O que há de novo no Kling 4.0 em relação ao Kling 3.0?

Clipes mais longos (até 30 segundos em vez de 15), a opção ultralargo 21:9, quadros-chave intermediários em imagem para vídeo e referência para vídeo que aceita vídeos e clipes de voz além de imagens. O som está sempre ligado. O Kling 3.0 ainda oferece 4K e Motion Control, que o Kling 4.0 não tem aqui.

Posso desligar o áudio?

Não. Todo clipe do Kling 4.0 volta com trilha estéreo, sem custo extra. Em referência para vídeo, você pode manter o som do próprio vídeo de referência usando keep_original_audio.

Como faço referência aos meus uploads no prompt?

Em referência para vídeo, escreva @Image1, @Image2 para imagens, @Video1 para vídeos e @Audio1 para clipes de áudio, numerados na ordem em que você os enviou. Os quadros-chave intermediários em imagem para vídeo não são citados no prompt; a ordem deles na lista é a ordem em que aparecem.

O Kling 4.0 permite conteúdo NSFW?

Não. Os pedidos são analisados antes da geração e tudo do nível Moderado para cima é recusado em poucos segundos; um pedido recusado não é cobrado. Para esse tipo de trabalho, veja no catálogo as famílias de vídeo sem restrição.

Por segundo de saída. 1080p custa mais por segundo do que 720p. Em referência para vídeo, os segundos de qualquer vídeo de referência são somados a uma taxa menor por segundo. Proporção, quadros-chave, imagens de referência e clipes de áudio não alteram o preço.

Quanto tempo leva um clipe?

Nos nossos testes, um clipe de 3 segundos levou cerca de 1,5 a 4 minutos, e um de 5 segundos, alguns minutos a mais. As requisições no mesmo endpoint são processadas uma por vez.

API Kling 4.0: vídeo 30 s, keyframes, referências

kling/4.0/text-to-video

O texto para vídeo do Kling 4.0 transforma um roteiro escrito em um clipe de 3 a 30 segundos em 720p ou 1080p. Escolha 16:9, 9:16, 1:1 ou 21:9 ultralargo; todo clipe vem com trilha estéreo.

A partir de $0.216/s

Executar modelo Ver API

Entrada

Texto para vídeo

Prompt

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/4.0/text-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "resolution": "720p",
    "duration_seconds": 5,
    "prompt": "Inside a white observatory dome on a high-desert mesa at indigo dusk. An astronomer in her late thirties with short silver-streaked hair, wearing a charcoal wool sweater and fingerless gloves, turns a heavy brass wheel; with a deep rumble the dome slit slides open and a band of deep-blue sky full of first stars pours light across the polished chrome telescope. She looks up, breath visible in the cold air, and says quietly, \"There you are.\" Slow crane up from her hands on the wheel to the opening sky. Sound: the grinding rumble of the dome motor, desert wind, the soft hum of equipment."
  }
}

Introdução

Kling 4.0 Texto para vídeo transforma um roteiro escrito em um clipe de 3 a 30 segundos em 720p ou 1080p, em 16:9, 9:16, 1:1 ou 21:9 ultralargo. Todo clipe volta com uma trilha estéreo gerada na mesma passagem: diálogos que você escreve entre aspas, efeitos e ambiente. Não há chave de áudio e não há custo extra por isso.

Escolha um modo do Kling 4.0 pelo material inicial

O que você tem no início	Modo
um roteiro ou cena escrita	Kling 4.0 Texto para vídeo (você está aqui)
um quadro inicial, e opcionalmente um quadro final e quadros intermediários	Kling 4.0 Imagem para vídeo
fotos, clipes ou amostras de voz para montar o elenco	Kling 4.0 Referência para vídeo

Recursos e destaques

Até 30 segundos em uma só tomada

As durações vão de 3 a 30 segundos inteiros, o dobro do teto do Kling 3.0. Uma tomada longa deixa a cena respirar — um guindaste lento, uma travessia completa do cenário — sem emendar clipes mais curtos.

Som sempre ligado

Cada clipe traz uma trilha de dois canais. Nos nossos testes, o ronco do motor da cúpula, o vento e uma fala sussurrada vieram todos da linha Sound: do prompt, sincronizados com a imagem.

21:9 ultralargo

Além de 16:9, 9:16 e 1:1, o Kling 4.0 renderiza um quadro 21:9 de verdade. Nosso teste ultralargo em 1080p saiu em 2200x940.

Parâmetros da requisição

Parâmetros da requisição de Kling 4.0 · Text to Video
Parâmetro	Obrigatório	Descrição
`prompt`	Sim	Descreva o sujeito, a ação, a câmera e o som. Coloque as falas entre aspas e o som em uma linha própria. pelo menos 1 caracteres
`aspect_ratio`	Não	16:9 (padrão), 9:16, 1:1 ou 21:9 ultralargo. Não altera o preço. `16:9` · `9:16` · `1:1` · `21:9` · Valor padrão: `16:9`
`resolution`	Não	720p ou 1080p (padrão 720p). 1080p custa mais por segundo. `720p` · `1080p` · Valor padrão: `720p`
`duration_seconds`	Não	Segundos inteiros, de 3 a 30 (padrão 5). Define o preço. `≥ 3` · `≤ 30` · Valor padrão: `5`

Preços

Cobrado por segundo de saída. 1080p custa mais por segundo do que 720p. Todo clipe vem com trilha estéreo sem custo extra. Requisição recusada ou com falha não é cobrada.

