Kling 4.0 Text-to-Video API

Kling 4.0 Text-to-Video est le point d'entrée textuel de la famille Kling 4.0 développée par Kuaishou. Il produit des clips de 3 à 30 secondes en 720p ou 1080p, dans quatre formats d'image (16:9, 9:16, 1:1 et 21:9), sans image source ni séquence de référence. Le modèle génère un audio stéréo natif avec dialogue sur deux canaux, effets sonores et ambiance, rendus en synchronisation avec l'image, et améliore la synchronisation labiale pour les personnages s'exprimant dans plusieurs langues. Le modèle accepte un prompt unique ou un storyboard multi-plans, permettant de scénariser plusieurs plans avec des durées individuelles au sein d'une seule vidéo. Il traite des prompts allant jusqu'à 26 000 caractères couvrant le sujet, le mouvement, la direction de caméra et le son, avec une compréhension améliorée portant sur 8 000 tokens. Jusqu'à 15 actifs de référence peuvent être fournis en une tâche de génération, et jusqu'à 10 images clés peuvent définir les moments visuels importants. Un mode Flash offre une génération plus rapide et moins coûteuse, limité à 720p et 20 secondes maximum. Ce modèle convient aux vidéos courtes pour les réseaux sociaux, aux publicités et démonstrations produit, aux contenus narratifs multi-plans, ainsi qu'à la prévisualisation et au storyboard. Il se distingue par la stabilité des mouvements de grande ampleur et des mouvements de caméra complexes — travellings avant et arrière, panoramiques, plans de suivi et orbites — ainsi que par la cohérence en action rapide et la fluidité des transitions entre plans. La sortie en 720p permet de tester des idées à moindre coût.

Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.

Il accepte un prompt textuel unique ou un storyboard multi-plans, ainsi que jusqu'à 15 actifs de référence (images, vidéos, éléments) et jusqu'à 10 images clés.

Les vidéos vont de 3 à 30 secondes en 720p ou 1080p, dans quatre formats d'image : 16:9, 9:16, 1:1 et 21:9.

Oui, il génère un audio stéréo natif avec dialogue sur deux canaux, effets sonores et ambiance, synchronisés avec l'image, et améliore la synchronisation labiale multilingue.

Le mode Flash offre une génération plus rapide à moindre coût, mais il est limité à 720p et à 20 secondes maximum, et ne prend pas en charge les images de début et de fin ni les images clés multiples.

C'est l'entrée textuelle de la famille Kling 4.0, qui comprend aussi Image-to-Video, Reference-to-Video et Video Editing. Le modèle Kling 4.0 complet est recommandé pour des vidéos plus longues, des résolutions plus élevées ou un contrôle visuel précis via des images de début et de fin et des images clés multiples.