Kling 4.0 Text-to-Video API

Kling 4.0 Text-to-Video는 소스 이미지나 참조 영상 없이 텍스트 프롬프트만으로 3~30초 길이의 영상 클립을 생성하는 모델입니다. 720p 또는 1080p 해상도를 지원하며 16:9, 9:16, 1:1, 21:9 네 가지 화면 비율을 제공합니다. 화면과 동기화된 2채널 대사, 음향 효과, 앰비언스를 담은 네이티브 스테레오 오디오를 함께 생성합니다. 최대 26,000자의 프롬프트를 입력할 수 있고 8,000 토큰까지 이해하며, 피사체, 움직임, 카메라 연출, 사운드를 하나의 블록으로 지정할 수 있습니다. 단일 프롬프트뿐 아니라 샷별 길이를 지정한 멀티샷 스토리보드를 입력할 수 있으며, 최대 10개의 이미지와 최대 30초 분량의 영상 5개 등 최대 15개의 참조 소재와 최대 10개의 키프레임을 지원합니다. 다국어 대사와 화면 텍스트 처리, 다국어 화자 립싱크도 개선되었습니다. 빠른 반복 제작과 소셜 숏폼, 광고 및 제품 시연, 멀티샷 내러티브, 카메라 무브와 장면 구성을 미리 검증하는 프리비주얼라이제이션 작업에 적합합니다. 대규모 모션과 푸시인, 풀아웃, 팬, 트래킹, 오빗 같은 복잡한 카메라 무브에서 안정적인 결과를 보여주며, Flash 모드는 최대 720p 해상도와 최대 20초 영상으로 더 빠르고 저렴한 생성을 제공합니다.

이용하는 제공 업체의 요금과 실제 사용량에 따라 비용이 결정됩니다. 긴 입력 등에는 다른 요금이 적용될 수 있습니다.

텍스트 프롬프트를 입력으로 받습니다. 단일 프롬프트 또는 샷별 길이를 지정한 멀티샷 스토리보드를 사용할 수 있으며, 최대 26,000자, 8,000 토큰까지 이해합니다.

3~30초 길이의 영상을 720p 또는 1080p 해상도로 생성합니다. 화면 비율은 16:9, 9:16, 1:1, 21:9를 지원합니다.

네. 화면과 동기화된 2채널 대사, 음향 효과, 앰비언스를 담은 네이티브 스테레오 오디오를 생성합니다. 다국어 대사 립싱크도 개선되었습니다.

한 번의 생성 작업에 최대 15개의 참조 소재를 지원합니다. 이미지 최대 10개, 최대 30초 분량의 영상 5개, 요소 7개, 비디오 요소 3개까지 가능하며 키프레임은 최대 10개까지 입력할 수 있습니다.

더 빠르고 저렴하게 생성할 수 있는 모드이지만 최대 720p 해상도, 최대 20초 영상으로 제한되며 시작·끝 프레임과 다중 키프레임은 지원하지 않습니다.

이 모델은 텍스트만으로 영상을 만드는 진입점입니다. 같은 제품군에는 이미지-투-비디오, 레퍼런스-투-비디오, 비디오 편집 모델이 있으며, 더 긴 영상이나 높은 해상도, 시작·끝 프레임과 다중 키프레임을 이용한 정밀한 시각 제어에는 전체 Kling 4.0 모델이 권장됩니다.