Preços
Especificação	Preço
`720p`	$0.216 / segundo
`1080p`	$0.324 / segundo

Casos de uso

Planos de abertura com som

Uma paisagem, um prédio, uma estrada ao entardecer — descreva o lugar, a luz, um movimento de câmera e o ambiente, e o clipe já serve como abertura com o som no lugar.

Cenas curtas com uma fala

Coloque a fala entre aspas depois da ação. Uma fala clara por clipe é mais fácil de sincronizar para o modelo do que diálogos sobrepostos.

Vídeos verticais para redes sociais

Escolha 9:16 e enquadre o sujeito no terço central; o modelo compõe para o quadro vertical em vez de recortar uma imagem horizontal.

Ver tutoriais dos principais casos de uso

Guia de prompt e dicas práticas

Escreva na ordem em que acontece

Sujeito e figurino, ação, movimento de câmera, aparência e, em seguida, uma linha Sound: separada. O nosso exemplo do observatório segue exatamente essa ordem.

Rascunhe curto e depois alongue

A geração é lenta: um teste de 3 segundos levou de dois a quatro minutos, e as requisições rodam uma após a outra, não em paralelo. Encontre o enquadramento com 3 a 5 segundos em 720p e depois renderize a versão longa ou em 1080p.

Descreva o som que você quer

Como o áudio é sempre gerado, deixar o som de fora do prompt não dá silêncio — dá o que o modelo escolher. Nomeie o ambiente que você quer ou escreva "silêncio de sala".

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/4.0/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.

MODELO DE 30 SEGUNDOS DA KLING

A API Kling 4.0 em resumo

Até 30 segundos por clipe, 21:9 ultralargo, quadros-chave do primeiro ao último e referências de imagens, vídeo e voz, com som em todo clipe.

Clipe mais longo: 30S; Qualquer número inteiro de segundos de 3 a 30 em todos os endpoints.
Ultralargo: 21:9; Além de 16:9, 9:16 e 1:1, em 720p ou 1080p.
Quadros para controlar: 10; Quadro inicial, quadro final e até 8 quadros-chave intermediários.
Imagens de referência: 10; Além de até 5 vídeos de referência e 3 clipes de voz, cada um citado no prompt.
Som incluído: ESTÉREO; Todo clipe traz uma trilha de dois canais sem custo extra.

Resultados

O que você pode criar com Kling 4.0

A partir de texto
Uma tomada longa com som próprio
Um único parágrafo nos deu a roda de latão girando, a cúpula deslizando sobre as estrelas e uma fala sussurrada, com o ronco do motor e o vento na trilha sonora.
Texto para vídeo, 5 segundos em 720p, 16:9, com o ronco da cúpula e o vento na trilha sonora.
A partir de quadros
Fixe o início e o fim
Um quadro inicial dela no telescópio e um quadro final dela apoiada no corrimão viraram um único movimento contínuo entre os dois.
Imagem para vídeo com quadro inicial e quadro final, 5 segundos em 720p.
A partir de referências
Monte uma cena a partir de fotos
Um retrato de estúdio como @Image1 e uma foto de um trailer cromado como @Image2 viraram ela descendo desse trailer na hora azul.
Referência para vídeo a partir de duas imagens (@Image1 a mulher, @Image2 o trailer), 5 segundos em 720p.

Mais clipes feitos com Kling 4.0

Imagem para vídeo, 5 segundos em 720p, com a proporção seguindo o quadro inicial.
5 s
Texto para vídeo, 5 segundos em 720p, 9:16 vertical.
5 s
Referência para vídeo a partir de duas imagens (@Image1 o homem, @Image2 a motocicleta), 5 segundos em 720p.
5 s

Teste de conteúdo

Kling 4.0 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 4.0, por modo
Nível	Texto para vídeo
LeveOs prompts mais leves do teste	Ainda não testado
ModeradoOnde os modelos com filtro começam a recusar	RecusadoTestado em 16 de out. de 2026
ForteO meio da escala	Ainda não testado
Muito forteOnde a maioria dos modelos começa a se conter	RecusadoTestado em 16 de out. de 2026
MáximoO topo da escala	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

Todos os modos: Prompts e entradas são triados antes da geração. Pedidos do nível Moderado para cima são recusados em poucos segundos e não são cobrados; o figurino de nível Leve também não é confiável. Todo clipe traz áudio gerado — não existe opção sem som, exceto manter o som original de um vídeo de referência.
Todos os modos: A geração é lenta: clipes de 3 segundos levaram cerca de 1,5 a 4 minutos nos nossos testes, e as requisições no mesmo endpoint rodam uma por vez, então um lote entra na fila.
Imagem para vídeo: Até 8 quadros-chave intermediários. Os quadros inicial, intermediários e final devem mostrar o mesmo personagem e cenário, a partir da mesma posição de câmera, senão o clipe precisa cortar ou transformar para chegar a eles.
Referência para vídeo: Vídeos de referência podem somar até 30 segundos no total, e os segundos deles também são cobrados, cada clipe arredondado para o segundo inteiro seguinte; clipes de áudio devem ter de 5 a 30 segundos cada.

