Kling Video API: выбор задачи по исходному материалу

Утверждённая фотография, запись движения и готовый клип требуют разных видов генерации видео. Если сначала выбрать операцию, вы не будете платить за повторное создание уже имеющегося материала.

Выбирайте Kling прежде всего по операции. Используйте 2.1 «изображение в видео» для недорогого немого клипа из начального кадра; 3.0 — для гибкой длительности и структурированных планов; O3 — для нескольких референсов или редактирования готового клипа. В текущих базовых конфигурациях пять секунд стоят $0.175 в 2.1 при 720p, $0.336 в 3.0 при 720p без звука или $0.336 при генерации O3 в 720p без звука. Все описанные задачи Kling используют фильтры; они подходят для рекламных материалов SFW, но не для надёжного производства NSFW.

Сначала попробуйте в Playground

1. Откройте страницу Kling 3.0 «текст в видео» и оставайтесь в Workbench, в режиме Form.
2. Опишите сцену в Prompt; укажите, чего следует избегать, в Negative prompt.
3. Установите Aspect ratio в 16:9 и Resolution в 720p.
4. Выберите Run model (сначала войдите), посмотрите клип в Preview и сохраните его через Download.

Для начального изображения, записи движения или редактирования откройте страницу соответствующей задачи (Kling 3.0 «изображение в видео», O3 «референс в видео» или O3 «редактирование видео») и аналогично используйте поля загрузки.

Семь семейств с разными входными данными

Ниже приведены цены для указанных конфигураций SpicyAPI; у референсного видео и редактирования отдельные тарифы.

Эти цены генерации не относятся к переносу движения или редактированию. Анимация персонажа Kling 2.6 стоит $0.069/секунду при 720p или $0.112/секунду при 1080p; оплата рассчитывается по длине управляющего видео. Генерация O3 с референсным видео стоит $0.1008/секунду при 720p или $0.1344/секунду при 1080p. Перед созданием получите расчёт стоимости конкретной задачи с вашим исходным материалом.

В 3.0 разрешение 1080p стоит $0.0896/секунду без звука или $0.1344 со звуком; 4k — $0.336/секунду в обоих случаях. Генерация O3 из текста/изображения стоит $0.0896/секунду при немом 1080p или $0.112 со звуком и $0.336 при 4k в обоих случаях. Тариф 4k для генерации O3 по референсам отличается: $0.419/секунду. Поэтому пятисекундовый референсный клип 4k стоит $2.095, а не $1.68, как генерация из текста/изображения.

Выбирайте задачу под исходный материал

Только сценарий: выбирайте «текст в видео». Для простого пятисекундового плана 1080p проверенная цена $0.28 в 2.5 Turbo ниже, чем в Master или 2.6, но отключить звук нельзя. Для немого результата 2.6 стоит $0.345 при 1080p, а 3.0 — $0.336 при 720p.

Со звуком 3.0 Turbo дороже стандартного 3.0: пять секунд при 720p стоят $0.56 против $0.504. Не выбирайте Turbo только ради экономии. При 1080p со звуком 2.6 стоит $0.69 против $0.672 у 3.0, который также предлагает гибкую длительность и списки планов. Оставайтесь на 2.6, если вам нужен его более дешёвый немой результат 1080p ($0.345 против $0.448).

Утверждённый первый кадр: выбирайте «изображение в видео». Kling 2.1 принимает заключительный кадр last_image_url только при 1080p. 2.5 Turbo, 3.0 и O3 тоже поддерживают заключительные кадры; Master, 2.6 и 3.0 Turbo — нет. Первый и последний кадры не гарантируют сохранения идентичности в промежуточном движении.

Изображение персонажа и клип с исполнением: выбирайте kling/2.6/character-animation или kling/3.0/character-animation. Оба принимают image_url и video_url и следуют управляющей записи длиной 3–30 секунд. 2.6 возвращает немое видео. 3.0 предоставляет keep_original_audio (по умолчанию true) и character_orientation: video разрешает полный диапазон длительности, а image ограничивает управляющее видео десятью секундами. Не отправляйте здесь желаемую duration_seconds.

Отдельные изображения персонажа, одежды или места: выбирайте kling/o3/reference-to-video. Передайте 1–7 reference_image_urls и поясните Image 1, Image 2 и так далее. Добавление одного клипа reference_video_urls уменьшает лимит изображений до четырёх, исключает 4k и требует generate_audio: false. Звук оригинального источника отдельно регулируется через keep_original_audio.

Готовый клип, действие которого нужно сохранить: выбирайте kling/o3/video-edit. Передайте video_url длиной 3–10 секунд с не менее чем 720 пикселями по каждой стороне, промпт изменения и resolution: "720p" или "1080p". Поля желаемой длительности или 4k нет. Необязательных референсных изображений может быть не больше четырёх. Именованные элементы — ещё один вариант, но в этой задаче редактирования их нельзя сочетать с обычными референсными изображениями.

