Kling 4.0 Text-to-Video API
Model video generatif dari Kuaishou yang mengubah prompt teks menjadi klip 3–30 detik beresolusi 720p atau 1080p dengan audio stereo native dan dukungan multi-shot.
Kling 4.0 Text-to-Video adalah model generatif dari Kuaishou yang membuat video langsung dari prompt teks tanpa memerlukan gambar sumber atau rekaman referensi. Model ini menghasilkan klip berdurasi 3 hingga 30 detik pada resolusi 720p atau 1080p, dengan audio stereo native yang mencakup dialog dua kanal, efek suara, dan ambiens yang selaras dengan gambar. Prompt tunggal dapat mencapai 26.000 karakter dan dipahami hingga 8.000 token, mencakup subjek, gerakan, arahan kamera, serta suara dalam satu blok. Model ini mendukung empat rasio aspek: 16:9, 9:16, 1:1, dan 21:9.
Untuk narasi yang lebih terstruktur, Kling 4.0 Text-to-Video menerima storyboard multi-shot sehingga beberapa bidikan dengan durasi masing-masing dapat dirangkai menjadi satu video kontinu. Model ini juga mendukung hingga 15 aset referensi dalam satu tugas (maksimal 10 gambar, 5 video berdurasi total hingga 30 detik, 7 elemen, dan 3 elemen video) serta hingga 10 input keyframe untuk menentukan momen visual kunci. Sinkronisasi bibir ditingkatkan untuk karakter yang berbicara dalam berbagai bahasa, dan teks di layar tetap terbaca. Pemahaman kamera yang lebih dalam memungkinkan transisi bidikan dan perubahan adegan yang mulus.
Model ini cocok untuk video pendek dan media sosial seperti TikTok, Instagram, dan YouTube Shorts; iklan serta demo produk yang dihasilkan langsung dari prompt; konten naratif multi-shot dan storyboard; serta previzualisasi untuk prototipe gerakan kamera dan komposisi adegan. Penjual online dapat mengubah gambar produk menjadi video sosial, iklan, dan etalase produk, sementara usaha kecil dapat memproduksi video promosi tanpa tim produksi besar. Kampanye merek, pemasaran konten, dan pengujian kreatif juga termasuk penggunaan yang sesuai. Mode Flash menawarkan pembuatan lebih cepat dengan biaya lebih rendah, tetapi dibatasi hingga 20 detik pada resolusi maksimum 720p.
Diperbarui:
ID MODEL
kling-4.0/text-to-video- Masukan
- text
- Keluaran
- video
Sorotan
- Video 3–30 detik dari prompt teks
- Resolusi 720p atau 1080p
- Audio stereo native tersinkron
- Empat rasio aspek: 16:9, 9:16, 1:1, 21:9
- Storyboard multi-shot dalam satu video
- Hingga 15 aset referensi per tugas
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
Spesifikasi video
- Rasio aspek
- 16:9 / 9:16 / 1:1
- Durasi · Minimal
- 3 detik
- Durasi · Maksimal
- 30 detik
- Durasi · Langkah
- 1 detik
- Batas referensi · Berkas audio
- 0
- Batas referensi · Gambar
- 0
- Batas referensi · Video
- 0
- Resolusi
- 720p / 1080p
Referensi API
Detail protokol model ini belum dipublikasikan. Lihat referensi API untuk persyaratan integrasi.
Referensi API →Parameter yang didukung
- prompt
- duration
- resolution
- aspect_ratio
- frame_images
- input_references
- user
- session_id
- trace
Pertanyaan umum
Mengenal Kling 4.0 Text-to-Video?