Casos de uso

O que construir com a API Kling 4.0

Planos de abertura longos
Até 30 segundos deixam um movimento de câmera se desenrolar por inteiro — um guindaste lento, um percurso por uma estrada, uma revelação — sem emendar clipes.
Movimento em storyboard
Envie as poses principais como quadros inicial, intermediários e final e deixe o modelo preencher o movimento entre eles.
Personagens e objetos consistentes
Referencie um rosto, um figurino e um veículo uma vez e coloque-os em novas cenas, com uma amostra de voz se o personagem falar.

Prompts

Exemplos de prompts do Kling 4.0 para copiar

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

Referência para vídeo
Lista do elenco primeiro, depois a cena
Resultado deste prompt
@Image1 is the woman, @Image2 is the chrome trailer. At blue hour in the high desert, the woman from @Image1 steps out of the door of the trailer from @Image2 holding two steaming enamel mugs; the string lights along its awning blink on one by one and their glow slides across the polished aluminium. She stops, looks up at the first stars and smiles, then glances at the camera. Slow push-in. Sound: the creak of the trailer door, boots on cracked earth, a soft desert wind, a distant owl.
Por que funciona. Abrir com uma frase por referência diz ao modelo qual rosto e qual objeto manter; o resto do prompt só precisa descrever a ação, a câmera e o som.
Testar este prompt
Texto para vídeo
Ação, depois câmera, depois som
Resultado deste prompt
Inside a white observatory dome on a high-desert mesa at indigo dusk. An astronomer in her late thirties with short silver-streaked hair, wearing a charcoal wool sweater and fingerless gloves, turns a heavy brass wheel; with a deep rumble the dome slit slides open and a band of deep-blue sky full of first stars pours light across the polished chrome telescope. She looks up, breath visible in the cold air, and says quietly, "There you are." Slow crane up from her hands on the wheel to the opening sky. Sound: the grinding rumble of the dome motor, desert wind, the soft hum of equipment.
Por que funciona. O prompt segue a ordem em que as coisas acontecem e mantém o som em uma linha própria, então o ronco, o vento e a fala caem onde devem.
Testar este prompt
Imagem para vídeo
Feche o final com um segundo quadro
Resultado deste prompt
She takes one last look through the open slit of the dome, then turns around, leans back against the steel railing and crosses her arms with a small satisfied smile as more stars come out over the mesa. Static wide shot, her braid and coat stirred by the wind. Sound: steady desert wind, the faint whirr of the telescope motor.
Por que funciona. Com um quadro final definido, o prompt só precisa descrever como ela passa de uma pose para a outra.
Este modo começa pela sua própria imagem: adicione-a no Playground antes de executar.
Testar este prompt

Comparar

Kling 4.0 x modelos parecidos: qual escolher

Modelo	Modos	A partir de	Conteúdo	Escolha se
Kling 4.0Esta página	Imagem para vídeo · Referência para vídeo · Texto para vídeo	$0.216 / 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 clipes com mais de 15 segundos, ultralargo 21:9, quadros-chave intermediários ou referências de vídeos e clipes de voz, além de imagens.
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 precisa de 4K, de uma chave de áudio ou de Motion Control para copiar uma performance para o seu próprio personagem.
Kling O3	Imagem para vídeo · Referência para vídeo · Texto para vídeo · Edição de 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 editar um vídeo que já tem ou usar fotos de referência em até 4K.
Kling 3.0 Turbo	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 um clipe mais rápido e barato, com som, e não precisa de mais de 15 segundos.

Preços

Preços da API Kling 4.0

Um clipe de 5 segundos custa a partir de $1.08 em 720p e de $1.62 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 4.0 em três passos

Passo 1
Rascunhe curto em 720p
Encontre o enquadramento e o movimento com 3 a 5 segundos em 720p antes de pagar por uma renderização longa ou em 1080p.
Passo 2
Escreva uma linha Sound:
Todo clipe tem áudio. Nomeie o ambiente e qualquer fala entre aspas para obter o som que você quer.
Passo 3
Nomeie suas referências
Em referência para vídeo, comece com "@Image1 é …, @Image2 é …" antes de descrever a cena.

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 4.0 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 4.0

Sobre o Kling 4.0

O Kling 4.0 traz o modelo de vídeo mais novo da Kling para uma única API: texto para vídeo, imagem para vídeo com quadros inicial, final e intermediários, e referência para vídeo a partir de imagens, vídeos e clipes de voz. Os clipes têm de 3 a 30 segundos em 720p ou 1080p, em 16:9, 9:16, 1:1 ou 21:9, com trilha estéreo em todos. Os pedidos são analisados e tudo do nível Moderado para cima é recusado sem cobrança. A SpicyAPI cobra por segundo de saída em dólares americanos, sem assinatura.