Введение
Kling 4.0 Text to video превращает письменный бриф в клип от 3 до 30 секунд в 720p или 1080p, в 16:9, 9:16, 1:1 или ультрашир 21:9. Каждый клип возвращается со стереодорожкой, созданной в том же проходе: реплики в кавычках, эффекты и атмосфера. Отдельного переключателя звука нет, и доплаты за него тоже нет.
Выберите режим Kling 4.0 по исходному материалу
| Что у вас есть в начале | Режим |
|---|---|
| письменная сцена или сценарий | Kling 4.0 Text to video (вы здесь) |
| 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, референсы в видео |
Ключевые возможности и особенности
До 30 секунд одним планом
Длительность от 3 до 30 целых секунд, вдвое выше потолка Kling 3.0. Длинный план даёт сцене дышать — медленный кран, полный проход по площадке — без склейки коротких клипов.
Звук включён всегда
Каждый клип несёт двухканальную звуковую дорожку. В наших тестах гул мотора купола, ветер и шёпотом сказанная реплика из строки «Sound:» в промпте пришли и попали в такт картинке.
Ультрашир 21:9
Помимо 16:9, 9:16 и 1:1, Kling 4.0 рендерит настоящий кадр 21:9. Наш тест ультрашира в 1080p вышел 2200x940.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Да | Опишите субъект, действие, камеру и звук. Реплики ставьте в кавычки, а звук — отдельной строкой. Не менее 1 символов |
aspect_ratio | Нет | 16:9 (по умолчанию), 9:16, 1:1 или ультрашир 21:9. Цену не меняет. |
resolution | Нет | 720p или 1080p (по умолчанию 720p). 1080p стоит за секунду дороже. |
duration_seconds | Нет | Целые секунды, от 3 до 30 (по умолчанию 5). Влияет на цену. |
Стоимость
Оплата за секунду выходного видео. 1080p стоит за секунду дороже, чем 720p. Каждый клип идёт со стереодорожкой без доплаты. Отклонённый или неудачный запрос не оплачивается.
| Спецификация | Стоимость |
|---|---|
| $0.216 / секунду |
| $0.324 / секунду |
Сценарии использования
Общие планы со звуком
Пейзаж, здание, дорога на закате — опишите место, свет, одно движение камеры и атмосферу, и клип годится как вступление со звуком на месте.
Короткие сцены с репликой
Поставьте реплику в кавычки после действия. Одна понятная реплика на клип модели легче уложить по времени, чем перекрывающийся диалог.
Вертикальные клипы для соцсетей
Выберите 9:16 и держите субъект в центральной трети кадра; модель компонует сцену под вертикальный кадр, а не обрезает широкий план.
Руководство по промптам и практические советы
Пишите в порядке событий
Субъект и одежда, действие, движение камеры, стиль, затем отдельная строка «Sound:». Наш пример с обсерваторией следует именно этому порядку.
Сначала короткий черновик, потом длинный
Генерация медленная: тест на 3 секунды занимал от двух до четырёх минут, а запросы идут друг за другом, а не параллельно. Найдите кадр на 3–5 секундах в 720p, затем рендерьте длинную или 1080p версию.
Описывайте нужный звук
Поскольку звук генерируется всегда, его отсутствие в промпте не даёт тишины — модель выберет сама. Назовите нужную атмосферу или напишите «quiet room tone».
Быстрый старт API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/4.0/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"resolution": "720p",
"aspect_ratio": "16:9",
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.










