e outras ações físicas vêm com passos, impactos e respiração embutidos no mesmo arquivo que o movimento, sem uma etapa de foley separada para acrescentar.

Clipes sociais de giro rápido que precisam de som desde o início

Como o áudio é gerado na mesma passada que a imagem, este endpoint serve para qualquer clipe curto destinado direto a um feed ou reel, onde esperar por uma etapa separada de design de som atrasaria a publicação.

Ver tutoriais dos principais casos de uso

Guia de prompt e dicas práticas

Escreva a tomada na ordem em que acontece

Estruture o prompt como assunto, ação, câmera, e então som. O prompt da salsa na cozinha é um modelo funcional: quem está dançando e o que está vestindo, o que fazem (giram, esbarram no balcão), a câmera (plano médio, câmera na mão suave), e então o som (música, risadas, a panela borbulhando).

Combine o som com a ação, não só com o clima

Nomeie sons que são causados por algo em quadro — passos no concreto, uma panela borbulhando, o motor de uma scooter — em vez de uma trilha de clima genérica. Nos nossos testes, o som ligado a uma ação visível renderizou de forma mais consistente e sincronizada com a imagem do que uma indicação ambiente sem nada em quadro para produzi-la.

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-turbo/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "resolution": "720p",
    "aspect_ratio": "16:9",
    "duration_seconds": 5
  }
}'

# 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.

Não encontrou o modelo que precisa?

Conte qual modelo adicionar e para que você vai usá-lo. Os pedidos vão direto para quem decide os próximos modelos.

VÍDEO KLING, VELOCIDADE TURBO

A API Kling 3.0 Turbo em resumo

Escreva a cena ou comece pela sua própria imagem — o clipe volta com o som já dentro.

Todo clipe tem som: ÁUDIO; O 3.0 Turbo não tem modo silencioso: o som renderiza na mesma passada que a imagem, em todo clipe.
Resolução máxima: 1080P; 720p ou 1080p. Resolução e duração influenciam o preço.
Clipe mais longo: 15S; De 3 a 15 segundos, em passos de segundos inteiros.
Formas de começar: 2; A partir de uma cena escrita, ou da sua própria imagem inicial.
Proporções: 3; 16:9, 9:16 ou 1:1 em texto para vídeo; imagem para vídeo segue sua imagem.
Tempo de render típico: RÁPIDO; A maioria dos clipes nos nossos testes voltou em um a três minutos.

Resultados

O que você pode criar com Kling 3.0 Turbo

Som, não um extra
Diálogo e ambiência no mesmo arquivo
Escreva as falas entre aspas e nomeie os sons que quer, e eles voltam misturados ao clipe — não uma renderização silenciosa que você dubla depois. No nosso teste de uma cena de dança na cozinha, a trilha de salsa, as risadas e a panela borbulhando no fogão chegaram todas sincronizadas com a imagem.
Texto para vídeo, 720p: a trilha de salsa, as risadas e uma panela borbulhando chegam todas no mesmo arquivo que a imagem.
A partir da sua própria imagem
A imagem inicial se mantém, você escreve o que acontece depois
Dê a ele uma imagem aprovada e descreva só a ação, a câmera e o som. Uma tomada em primeira pessoa de uma mão sendo puxada por um mercado noturno manteve o rosto da mesma parceira durante todo o clipe, enquanto o prompt forneceu a corrida, o barulho da multidão e a frase que ela grita por cima do ombro.
Imagem para vídeo, 720p: o rosto e a roupa da imagem inicial se mantêm durante toda a corrida, com barulho de mercado e diálogo correspondentes.
Uma tomada contínua
Sem opção de corte de tomada, e isso é um recurso
Este modelo não tem configuração de múltiplas tomadas: todo clipe é reproduzido como um único take contínuo. Descreva uma ação clara do início ao fim — uma corrida, uma virada, um salto — em vez de vários momentos costurados juntos, e a renderização se mantém previsível.