Создайте девятисекундовую последовательность SFW со взрослым персонажем

Для Kling 3.0 «текст в видео» используйте целочисленную длительность 3–15 секунд. Соотношения сторон для генерации из текста — 16:9, 9:16 и 1:1; маршрут из изображения следует начальному кадру. Пользовательский список принимает 1–6 планов, каждый длиной 1–15 секунд с промптом до 512 символов; сумма длительностей должна равняться общей длительности.

При 720p без звука девять секунд стоят $0.6048. Три завершённых варианта в такой конфигурации стоят $1.8144.

Используйте shot_type: "single" и не передавайте multi_prompt для одного непрерывного дубля или выберите multi, чтобы модель спланировала монтажные склейки. Kling 3.0 иногда делает склейки даже с single; добавьте указание непрерывного плана и проверьте весь результат, если действие должно идти без разрывов.

Когда покупка одной сгенерированной последовательности не подходит

Пользовательская девятисекундовая последовательность выше полезна, если вы хотите, чтобы модель создала планы со склейками вместе. Она плохо подходит, если второй план должен показать точную ручку продукта или клиент уже утвердил три отдельные композиции. В таких случаях анимируйте утверждённые изображения отдельными планами «изображение в видео» и смонтируйте их сами. Тогда каждый план можно изменить, не покупая всю последовательность заново.

Это влияет на стоимость. Три отдельных немых трёхсекундовых клипа 3.0 при 720p имеют ту же указанную промежуточную стоимость генерации девяти секунд, $0.6048, что и один пользовательский запрос. Но если только средний крупный план требует ещё одной попытки, замена трёхсекундового клипа стоит $0.2016; повтор всей девятисекундовой последовательности — $0.6048. Создание исходных изображений и отброшенные дубли увеличивают стоимость обоих процессов. Поэтому план монтажа важен не меньше самой низкой рекламируемой посекундной ставки.

В сцене с зонтом первый план показывает человека и сложенный зонт. Крупный план показывает ручку и хват. Финал показывает опускание зонта без раскрытия. Не пишите “the performer opens the umbrella” в среднем промпте и “the folded umbrella remains unchanged” в последнем: это противоречащие состояния реквизита. Указывайте состояние в каждом плане, которому оно нужно, вместо предположения, что общая фраза устранит противоречие.

Запишите движение, когда текст не может задать его ритм

Для точного танца из трёх шагов, приветственного жеста или медленного поворота управляющее видео полезнее дополнительных прилагательных в текстовом промпте. Подготовьте одно непрерывное исполнение одним взрослым в масштабе плана, показанном на референсе персонажа. Для танца в полный рост нужен референс с видимой обувью и достаточным пространством для самого широкого положения рук; портрет только лица оставляет движущееся тело неопределённым.

Официальное руководство по управлению движением рекомендует согласовать кадрирование тела, держать исполнителя в кадре и избегать склеек в управляющей записи. Функции сайта шире возможностей отдельного размещённого эндпоинта, поэтому контракт входных данных выше по-прежнему определяет поля, которые вы можете отправить здесь. Не копируйте управление библиотекой элементов с сайта в запрос, который его не поддерживает.

Выбирайте ориентацию видео, если важнее следовать кадрированию управляющей записи. Ориентацию изображения выбирайте только тогда, когда поза референса задаёт нужную ориентацию, а источник укладывается в более короткий допустимый срок 3.0. Запись в профиль и фронтальное изображение персонажа требуют реального выбора направления, а не являются взаимозаменяемыми загрузками.

Для шестисекундового переноса движения при 720p 2.6 указывает $0.414, а 3.0 — $0.6048. Если исполнение будет поставляться с отдельно смонтированной музыкой, немого результата 2.6 может хватить. Если важно сохранить исходный звук, 3.0 предоставляет такое управление.

Редактирование готового клипа отличается от генерации нового

Используйте редактирование O3, когда в оригинальном клипе уже есть действие, а вам нужна целевая визуальная правка. В сцене теплицы это может быть изменение фона или одежды с сохранением того, как исполнитель опускает зонт. Перед загрузкой подготовьте окончательный план длиной 3–10 секунд. Не отправляйте более длинный фильм в надежде, что настройка длительности выберет полезный фрагмент; такого поля у редактирования нет.

Для пятисекундового редактирования O3 указанная промежуточная стоимость составляет $0.626 при 720p или $0.84 при 1080p. Новая немая генерация пяти секунд при 720p стоит $0.336, но придумывает новое исполнение. Более низкая цена генерации не делает её заменой, если существующий ритм, жест или движение камеры — то, что вам нужно сохранить. Проверьте полученную правку на протяжении всего действия: правильный первый кадр сам по себе не доказывает сохранения.

