Kling 4.0 Text-to-Video API
نموذج نص إلى فيديو من Kuaishou ينتج مقاطع من 3 إلى 30 ثانية بدقة 720p أو 1080p مع صوت ستيريو أصلي، ويدعم القصص متعددة اللقطات والنصوص حتى 26,000 حرف.
Kling 4.0 Text-to-Video هو نموذج من الجيل التالي طورته Kuaishou لتحويل النصوص المكتوبة إلى مقاطع فيديو كاملة دون الحاجة إلى صورة مصدر أو لقطات مرجعية. يستقبل المطالبة النصية حتى 26,000 حرف مع فهم يصل إلى 8,000 رمز، وينتج فيديو تتراوح مدته بين 3 و30 ثانية بدقة 720p أو 1080p، مع صوت ستيريو أصلي يشمل حوارًا ثنائي القناة ومؤثرات صوتية وأجواء محيطة متزامنة مع الصورة. يدعم النموذج أربع نسب عرض: 16:9 و9:16 و1:1 و21:9، ما يجعله مناسبًا لمحتوى وسائل التواصل الاجتماعي والقصص متعددة اللقطات.
يمنح النموذج المستخدم إمكانية كتابة مطالبة واحدة بسيطة أو لوحة قصة متعددة اللقطات تُوزَّع فيها المدد الفردية لتكوين فيديو متصل. تدعم المطالبة الواحدة وصف الموضوع والحركة واتجاه الكاميرا والصوت معًا. كما يدعم النموذج ما يصل إلى 15 أصلًا مرجعيًا في المهمة الواحدة، تشمل حتى 10 صور و5 فيديوهات بمجموع 30 ثانية و7 عناصر و3 عناصر فيديو، مع إمكانية إدخال حتى 10 إطارات مفتاحية. يتميز بفهم أعمق لحركة الكاميرا وتعدد اللقطات مع انتقالات سلسة بين المشاهد، وثبات في الحركات الكبيرة المعقدة بما يشمل الدفع والسحب والتتبع والدوران، إضافة إلى تحسين مزامنة الشفاه للنطق بعدة لغات.
يناسب هذا النموذج إنتاج مقاطع فيديو قصيرة لـ TikTok وInstagram وYouTube Shorts، وإعلانات وعروض منتجات مولدة من النص مباشرة، ومحتوى سردي متعدد اللقطات، ونماذج أولية لحركات الكاميرا وتكوين المشاهد. كما يفيد البائعين عبر الإنترنت والشركات الصغيرة في تحويل صور المنتجات إلى فيديوهات ترويجية دون فريق إنتاج مخصص. يتوفر عبر API بمعرّف النموذج kling-video/v4/text-to-video، وهو المدخل النصي فقط لعائلة Kling 4.0 التي تشمل أيضًا الترجمة من صورة إلى فيديو ومن مرجع إلى فيديو وتحرير الفيديو. يوفر وضع Flash توليدًا أسرع وبتكلفة أقل مع فيديو حتى 20 ثانية بدقة 720p قصوى، لكنه لا يدعم إطارات البداية والنهاية أو الإطارات المفتاحية المتعددة.
آخر تحديث:
MODEL ID
kling-4.0/text-to-video- الإدخال
- text
- الإخراج
- video
أبرز الميزات
- فيديو من 3 إلى 30 ثانية بدقة 720p أو 1080p
- صوت ستيريو أصلي متزامن مع الصورة
- دعم أربع نسب عرض بينها 16:9 و9:16
- فهم مطالبة حتى 8,000 رمز
- لوحات قصة متعددة اللقطات بمدد فردية
- حتى 15 أصلًا مرجعيًا و10 إطارات مفتاحية
المزوّدون
قارن أسعار API بين المزوّدين. اختر مزوّدًا لعرض جميع الرسوم والشروط.
مواصفات الفيديو
- نسب العرض إلى الارتفاع
- 16:9 / 9:16 / 1:1
- المدة · الحد الأدنى
- 3 ثانية
- المدة · الحد الأقصى
- 30 ثانية
- المدة · الخطوة
- 1 ثانية
- حدود المراجع · ملفات صوتية
- 0
- حدود المراجع · الصور
- 0
- حدود المراجع · مقاطع الفيديو
- 0
- درجات الدقة
- 720p / 1080p
مرجع API
لم تُنشر تفاصيل البروتوكول الخاصة بهذا النموذج. راجع مرجع API لمتطلبات التكامل.
مرجع API →المعاملات المدعومة
- prompt
- duration
- resolution
- aspect_ratio
- frame_images
- input_references
- user
- session_id
- trace
الأسئلة الشائعة
ما هو Kling 4.0 Text-to-Video?