Teste de conteúdo

Kling 3.0 Turbo é sem censura? O que testamos

Rodamos cada nível na nossa configuração real e conferimos cada clipe quadro a quadro. Aprovado significa que o conteúdo apareceu de fato na tela, não só que a solicitação passou.

Níveis de conteúdo testados no Kling 3.0 Turbo, por modo
Nível	Imagem para vídeo	Texto para vídeo
LeveOs prompts mais leves do teste	Ainda não testado	Ainda não testado
ModeradoOnde os modelos com filtro começam a recusar	RecusadoTestado em 28 de set. de 2026	RecusadoTestado em 28 de set. de 2026
ForteO meio da escala	Ainda não testado	Ainda não testado
Muito forteOnde a maioria dos modelos começa a se conter	Ainda não testado	Ainda não testado
MáximoO topo da escala	Ainda não testado	Ainda não testado

Gera: aparece como foi escrito. Suavizado: gerado, mas mais brando do que foi escrito. Recusado: rejeitado. Ainda não testado: ainda não rodamos esse nível nesse modo.

Como cada modo se comporta

Texto para vídeo: O som está sempre ativado, então escreva-o no prompt: diálogo entre aspas, mais os sons ambientes que você quer. Não há campo para desligar o áudio neste endpoint.
Imagem para vídeo: A imagem inicial fixa a pessoa, a roupa e o cenário — escreva só o que acontece depois dela. Não há campo aspect_ratio aqui: o formato do quadro do clipe segue sua imagem, então recorte a origem no formato que você quer antes de enviá-la.
Todos os modos: O Kling aplica a própria moderação de conteúdo, e ela é rígida: formulações de nível Leve às vezes são renderizadas e às vezes não, e tudo a partir do nível Moderado é recusado de vez. Imagens de entrada que a moderação do Kling sinaliza são bloqueadas antes mesmo de a geração começar. Se sua cena precisa ir além, use uma das nossas famílias Spicy, como Wan 2.2 Spicy ou MiniMax H3 Spicy.
Todos os modos: Uma solicitação recusada ou que falha não é cobrada — a reserva no seu saldo é liberada.

Casos de uso

O que construir com a API Kling 3.0 Turbo

Cenas de diálogo para shorts e reels
Duas pessoas conversando, rindo ou trocando uma fala funciona bem aqui, já que o áudio volta sincronizado com a imagem, em vez de acrescentado na pós-produção.
Clipes em POV que atraem o espectador
Uma imagem inicial em primeira pessoa mais um prompt curto sobre a ação já bastam para uma tomada de acompanhamento em primeira pessoa com som correspondente — passos, barulho de multidão, uma fala.
Clipes sociais de retorno rápido
As renderizações nos nossos testes majoritariamente chegaram em poucos minutos, tempo suficiente para tentar uma tomada de duas ou três formas antes de escolher a que você vai manter.
B-roll de ação e movimento com som correspondente
Parkour, dança e outras ações físicas vêm com passos, impactos e respiração embutidos no mesmo arquivo, então não há uma etapa de foley separada para acrescentar.

Prompts

Exemplos de prompts do Kling 3.0 Turbo para copiar

Cole um deles no Playground sem alterações e depois mude uma coisa de cada vez.