Рассчитайте цену и запустите задачу через SDK

Установите spicyapi (pip install spicyapi), задайте SPICY_API_KEY и запустите последовательность с зонтом из трёх планов. Расчёт цены бесплатен; задача создаётся только после вашего одобрения.

import uuid
from spicyapi import SpicyClient, output_assets

client = SpicyClient()
model = "kling/3.0/text-to-video"
inputs = {
    "prompt": "A fictional 35-year-old performer in a cream jacket displays a folded blue umbrella beside a greenhouse door. Keep the same person, clothing and umbrella throughout.",
    "duration_seconds": 9,
    "resolution": "720p",
    "aspect_ratio": "16:9",
    "generate_audio": False,
    "shot_type": "customize",
    "multi_prompt": [
        {"prompt": "Medium view of the performer holding the folded umbrella by its handle.", "duration_seconds": 3},
        {"prompt": "Closer view of the hand and umbrella handle. The umbrella remains folded.", "duration_seconds": 3},
        {"prompt": "Medium view as the performer gently lowers the folded umbrella and pauses.", "duration_seconds": 3},
    ],
}

quote = client.quote_task(model=model, input_data=inputs)
print("Estimated cost:", quote["estimatedCost"])
if input("Create this task? [y/N] ") == "y":
    task = client.create_task(
        model=model,
        input_data=inputs,
        idempotency_key=str(uuid.uuid4()),
        quote_id=quote["quoteId"],
        expected_cost=quote["estimatedCost"],
    )
    final = client.wait_for_terminal(task["taskId"])
    if final["state"] != "succeeded":
        raise RuntimeError(final.get("errorMessage", final["state"]))
    for asset in output_assets(final):
        print(asset["url"])

Документация Python SDK описывает доставку файлов, повторные попытки и восстановление.

Поручите вызов Agent

Используйте Agent, если хотите, чтобы он подготовил входные данные и вернул результат, а вы одобрили цену и творческие решения.

• CLI: сохраните тот же входной объект в input.json и используйте npx @spicyapi/cli tasks create --model kling/3.0/text-to-video --input-file input.json --wait. CLI подтверждает цену; сохраните возвращённый ID задачи для восстановления.
• MCP: попросите помощника использовать spicyapi_task_create для kling/3.0/text-to-video, затем spicyapi_task_wait. Сервер MCP запрашивает подтверждение цены перед созданием.
• Skill: установите командой npx skills add spicyapi-ai/spicy-skill, затем попросите $spicyapi выполнить тот же процесс и остановиться для вашего одобрения. Skill использует настроенное подключение CLI или MCP.

Ограничения контента и предотвратимые ошибки

По нашим тестам сентября 2026 Kling может создавать материалы с намёками, но не является надёжным выбором видео без цензуры. Приём таких запросов различался по входным данным и маршрутам; более интенсивные запросы для взрослых отклонялись. Kling проверяет промпт, загруженные файлы и готовый клип. Для видео для взрослых используйте соответствующие задаче альтернативы в нашем руководстве Kling NSFW.

Для SFW-трейлера бренда для взрослых начинайте с полностью одетых вымышленных взрослых в нейтральной обстановке, как в примере. Отказ по правилам не исправляется повышением разрешения или попыткой замаскировать запрос.

Текущий контракт смотрите на странице Kling 3.0, в референсных изображениях O3 и в редактировании O3.

Частые вопросы

Какая задача Kling — самый дешёвый старт?

Для немого клипа из утверждённого начального изображения 2.1 при 720p предлагает пять секунд за $0.175. Для генерации из текста при фиксированном 1080p 2.5 Turbo предлагает пять секунд за $0.28, со звуком и без поля его отключения. Условия ввода и получения результата различаются, поэтому прежде чем сравнивать цены, выберите вариант, соответствующий задаче.

Использовать референсные изображения или начальный кадр?

Используйте «изображение в видео», когда исходная композиция должна стать началом клипа. Используйте референсы O3, когда отдельные изображения определяют человека, одежду и место для новой композиции. Управляющая запись задаёт ритм исполнения; она не заменяет ни один из двух видов изображений.

Можно ли исправить только часть сгенерированной последовательности?

Отдельные клипы позволяют заменять отдельные планы по их собственной стоимости генерации. Редактирование O3 может изменить существующий короткий клип, сохранив его действие, но стоит дороже новой генерации и требует просмотра целиком. Выбирайте исходя из того, должно ли сохраниться оригинальное исполнение.

Можно ли вызвать Kling 4.0 с этими ID моделей?

Нет. В текущем каталоге нет вызываемой задачи 4.0 или Flash. Руководство по выпуску Kling 4.0 отдельно описывает ранний доступ и статус API.

Решение

Начните с 2.1 для простой немой анимации изображения, с 3.0 — для явного планирования планов и гибкой длительности, с O3 — когда референсы или существующее видео являются входным материалом, который нужно сохранить. Запишите движение, если задание требует точного ритма исполнения. Храните каждый сгенерированный план отдельно, если ожидаете правки: стоимость замены одного крупного плана может быть важнее небольшой разницы в рекламируемых тарифах.