Введение
Kling 4.0 Reference to video собирает новый клип из того, что вы загрузили: до 10 референсных изображений людей, предметов и мест, до 5 референсных видео (30 секунд суммарно) для движения, камеры и темпа и до 3 аудиоклипов для голоса или звука. Назовите каждый в промпте как @Image1, @Image2, @Video1 или @Audio1, нумеруя по порядку загрузки. Клипы идут 3–30 секунд в 720p или 1080p со стереодорожкой.
Выберите режим Kling 4.0 по исходному материалу
| Что у вас есть в начале | Режим |
|---|---|
| письменная сцена или сценарий | Kling 4.0, текст в видео |
| начальный кадр, а при желании конечный и промежуточные кадры | Kling 4.0, изображение в видео |
| фото, клипы или голосовые записи для подбора актёров | Kling 4.0 Reference to video (вы здесь) |
Ключевые возможности и особенности
Изображения, видео и голоса в одном запросе
Kling 4.0 принимает все три типа референсов вместе. Изображения задают, кто и что появляется в кадре, видео — как движутся камера и субъект, а аудиоклипы — как звучит человек.
Называйте каждый референс в промпте
Пишите @Image1, @Image2 и так далее по порядку загрузки и говорите, что это такое. В нашем примере с трейлером хватило фразы «@Image1 is the woman, @Image2 is the chrome trailer», чтобы поставить эту женщину перед этим трейлером.
Заимствуйте движение камеры из клипа
Референсное видео передаёт движение и темп. Включите keep_original_audio, чтобы сохранить собственный звук клипа вместо генерации нового. Секунды референсного видео тоже оплачиваются, но по более низкой ставке, чем выходные секунды.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Да | Скажите, что каждый референс собой представляет и что с ним делает кадр. Не менее 1 символов |
reference_image_urls | Нет | До 10 изображений людей, предметов, нарядов или мест, на которые ссылаются как @Image1, @Image2 и так далее. Цену не меняют. Не менее 1 элементов · Не более 10 элементов |
reference_video_urls | Нет | До 5 видео, всего 30 секунд, для движения, камеры и темпа, на которые ссылаются как @Video1, @Video2. Не менее 1 элементов · Не более 5 элементов |
reference_audio_urls | Нет | До 3 аудиоклипов по 5–30 секунд каждый для голоса или звука, на которые ссылаются как @Audio1, @Audio2. Произнесённые слова пишите в промпте. Не менее 1 элементов · Не более 3 элементов |
aspect_ratio | Нет | auto (по умолчанию) следует за референсными изображениями или видео; 16:9, 9:16, 1:1 или 21:9 задаёте сами. Цену не меняет. |
resolution | Нет | 720p или 1080p (по умолчанию 720p). 1080p стоит за секунду дороже. |
keep_original_audio | Нет | По умолчанию выключено. Включение сохраняет собственный звук референсного видео вместо генерации новой дорожки; это важно только если вы даёте референсное видео. По умолчанию: |
duration_seconds | Нет | Целые секунды, от 3 до 30 (по умолчанию 5). Влияет на цену. |
Стоимость
Оплата за секунду выходного видео плюс секунды любого референсного видео (каждый клип округляется вверх до целой секунды) по более низкой ставке за секунду. 1080p стоит за секунду дороже, чем 720p. Референсные изображения и аудиоклипы цену не меняют. Отклонённый или неудачный запрос не оплачивается.
| Спецификация | Стоимость |
|---|---|
| $0.216 / секунду |
| $0.324 / секунду |
Сценарии использования
Поместите человека туда, где его никогда не снимали
Портрет плюс фото локации — и получается сцена, где этот человек находится там, с описанным действием.
Сохраняйте реквизит или машину постоянными
Дайте автомобилю, мотоциклу или наряду собственное референсное изображение, и он будет выглядеть одинаково в каждом клипе.
Подберите голос
Добавьте голосовой образец от 5 до 30 секунд как @Audio1 и напишите реплику в кавычках; произнесённые слова будут звучать этим голосом.
Руководство по промптам и практические советы
Начинайте со списка актёров
Начните с одного предложения на каждый референс — «@Image1 is the man, @Image2 is the motorcycle» — и только потом опишите кадр.
Несколько ясных референсов лучше многих похожих
Одно чёткое фото на человека или предмет работает лучше, чем несколько почти одинаковых, которые модели приходится усреднять.
Оставьте aspect_ratio в auto
При auto клип следует форме ваших референсов; задавайте соотношение, только если нужен конкретный кадр.
Быстрый старт API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/4.0/reference-to-video",
"input": {
"aspect_ratio": "auto",
"duration_seconds": 5,
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.