Texto para vídeo
Duas pessoas, uma cena contínua, som incluso
Resultado deste prompt
Late night in a small tiled kitchen lit by a warm pendant lamp. Two women in their early thirties, a couple, dance salsa between the counter and the fridge while a pot steams on the stove. One, in a loose white shirt with the sleeves rolled up, leads and spins the other, who wears a red wrap dress; they laugh and bump into the counter. Medium shot, gentle handheld. Sound: salsa music from a phone speaker, their laughter, feet on the tiles, the pot bubbling.
Por que funciona. Nomeia quem está em quadro, o figurino, o movimento (gira, esbarra no balcão) e fecha com as indicações de som, então o modelo tem um único momento claro para filmar e sonorizar, em vez de um clima para adivinhar.
Testar este prompt
Texto para vídeo
Ação em duas configurações em um único take contínuo
Resultado deste prompt
Dawn over Hong Kong rooftops. A man in his late twenties in a grey hoodie and track pants sprints across a flat roof, vaults a low ventilation duct and leaps the gap to the next building, landing in a roll and coming up running. Handheld tracking shot alongside him, then a wide shot of the jump against the pink sky and dense towers. Sound: his breathing, sneakers slapping concrete, the whoosh of the jump, distant traffic waking up.
Por que funciona. A direção de câmera ("handheld tracking, then a wide shot") e a lista de sons soam como um único take planejado, em vez de uma edição, o que combina com o jeito que esse endpoint realmente renderiza — um clipe contínuo, sem cortes.
Testar este prompt
Texto para vídeo
Nomeie a tomada, não só o clima
A woman in a silk slip dress sits on the edge of a hotel bed at dusk, looking out the window, warm backlight, soft haze, slow push-in, cinematic. Sound: distant traffic, a ceiling fan, her quiet breathing.
Em vez de “woman in a hotel room at night”
Por que funciona. Nomear a contraluz do entardecer, o movimento de câmera e o som ambiente dá ao modelo uma tomada para filmar e sonorizar; a versão curta deixa a pose, a luz e o áudio ao acaso.
Testar este prompt
Imagem para vídeo
Deixe a imagem definir o visual, deixe as palavras definirem o movimento
Resultado deste prompt
First person point of view: she tightens her grip on the viewer's hand and pulls, breaking into a run through the crowded neon night market, glancing back over her shoulder and laughing. The camera is towed after her past glowing stalls and drifting steam. Sound: market chatter, sizzling grills, her laughter as she calls, "Come on, it's this way!"
Por que funciona. O prompt só descreve o que acontece depois da imagem — a corrida, o olhar por cima do ombro, a fala — e deixa o figurino e o cenário para a imagem, que é para isso que este endpoint foi feito.
Este modo começa pela sua própria imagem: adicione-a no Playground antes de executar.
Testar este prompt
Imagem para vídeo
Um momento compartilhado, descrito em movimento e som
Resultado deste prompt
The Vespa leans into a curve along the coast road; the passenger tightens his arms around the driver and rests his chin on his shoulder, both laughing into the wind, the sea glittering below. Tracking shot alongside them. Sound: the buzzing scooter engine, rushing wind, their laughter.
Por que funciona. Dá à câmera um único movimento (acompanhamento lateral) e o combina com um som que corresponde — motor, vento, risadas — em vez de listar palavras de clima separadas.
Este modo começa pela sua própria imagem: adicione-a no Playground antes de executar.
Testar este prompt

Comparar

Kling 3.0 Turbo x modelos parecidos: qual escolher

Modelo	Modos	A partir de	Conteúdo	Escolha se
Kling 3.0 TurboEsta página	Imagem para vídeo · Texto para vídeo	$0.112 / segundo de saída	Com filtro — Este modelo recusa de forma clara os pedidos que passam dos seus próprios limites. É um resultado medido, não presumido; modelos que você não vê rotulados ainda não foram medidos.	Você quer que todo clipe já tenha som e não precisa de 4K ou Motion Control.
Kling 3.0	Animação de personagem · Imagem para vídeo · Texto para vídeo	$0.067 / segundo de saída	Com filtro — Este modelo recusa de forma clara os pedidos que passam dos seus próprios limites. É um resultado medido, não presumido; modelos que você não vê rotulados ainda não foram medidos.	Você quer o carro-chefe: controle de primeira e última imagem, até 4K, e Motion Control, com som como opção em vez de padrão.
Kling 2.6	Animação de personagem · Imagem para vídeo · Texto para vídeo	$0.069 / segundo de saída	Com filtro — Este modelo recusa de forma clara os pedidos que passam dos seus próprios limites. É um resultado medido, não presumido; modelos que você não vê rotulados ainda não foram medidos.	Uma saída fixa em 1080p serve para você e quer pagar menos por segundo do que o Kling 3.0 em 1080p quando deixa o som desligado.
Kling 2.5 Turbo	Imagem para vídeo · Texto para vídeo	$0.056 / segundo de saída	Com filtro — Este modelo recusa de forma clara os pedidos que passam dos seus próprios limites. É um resultado medido, não presumido; modelos que você não vê rotulados ainda não foram medidos.	Você quer a opção fixa em 1080p mais barata, com controles de prompt negativo e guidance, e uma trilha sonora que não pode ser desligada não é um problema.
MiniMax H3 Spicy	Imagem para vídeo · Extensão de vídeo	$0.038 / segundo de saída	Sem censura — Este modelo declara não aplicar filtro de conteúdo. A SpicyAPI encaminha a solicitação sem adicionar uma análise de conteúdo da plataforma; as obrigações legais e de consentimento continuam com o cliente.	Sua cena vai além do nível Leve — o próprio filtro da Kling para nesse ponto.

