Kling 4.0 Text-to-Video API
Kling 4.0 টেক্সট-টু-ভিডিও টেক্সট প্রম্পট থেকে নেটিভ স্টেরিও অডিওসহ ৩–৩০ সেকেন্ডের ভিডিও তৈরি করে।
Kling 4.0 Text-to-Video হলো Kuaishou-এর তৈরি একটি টেক্সট-টু-ভিডিও মডেল, যা ১৫ অক্টোবর ২০২৬-এ প্রকাশিত হয়েছে। এটি শুধু লেখা প্রম্পট থেকে ৩ থেকে ৩০ সেকেন্ড দীর্ঘ ভিডিও তৈরি করতে পারে, যার রেজোলিউশন ৭২০p বা ১০৮০p। ভিডিওর সঙ্গে নেটিভ স্টেরিও অডিও—দ্বি-চ্যানেল সংলাপ, শব্দপ্রভাব ও পরিবেশগত শব্দ—সিঙ্কে রেন্ডার হয়।
মডেলটি ১৬:৯, ৯:১৬, ১:১ ও ২১:৯—এই চারটি অ্যাসপেক্ট রেশিও সমর্থন করে এবং একক প্রম্পট বা মাল্টি-শট স্টোরিবোর্ড ইনপুট নিতে পারে। ব্যবহারকারীরা একটানা ভিডিওতে কয়েকটি শটের আলাদা সময়কাল লিখতে পারেন। এটি ২৬,০০০ অক্ষর পর্যন্ত প্রম্পট নিতে পারে এবং ৮,০০০ টোকেন পর্যন্ত প্রম্পট বোঝে। একাধিক ভাষার সংলাপ ও পর্দায় পাঠযোগ্য লেখাও সমর্থিত।
এই মডেলটি বিশেষভাবে শর্ট-ফর্ম ও সোশ্যাল ভিডিও, বিজ্ঞাপন ও পণ্য ডেমো, মাল্টি-শট ন্যারেটিভ কনটেন্ট, প্রিভিজুয়ালাইজেশন ও স্টোরিবোর্ডিং, এবং ছোট ব্যবসার প্রচারমূলক ভিডিও তৈরির জন্য উপযুক্ত।
আপডেট:
মডেল ID
kling-4.0/text-to-video- ইনপুট
- text
- আউটপুট
- video
মূল বৈশিষ্ট্য
- ৩–৩০ সেকেন্ড ভিডিও, ৭২০p বা ১০৮০p
- নেটিভ স্টেরিও অডিও, সংলাপসহ
- চারটি অ্যাসপেক্ট রেশিও সমর্থন
- মাল্টি-শট স্টোরিবোর্ড ইনপুট
- ২৬,০০০ অক্ষর প্রম্পট, ৮,০০০ টোকেন বোঝাপড়া
- স্থিতিশীল জটিল ক্যামেরা movimento
প্রোভাইডার
প্রোভাইডারদের মধ্যে API মূল্য তুলনা করুন। সব চার্জ ও শর্ত দেখতে একটি প্রোভাইডার নির্বাচন করুন।
ভিডিও স্পেসিফিকেশন
- আস্পেক্ট অনুপাত
- 16:9 / 9:16 / 1:1
- সময়কাল · সর্বনিম্ন
- ৩ সেকেন্ড
- সময়কাল · সর্বোচ্চ
- ৩০ সেকেন্ড
- সময়কাল · ধাপ
- ১ সেকেন্ড
- রেফারেন্স সীমা · অডিও ফাইল
- ০
- রেফারেন্স সীমা · ইমেজ
- ০
- রেফারেন্স সীমা · ভিডিও
- ০
- রেজোলিউশন
- 720p / 1080p
API রেফারেন্স
এই মডেলের প্রোটোকলের বিস্তারিত প্রকাশ করা হয়নি। ইন্টিগ্রেশনের প্রয়োজনীয়তার জন্য API রেফারেন্স দেখুন।
API রেফারেন্স →সমর্থিত প্যারামিটার
- prompt
- duration
- resolution
- aspect_ratio
- frame_images
- input_references
- user
- session_id
- trace
সাধারণ প্রশ্ন
মডেল পরিচিতি: Kling 4.0 Text-to-Video?
Kling 4.0 Text-to-Video হলো Kuaishou-এর তৈরি একটি টেক্সট-টু-ভিডিও মডেল, যা ১৫ অক্টোবর ২০২৬-এ প্রকাশিত হয়েছে। এটি শুধু লেখা প্রম্পট থেকে ৩ থেকে ৩০ সেকেন্ড দীর্ঘ ভিডিও তৈরি করতে পারে, যার রেজোলিউশন ৭২০p বা ১০৮০p। ভিডিওর সঙ্গে নেটিভ স্টেরিও অডিও—দ্বি-চ্যানেল সংলাপ, শব্দপ্রভাব ও পরিবেশগত শব্দ—সিঙ্কে রেন্ডার হয়। মডেলটি ১৬:৯, ৯:১৬, ১:১ ও ২১:৯—এই চারটি অ্যাসপেক্ট রেশিও সমর্থন করে এবং একক প্রম্পট বা মাল্টি-শট স্টোরিবোর্ড ইনপুট নিতে পারে। ব্যবহারকারীরা একটানা ভিডিওতে কয়েকটি শটের আলাদা সময়কাল লিখতে পারেন। এটি ২৬,০০০ অক্ষর পর্যন্ত প্রম্পট নিতে পারে এবং ৮,০০০ টোকেন পর্যন্ত প্রম্পট বোঝে। একাধিক ভাষার সংলাপ ও পর্দায় পাঠযোগ্য লেখাও সমর্থিত। এই মডেলটি বিশেষভাবে শর্ট-ফর্ম ও সোশ্যাল ভিডিও, বিজ্ঞাপন ও পণ্য ডেমো, মাল্টি-শট ন্যারেটিভ কনটেন্ট, প্রিভিজুয়ালাইজেশন ও স্টোরিবোর্ডিং, এবং ছোট ব্যবসার প্রচারমূলক ভিডিও তৈরির জন্য উপযুক্ত।
ব্যবহারের জন্য কীভাবে চার্জ হয়?