Kling 4.0 Text-to-Video adalah model generatif dari Kuaishou yang membuat video langsung dari prompt teks tanpa memerlukan gambar sumber atau rekaman referensi. Model ini menghasilkan klip berdurasi 3 hingga 30 detik pada resolusi 720p atau 1080p, dengan audio stereo native yang mencakup dialog dua kanal, efek suara, dan ambiens yang selaras dengan gambar. Prompt tunggal dapat mencapai 26.000 karakter dan dipahami hingga 8.000 token, mencakup subjek, gerakan, arahan kamera, serta suara dalam satu blok. Model ini mendukung empat rasio aspek: 16:9, 9:16, 1:1, dan 21:9. Untuk narasi yang lebih terstruktur, Kling 4.0 Text-to-Video menerima storyboard multi-shot sehingga beberapa bidikan dengan durasi masing-masing dapat dirangkai menjadi satu video kontinu. Model ini juga mendukung hingga 15 aset referensi dalam satu tugas (maksimal 10 gambar, 5 video berdurasi total hingga 30 detik, 7 elemen, dan 3 elemen video) serta hingga 10 input keyframe untuk menentukan momen visual kunci. Sinkronisasi bibir ditingkatkan untuk karakter yang berbicara dalam berbagai bahasa, dan teks di layar tetap terbaca. Pemahaman kamera yang lebih dalam memungkinkan transisi bidikan dan perubahan adegan yang mulus. Model ini cocok untuk video pendek dan media sosial seperti TikTok, Instagram, dan YouTube Shorts; iklan serta demo produk yang dihasilkan langsung dari prompt; konten naratif multi-shot dan storyboard; serta previzualisasi untuk prototipe gerakan kamera dan komposisi adegan. Penjual online dapat mengubah gambar produk menjadi video sosial, iklan, dan etalase produk, sementara usaha kecil dapat memproduksi video promosi tanpa tim produksi besar. Kampanye merek, pemasaran konten, dan pengujian kreatif juga termasuk penggunaan yang sesuai. Mode Flash menawarkan pembuatan lebih cepat dengan biaya lebih rendah, tetapi dibatasi hingga 20 detik pada resolusi maksimum 720p.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.
Input apa yang didukung Kling 4.0 Text-to-Video?
Model ini menerima prompt teks tunggal atau storyboard multi-shot. Prompt dapat mencapai 26.000 karakter dan dipahami hingga 8.000 token. Tidak diperlukan gambar sumber atau rekaman referensi.
Berapa durasi dan resolusi video yang dihasilkan?
Video yang dihasilkan berdurasi 3 hingga 30 detik dengan resolusi 720p atau 1080p. Model ini mendukung rasio aspek 16:9, 9:16, 1:1, dan 21:9.
Apakah audio dihasilkan bersama video?
Ya, model ini menghasilkan audio stereo native dengan dialog dua kanal, efek suara, dan ambiens yang dirender selaras dengan gambar. Sinkronisasi bibir juga ditingkatkan untuk karakter yang berbicara dalam berbagai bahasa.
Apa perbedaan mode Flash dengan mode standar?
Mode Flash menawarkan pembuatan lebih cepat dengan biaya lebih rendah, tetapi video dibatasi hingga 20 detik pada resolusi maksimum 720p. Mode ini juga tidak mendukung frame awal-akhir atau beberapa keyframe.
Berapa banyak aset referensi yang dapat digunakan dalam satu tugas?
Satu tugas pembuatan mendukung hingga 15 aset referensi: maksimal 10 gambar, 5 video dengan total durasi hingga 30 detik, 7 elemen, dan 3 elemen video. Model ini juga menerima hingga 10 input keyframe.
Apakah ada skor benchmark pihak ketiga?
Tidak ada skor benchmark pihak ketiga formal yang tersedia pada tanggal rilis.
Model terkait
Kling 4.0 Image-to-Video
KlingVideokling-4.0/image-to-videoKling 4.0 Image-to-Video menghasilkan video asli hingga 30 detik dari gambar referensi, dengan audio stereo dan kontrol keyframe yang presisi.
Resolusi
720p / 1080p
Durasi
3-30 detik
—
Kling 4.0 Omni-Video
KlingVideokling-4.0/omni-videoKling 4.0 Omni adalah model generasi video dari Kuaishou yang membuat atau mengedit video berdasarkan aset referensi multimodal, mendukung hingga 15 aset, audio stereo, dan output 4K HDR.
Resolusi
720p / 1080p
Durasi
3-30 detik
—