Preços

Preços da API Kling 3.0 Turbo

Um clipe de 5 segundos custa a partir de $0.56 em 720p e de $0.7 em 1080p.

O Playground mostra o preço exato das suas configurações antes de rodar. Tarefas com falha ou tempo esgotado normalmente não são cobradas. Alguns modelos cobram recusas de conteúdo conforme indicado na página do modelo; confira essas condições antes de enviar.

Ver todas as faixas de preço

Primeiros passos

Como usar a API Kling 3.0 Turbo em três passos

Passo 1
Teste no playground
Escolha texto para vídeo ou imagem para vídeo, cole um dos prompts desta página, e rode. O preço exato aparece antes de qualquer cobrança.
Passo 2
Pegue uma chave de API
Crie sua conta, recarregue com cartão ou cripto e gere uma chave no console. Não há assinatura: você paga pelos segundos de vídeo que gerar.
Passo 3
Envie a mesma solicitação pelo seu código
Copie a solicitação da aba API: é o mesmo corpo que o playground acabou de rodar. O clipe pronto chega ao seu webhook, ou você o busca pelo ID da tarefa.

Abrir o Playground Obter uma chave de API

A referência de parâmetros e os exemplos de código estão nas abas API e Readme, no topo desta página.

Por que SpicyAPI

Por que usar o Kling 3.0 Turbo na SpicyAPI

Nenhum filtro nosso
Não adicionamos nenhum filtro de conteúdo próprio. O que o modelo gera é o que você recebe.
Testado na prática
Os níveis de conteúdo vêm de gerações reais que rodamos e conferimos, com a data do teste na página.
Pague por resultado, em dólares
Sem assinatura e sem créditos. Tarefas com falha ou tempo esgotado normalmente não são cobradas. Alguns modelos cobram recusas de conteúdo conforme indicado na página do modelo; confira essas condições antes de enviar.
Uma chave para todos os modelos
Uma única chave de API e um único saldo atendem modelos de imagem, vídeo, áudio e chat, para você explorar mais modelos na mesma conta.

FAQ

Perguntas frequentes da API Kling 3.0 Turbo

Sobre o Kling 3.0 Turbo

O Kling 3.0 Turbo é o modelo de vídeo rápido do Kling, sempre com som; disponível na SpicyAPI como texto para vídeo e imagem para vídeo, em 720p ou 1080p, para clipes de 3 a 15 segundos. Em nossos testes de 2026-09-28, cada clipe gerado trazia uma trilha sonora correspondente e nenhum clipe que pedimos foi recusado no nível Leve que testamos. O Kling aplica a própria moderação de conteúdo — recusou o que enviamos a partir do nível Moderado — e a SpicyAPI não acrescenta nenhum filtro próprio por cima. A cobrança é por segundo de saída, em dólares americanos, sem assinatura. Você é responsável por ter os direitos e o consentimento de tudo o que enviar e pelo uso do que gerar.