Kling 4.0 Text-to-Video هو نموذج من الجيل التالي طورته Kuaishou لتحويل النصوص المكتوبة إلى مقاطع فيديو كاملة دون الحاجة إلى صورة مصدر أو لقطات مرجعية. يستقبل المطالبة النصية حتى 26,000 حرف مع فهم يصل إلى 8,000 رمز، وينتج فيديو تتراوح مدته بين 3 و30 ثانية بدقة 720p أو 1080p، مع صوت ستيريو أصلي يشمل حوارًا ثنائي القناة ومؤثرات صوتية وأجواء محيطة متزامنة مع الصورة. يدعم النموذج أربع نسب عرض: 16:9 و9:16 و1:1 و21:9، ما يجعله مناسبًا لمحتوى وسائل التواصل الاجتماعي والقصص متعددة اللقطات. يمنح النموذج المستخدم إمكانية كتابة مطالبة واحدة بسيطة أو لوحة قصة متعددة اللقطات تُوزَّع فيها المدد الفردية لتكوين فيديو متصل. تدعم المطالبة الواحدة وصف الموضوع والحركة واتجاه الكاميرا والصوت معًا. كما يدعم النموذج ما يصل إلى 15 أصلًا مرجعيًا في المهمة الواحدة، تشمل حتى 10 صور و5 فيديوهات بمجموع 30 ثانية و7 عناصر و3 عناصر فيديو، مع إمكانية إدخال حتى 10 إطارات مفتاحية. يتميز بفهم أعمق لحركة الكاميرا وتعدد اللقطات مع انتقالات سلسة بين المشاهد، وثبات في الحركات الكبيرة المعقدة بما يشمل الدفع والسحب والتتبع والدوران، إضافة إلى تحسين مزامنة الشفاه للنطق بعدة لغات. يناسب هذا النموذج إنتاج مقاطع فيديو قصيرة لـ TikTok وInstagram وYouTube Shorts، وإعلانات وعروض منتجات مولدة من النص مباشرة، ومحتوى سردي متعدد اللقطات، ونماذج أولية لحركات الكاميرا وتكوين المشاهد. كما يفيد البائعين عبر الإنترنت والشركات الصغيرة في تحويل صور المنتجات إلى فيديوهات ترويجية دون فريق إنتاج مخصص. يتوفر عبر API بمعرّف النموذج kling-video/v4/text-to-video، وهو المدخل النصي فقط لعائلة Kling 4.0 التي تشمل أيضًا الترجمة من صورة إلى فيديو ومن مرجع إلى فيديو وتحرير الفيديو. يوفر وضع Flash توليدًا أسرع وبتكلفة أقل مع فيديو حتى 20 ثانية بدقة 720p قصوى، لكنه لا يدعم إطارات البداية والنهاية أو الإطارات المفتاحية المتعددة.
كيف تُحتسب فاتورة الاستخدام؟
تعتمد فاتورتك على المزوّد الذي تستخدمه وأسعاره واستخدامك. قد تختلف الأسعار مع المدخلات الأطول أو الشروط الأخرى.
ما المدخلات التي يدعمها النموذج؟
يستقبل مطالبة نصية واحدة أو لوحة قصة متعددة اللقطات حتى 26,000 حرف، مع فهم يصل إلى 8,000 رمز. يمكن أن تشمل المهمة حتى 15 أصلًا مرجعيًا و10 إطارات مفتاحية.
ما مدة الفيديو ودقته؟
ينتج مقاطع فيديو تتراوح مدتها بين 3 و30 ثانية بدقة 720p أو 1080p. أما وضع Flash فيتيح فيديو حتى 20 ثانية بدقة 720p قصوى.
هل يدعم الصوت؟
نعم، ينتج صوت ستيريو أصليًا يتضمن حوارًا ثنائي القناة ومؤثرات صوتية وأجواء محيطة متزامنة مع الصورة، مع تحسين مزامنة الشفاه للنطق بعدة لغات.
ما نسب العرض المدعومة؟
يدعم أربع نسب عرض: 16:9 و9:16 و1:1 و21:9. هذا يجعله مناسبًا لمختلف منصات المحتوى الأفقي والعمودي والمربع.
كيف يختلف عن باقي عائلة Kling 4.0؟
هذا النموذج مخصص للمدخلات النصية فقط، بينما تشمل العائلة أيضًا الترجمة من صورة إلى فيديو ومن مرجع إلى فيديو وتحرير الفيديو. ينصح بالنموذج الكامل عند الحاجة إلى فيديوهات أطول أو دقة أعلى أو تحكم دقيق بالإطارات المفتاحية.
ما قيود وضع Flash؟
لا يدعم وضع Flash إطارات البداية والنهاية أو الإطارات المفتاحية المتعددة، ويقتصر على دقة 720p وفيديو حتى 20 ثانية. يوفر توليدًا أسرع وبتكلفة أقل مقارنة بالوضع العادي.
نماذج ذات صلة
Kling 4.0 Image-to-Video
Klingفيديوkling-4.0/image-to-videoنموذج فيديو موحّد من Kling AI يحوّل الصور والنصوص والفيديو والصوت إلى مقاطع فيديو أصلية تصل مدتها إلى 30 ثانية مع صوت ستيريو دقيق المزامنة.
الدقة
720p / 1080p
المدة
3-30 ث
—
Kling 4.0 Omni-Video
Klingفيديوkling-4.0/omni-videoKling 4.0 Omni هو نموذج توليد فيديو من Kuaishou يعتمد على المراجع متعددة الوسائط، إذ ينشئ ويعدّل مقاطع فيديو من نص وصور ومقاطع فيديو وصوت مرجعية، بدقة تصل إلى 4K وصوت ستيريو مزدوج القنوات.
الدقة
720p / 1080p
المدة
3-30 ث
—