Introdução
O Kling Avatar 2.0 Avatar falante pega um retrato (image_url) e um arquivo de áudio de fala ou música (audio_url) e retorna um vídeo dessa pessoa entregando o áudio. A duração do clipe é definida pelo próprio áudio — não há um campo de duração separado — até cerca de 5 minutos. Um prompt opcional dirige o clima, os gestos e para onde os olhos vão, separadamente do que o áudio diz.
Recursos e destaques
O áudio define a duração
Não há parâmetro de duração neste endpoint: corte seu áudio para o tamanho que você quer que o clipe pronto tenha antes de enviá-lo. Tanto fala quanto canto funcionam como áudio de origem.
O prompt dirige a performance, o áudio conduz as palavras
prompt é opcional e descreve como a performance deve parecer — um clima, um gesto, para onde os olhos vão — enquanto audio_url fornece o que é de fato dito ou cantado. Manter os dois separados foi o que permitiu que nossos clipes de teste combinassem o diálogo entregue com o áudio de origem palavra por palavra, ainda seguindo uma direção específica.
Parâmetros da requisição
| Parâmetro | Obrigatório | Descrição |
|---|---|---|
prompt | Não | Direção opcional para a performance: clima, gestos, para onde os olhos vão. Separado do que o áudio diz. no máximo 2500 caracteres |
image_url | Sim | Retrato a animar. Apenas JPEG ou PNG. |
audio_url | Sim | Fala ou música que o avatar performa. O clipe dura exatamente o mesmo tempo deste áudio — não há um campo de duração separado. |
resolution | Não | 720p ou 1080p. 1080p custa mais por segundo de áudio. |
Preços
Cobrado por segundo do áudio que você envia, na resolução que você escolher. Um retrato ou solicitação que a Kling recusa não é cobrado.
| Especificação | Preço |
|---|---|
| $0.0512 / segundo |
| $0.1024 / segundo |
Casos de uso
Dê um rosto a um roteiro
Combine uma fala gravada ou gerada com um retrato para produzir um clipe falado — útil para aberturas narradas, depoimentos, ou diálogo de um personagem cujo rosto você já definiu.
Dirija uma performance cantada a partir de uma foto parada
Envie uma faixa de áudio cantada junto com um retrato e um prompt curto descrevendo a performance (plateia, energia, um gesto de mão) em vez das próprias palavras.
Guia de prompt e dicas práticas
Escreva um arco, não um único clima
Uma direção como "glancing down once, then back into the lens with a shy laugh at the end" dá ao avatar uma pequena sequência para performar, em vez de manter uma expressão estática ao longo do clipe inteiro.
Escolha um retrato nítido e de frente
Uma foto bem iluminada e de frente dá a sincronia labial e a expressão mais confiáveis. Ângulos laterais, rostos obscurecidos ou recortes extremos têm mais chance de divagar conforme o clipe roda.
Espere que o clipe rode um pouco mais do que o áudio
Nos nossos testes, o vídeo pronto consistentemente rodou um pouco mais do que o áudio de origem — uma fala de 11,4 segundos voltou como um clipe de 12,27 segundos — então planeje uma pequena folga em vez de esperar um tempo exato de quadro no final. A cobrança segue a duração do áudio, não a do clipe pronto.
Corte o silêncio das duas pontas do áudio
Um arquivo que começa ou termina com uma pausa longa dá ao avatar um tempo morto sem nada para performar. Corte o áudio bem perto de onde a fala ou o canto realmente começa e termina antes de enviá-lo.
Início rápido da API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/avatar-2.0/talking-avatar",
"input": {
"audio_url": "https://example.com/reference.mp3",
"image_url": "https://example.com/reference.png",
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Consulte a referência da API para autenticação, esquema completo, polling e tratamento de erros.
