Введение
Kling 3.0 Text to video превращает текстовый промпт в клип без какого-либо изображения или управляющего видео на входе. Задайте длительность от 3 до 15 целых секунд, разрешение 720p, 1080p или 4K и соотношение сторон 16:9, 9:16 или 1:1. Включите generate_audio, чтобы реплики, эффекты и атмосфера сгенерировались за тот же проход, и выберите shot_type, чтобы удержать одну установку камеры или дать Kling самой смонтировать несколько планов.
Выбор режима Kling 3.0 по стартовому материалу
| Что у вас есть на старте | Режим |
|---|---|
| текстовое описание сцены или сценарий | Kling 3.0 текст в видео (вы здесь) |
| первый кадр и, при желании, последний | Kling 3.0 изображение в видео |
| фото персонажа и управляющий клип | Kling 3.0 Motion Control |
Ключевые возможности и особенности
Реплики и атмосфера в одном файле
При включённом generate_audio реплика, написанная в кавычках в промпте, возвращается как слышимый диалог, синхронизированный с картинкой, вместе с любым описанным вами фоновым звуком. В нашем тесте реплика «Не жди меня» вернулась произнесённой на фоне струнного квартета и гула гала-вечера — всё из одного абзаца.
Два способа работы с несколькими планами
shot_type, установленный в single, в основном удерживает камеру на одной установке, хотя всё же может сделать склейку сама — в наших тестах два клипа с одним планом получили лишнюю склейку в середине, один раз со сменой света по ходу. Добавление «один непрерывный план, без склеек» в промпт удержало план цельным в повторном тесте. Установите shot_type в multi, и Kling сама решит, где делать склейки.
720p, 1080p и 4K
Все три разрешения и переключатель звука меняют цену. Сначала отработайте тайминг и кадрирование в 720p, а затем запустите понравившийся дубль в 4K, когда он того стоит.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Да | Опишите субъект, действие, камеру и, при включённом звуке, реплики и звуки, которые вам нужны. Не менее 1 символов · Не более 2500 символов |
negative_prompt | Нет | То, чего не должно быть в ролике, — объекты, стилистика или движения, до 2500 символов. Необязательно; на цену не влияет. Не более 2500 символов |
aspect_ratio | Нет | 16:9, 9:16 или 1:1. Фиксировано для всего клипа — исходного кадра, за которым можно было бы следовать, здесь нет. |
resolution | Нет | 720p, 1080p или 4K. Более высокие уровни стоят дороже за секунду. |
generate_audio | Нет | Добавляет сгенерированную звуковую дорожку — реплики в кавычках, эффекты, атмосферу — в тот же клип. По умолчанию: |
duration_seconds | Нет | Целые секунды, от 3 до 15. Влияет на цену. |
shot_type | Нет | single удерживает одну установку камеры в основном ходе, но всё же может сделать склейку сама; multi позволяет Kling самой смонтировать несколько планов. |
multi_prompt | Нет | Список планов для |
guidance_scale | Нет | Насколько точно ролик следует промпту, от 0 до 1 (по умолчанию 0,5). Чем выше, тем ближе к тексту; чем ниже, тем больше свободы у модели. |
Стоимость
Оплата за секунду выходного видео. Разрешение и переключатель звука оба меняют ставку.
| Разрешение | Генерировать аудио: Нет | Генерировать аудио: Да |
|---|---|---|
| $0.0672 / секунду | $0.1008 / секунду |
| $0.0896 / секунду | $0.1344 / секунду |
| $0.336 / секунду | $0.336 / секунду |
Сценарии использования
Открыть сцену с настоящим звуком
Тост, признание, прощание — напишите реплику и включите звук, и диалог, звук помещения и картинка придут в одном файле. Наш пример с вечеринкой на крыше заканчивается тем, что вся группа выкрикивает одну реплику вместе, синхронно со звоном бокалов и музыкой под ним.
Отработать образ перед 4K
Text-to-video не требует исходного изображения, поэтому это самый быстрый способ проверить идею освещения, движение камеры или реплику диалога, прежде чем тратить рендер в 4K.
Передать эстафету image-to-video для непрерывности
Text-to-video каждый раз заново решает, как выглядят гардероб, лицо и кадрирование. Когда персонаж должен выглядеть одинаково в нескольких клипах, сгенерируйте первый план здесь, а затем возьмите его финальный кадр в image-to-video как первый кадр следующего.
Руководство по промптам и практические советы
Пишите в том порядке, в котором это происходит
Стройте промпт как субъект и гардероб, действие, движение камеры, образ, затем звук. Пример с террасой палаццо следует этому порядку: кто она и во что одета, что она делает (идёт, оборачивается, говорит), камера и свет, затем фоновый звук.
Дайте всей группе одну реплику для приземления
Когда на экране несколько человек, указание одного момента — одна реплика, произнесённая вместе, в самом конце брифа — даёт модели чёткий такт, на который приземлить диалог, вместо того чтобы гадать, когда должны наложиться несколько голосов.
Пишите «один непрерывный план, без склеек», когда это важно
shot_type: single — не жёсткая гарантия против склеек. Если дубль должен держать одну установку камеры от начала до конца, добавьте эту инструкцию прямо в промпт; в нашем повторном тесте плана, который на первой попытке прервался склейкой и сменил свет, она удержала и кадрирование, и освещение стабильными.
Быстрый старт API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/3.0/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"shot_type": "single",
"resolution": "720p",
"aspect_ratio": "16:9",
"generate_audio": false,
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.