আপনার বিল নির্ভর করে আপনি কোন প্রোভাইডার ব্যবহার করেন, তার মূল্য এবং আপনার ব্যবহারের ওপর। দীর্ঘ ইনপুট বা অন্যান্য শর্তে ভিন্ন মূল্য প্রযোজ্য হতে পারে।
Kling 4.0 Text-to-Video কোন ধরনের ইনপুট নিতে পারে?
এটি একটি একক লেখা প্রম্পট অথবা মাল্টি-শট স্টোরিবোর্ড ইনপুট হিসেবে গ্রহণ করে। প্রম্পটে বিষয়, গতি, ক্যামেরার দিক ও শব্দ একসঙ্গে উল্লেখ করা যায়।
এই মডেলের প্রম্পট ও আউটপুট সীমা কত?
এটি ২৬,০০০ অক্ষর পর্যন্ত প্রম্পট ইনপুট নিতে পারে এবং ৮,০০০ টোকেন পর্যন্ত প্রম্পট বুঝতে পারে। আউটপুট ভিডিও ৩ থেকে ৩০ সেকেন্ড দীর্ঘ এবং ৭২০p বা ১০৮০p রেজোলিউশনে হয়।
এটি কি অডিওসহ ভিডিও তৈরি করে?
হ্যাঁ, এটি নেটিভ স্টেরিও অডিও তৈরি করে, যেখানে দ্বি-চ্যানেল সংলাপ, শব্দপ্রভাব ও পরিবেশগত শব্দ ছবির সঙ্গে সিঙ্কে থাকে। একাধিক ভাষার সংলাপের জন্য ঠোঁট মেলানোও উন্নত হয়েছে।
কোন কাজের জন্য এই মডেলটি সবচেয়ে উপযুক্ত?
শর্ট-ফর্ম ও সোশ্যাল ভিডিও, বিজ্ঞাপন ও পণ্য ডেমো, মাল্টি-শট ন্যারেটিভ কনটেন্ট, প্রিভিজুয়ালাইজেশন ও স্টোরিবোর্ডিং এবং সীমিত বাজেটের ছোট ব্যবসার প্রচারমূলক ভিডিওর জন্য এটি উপযুক্ত।
Kling 4.0 পরিবারের অন্যান্য মডেলের সঙ্গে এর পার্থক্য কী?
Kling 4.0 Text-to-Video হলো Kling 4.0 পরিবারের টেক্সট-শুধু প্রবেশপথ, যেখানে ইমেজ-টু-ভিডিও, রেফারেন্স-টু-ভিডিও ও ভিডিও এডিটিংও রয়েছে। দীর্ঘ ভিডিও, উচ্চতর রেজোলিউশন বা স্টার্ট-অ্যান্ড-লাস্ট ফ্রেম ও একাধিক কীফ্রেম দিয়ে সুনির্দিষ্ট ভিজ্যুয়াল নিয়ন্ত্রণের জন্য পূর্ণ Kling 4.0 মডেল সুপারিশ করা হয়।
Flash মোডে কী কী সীমাবদ্ধতা আছে?
Flash মোড স্টার্ট-অ্যান্ড-লাস্ট ফ্রেম বা একাধিক কীফ্রেম সমর্থন করে না। এতে সর্বোচ্চ রেজোলিউশন ৭২০p এবং ভিডিও সর্বোচ্চ ২০ সেকেন্ড পর্যন্ত হয়।
সংশ্লিষ্ট মডেল
Kling 4.0 Image-to-Video
Klingভিডিওkling-4.0/image-to-videoKling 4.0 ইমেজ-টু-ভিডিও একটি ঐক্যবদ্ধ সৃজনশীল মডেল, যা ছবি, টেক্সট, ভিডিও ও অডিও ইনপুট থেকে ৩–৩০ সেকেন্ডের ভিডিও তৈরি করে।
রেজোলিউশন
720p / 1080p
সময়কাল
3-30 সেকেন্ড
—
Kling 4.0 Omni-Video
Klingভিডিওkling-4.0/omni-videoKling 4.0 Omni হলো Kuaishou-এর রেফারেন্স-চালিত ভিডিও জেনারেশন মডেল, যা একাধিক মাল্টিমোডাল রেফারেন্স থেকে ভিডিও তৈরি ও সম্পাদনা করে।
রেজোলিউশন
720p / 1080p
সময়কাল
3-30 সেকেন্ড
—