Введение
Kling O3 Text to video превращает текстовый промпт в клип длиной от 3 до 15 секунд без какого-либо изображения или референса на входе. Выберите длительность в целых секундах, разрешение от 720p до 4K и решите, нужно ли генерировать нативное аудио вместе с картинкой. Поле промпта принимает до 2500 символов — этого хватит, чтобы описать субъект, действие, камеру и, при включённом звуке, реплики.
Выбор режима Kling O3 по стартовому материалу
| Что у вас есть на старте | Режим |
|---|---|
| только текстовое описание сцены | Kling O3 текст в видео |
| утверждённый первый кадр | Kling O3 изображение в видео |
| до 7 референсных фото | Kling O3 референс в видео |
| уже готовое видео | Kling O3 редактирование видео |
Ключевые возможности и особенности
Нарезка на несколько планов самостоятельно
Установите shot_type в multi и опишите в промпте больше одного плана — общий план, крупный план, нижний ракурс, — и Kling O3 сама смонтирует переходы между ними в одном клипе, сохраняя декорацию и людей неизменными от плана к плану. Наш пример с танго под дождём — это единственный промпт, описывающий три плана по порядку, и готовый клип точно перешёл к каждому из них.
Нативное аудио за тот же проход
Включите generate_audio — и реплики, эффекты и атмосфера создаются вместе с картинкой, а не добавляются позже. Написанные в кавычках реплики возвращаются синхронно с действием: обе реплики в нашем примере с джаз-клубом совпали с промптом слово в слово.
От 720p до 4K по одному промпту
Все три разрешения рендерятся из одного и того же промпта, поэтому обычный порядок работы — сделать черновик в 720p, пока план и реплики не устроят, а затем перезапустить лучший вариант в 1080p или 4K. Разрешение и звук оба влияют на цену.
Параметры запроса
| Параметр | Обязательно | Описание |
|---|---|---|
prompt | Да | Опишите субъект, действие, камеру и, при включённом звуке, реплики и звуки. Для мультиплана пронумеруйте планы по порядку. Не менее 1 символов · Не более 2500 символов |
aspect_ratio | Нет | 16:9, 9:16 или 1:1. Выбирайте до написания промпта, чтобы описание учитывало расположение людей и кадрирование под этот формат. |
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 — за тот же проход. По умолчанию: |
duration_seconds | Нет | Целые секунды, от 3 до 15. Влияет на цену вместе с разрешением и звуком. |
shot_type | Нет | single запрашивает один непрерывный дубль (это не жёсткая гарантия — добавьте в промпт «один непрерывный план, без склеек», если склейка всё же появилась). |
multi_prompt | Нет | Список планов для |
Стоимость
Оплата за секунду выходного видео. Ставка зависит от разрешения и от того, включён ли нативный звук.
| Разрешение | Генерировать аудио: Нет | Генерировать аудио: Да |
|---|---|---|
| $0.0672 / секунду | $0.0896 / секунду |
| $0.0896 / секунду | $0.112 / секунду |
| $0.336 / секунду | $0.336 / секунду |
Сценарии использования
Открыть сцену без готового изображения под рукой
Text-to-video — единственный режим Kling O3, которому не нужно ничего, кроме слов. Используйте его, когда план существует только у вас в голове, или когда нужно быстро несколько дублей, чтобы понять, какое кадрирование сработает, прежде чем фиксировать первый кадр для image-to-video.
Покрыть сцену несколькими ракурсами из одного запроса
Вместо того чтобы писать четыре отдельных промпта для четырёх ракурсов, опишите последовательность один раз и установите shot_type в multi. Это самый быстрый способ получить общий план, крупный план и реакцию из одного задания.
Проверить тайминг реплик перед более длинным монтажом
Поскольку аудио рендерится вместе с картинкой, короткий черновик text-to-video — быстрый способ проверить, звучит ли реплика естественно на фоне действия, прежде чем запускать более длинный или высокий по разрешению прогон.
Руководство по промптам и практические советы
Нумеруйте планы, когда нужна склейка
Для мультиплана расположите планы в нужном порядке и опишите камеру для каждого — общий, крупный, нижний ракурс, — как это сделано в нашем примере с танго. Kling O3 использует эту структуру, чтобы решить, где сделать склейку.
Называйте положение камеры, а не только настроение
«Вид от края клавиатуры, чтобы оба лица были видны» — это реальная инструкция, которой модель может следовать; «два мужчины на скамье у пианино» оставляет ракурс на волю случая, а случайный ракурс может скрыть одного человека за другим. Указывайте, где находится камера относительно ваших субъектов, всякий раз, когда в кадре должно оставаться больше одного человека.
Прямо запрашивайте фиксированный план
single — это пожелание, а не гарантия: Kling O3 всё равно может сделать склейку сама. Если сцена держится на одном непрерывном дубле, добавьте в конец промпта фразу вроде «один непрерывный план, без склеек, свет остаётся неизменным на протяжении всего кадра».
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "kling/o3/text-to-video",
"input": {
"prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
"shot_type": "single",
"resolution": "720p",
"aspect_ratio": "16:9",
"generate_audio": false,
"duration_seconds": 5
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Аутентификация, полная схема, опрос статуса и обработка ошибок описаны в справочнике API.












