Kling 4.0 Text-to-Video API
Kling 4.0 Text-to-Video menjana video 3 hingga 30 saat dengan audio stereo asli daripada gesaan teks, disokong oleh pemahaman gesaan 8,000 token dan input sehingga 26,000 aksara.
Kling 4.0 Text-to-Video ialah model penjanaan video daripada Kuaishou yang menerima gesaan teks sahaja tanpa imej sumber atau rakaman rujukan. Ia menghasilkan klip video berdurasi 3 hingga 30 saat pada resolusi 720p atau 1080p, dengan audio stereo asli yang merangkumi dialog dua saluran, kesan bunyi dan ambiens yang disegerakkan dengan gambar. Empat nisbah aspek disokong: 16:9, 9:16, 1:1 dan 21:9. Model ini juga menyokong dialog berbilang bahasa dengan penyegerakan bibir yang dipertingkatkan serta teks di skrin yang mudah dibaca.
Antara keupayaan utamanya ialah input gesaan tunggal atau papan cerita berbilang syot. Gesaan berbilang syot membolehkan beberapa syot dengan durasi individu ditulis ke dalam satu video berterusan, manakala gesaan sehingga 26,000 aksara boleh merangkumi subjek, gerakan, arahan kamera dan bunyi dalam satu blok. Sehingga 15 aset rujukan boleh digunakan dalam satu tugas penjanaan: sehingga 10 imej, 5 video berjumlah sehingga 30 saat, 7 elemen dan 3 elemen video. Sehingga 10 input bingkai kunci turut disokong untuk menentukan detik visual utama. Mod Flash menawarkan penjanaan lebih pantas pada kos lebih rendah dengan video sehingga 20 saat pada resolusi maksimum 720p.
Model ini sesuai untuk video pendek dan media sosial bagi TikTok, Instagram dan YouTube Shorts, iklan dan demo produk yang dijana terus daripada gesaan, kandungan naratif berbilang syot dan papan cerita, pratonton visual untuk prototaip pergerakan kamera serta komposisi babak, dan video promosi untuk perniagaan kecil tanpa pasukan produksi khusus. Pergerakan skala besar yang stabil dan pergerakan kamera kompleks seperti push-in, pull-out, pan, tracking shot dan orbit shot menjadi kekuatan utamanya, dengan output koheren semasa aksi laju. Resolusi 720p membantu mengekalkan kos iterasi rendah semasa menguji idea.
Dikemas kini:
ID MODEL
kling-4.0/text-to-video- Input
- text
- Output
- video
Sorotan
- Video 3–30 saat dengan audio stereo asli
- Resolusi 720p atau 1080p
- Gesaan sehingga 26,000 aksara
- Pemahaman gesaan 8,000 token
- Empat nisbah aspek: 16:9, 9:16, 1:1, 21:9
- Mod Flash lebih pantas dan lebih murah
Penyedia
Bandingkan harga API merentas penyedia. Pilih penyedia untuk melihat semua caj dan syarat.
Spesifikasi video
- Nisbah aspek
- 16:9 / 9:16 / 1:1
- Tempoh · Minimum
- 3 saat
- Tempoh · Maksimum
- 30 saat
- Tempoh · Langkah
- 1 saat
- Had rujukan · Fail audio
- 0
- Had rujukan · Imej
- 0
- Had rujukan · Video
- 0
- Resolusi
- 720p / 1080p
Rujukan API
Butiran protokol model ini belum diterbitkan. Rujuk rujukan API untuk keperluan integrasi.
Rujukan API →Parameter yang disokong
- prompt
- duration
- resolution
- aspect_ratio
- frame_images
- input_references
- user
- session_id
- trace
Soalan lazim
Mengenali Kling 4.0 Text-to-Video?
Kling 4.0 Text-to-Video ialah model penjanaan video daripada Kuaishou yang menerima gesaan teks sahaja tanpa imej sumber atau rakaman rujukan. Ia menghasilkan klip video berdurasi 3 hingga 30 saat pada resolusi 720p atau 1080p, dengan audio stereo asli yang merangkumi dialog dua saluran, kesan bunyi dan ambiens yang disegerakkan dengan gambar. Empat nisbah aspek disokong: 16:9, 9:16, 1:1 dan 21:9. Model ini juga menyokong dialog berbilang bahasa dengan penyegerakan bibir yang dipertingkatkan serta teks di skrin yang mudah dibaca. Antara keupayaan utamanya ialah input gesaan tunggal atau papan cerita berbilang syot. Gesaan berbilang syot membolehkan beberapa syot dengan durasi individu ditulis ke dalam satu video berterusan, manakala gesaan sehingga 26,000 aksara boleh merangkumi subjek, gerakan, arahan kamera dan bunyi dalam satu blok. Sehingga 15 aset rujukan boleh digunakan dalam satu tugas penjanaan: sehingga 10 imej, 5 video berjumlah sehingga 30 saat, 7 elemen dan 3 elemen video. Sehingga 10 input bingkai kunci turut disokong untuk menentukan detik visual utama. Mod Flash menawarkan penjanaan lebih pantas pada kos lebih rendah dengan video sehingga 20 saat pada resolusi maksimum 720p. Model ini sesuai untuk video pendek dan media sosial bagi TikTok, Instagram dan YouTube Shorts, iklan dan demo produk yang dijana terus daripada gesaan, kandungan naratif berbilang syot dan papan cerita, pratonton visual untuk prototaip pergerakan kamera serta komposisi babak, dan video promosi untuk perniagaan kecil tanpa pasukan produksi khusus. Pergerakan skala besar yang stabil dan pergerakan kamera kompleks seperti push-in, pull-out, pan, tracking shot dan orbit shot menjadi kekuatan utamanya, dengan output koheren semasa aksi laju. Resolusi 720p membantu mengekalkan kos iterasi rendah semasa menguji idea.
Bagaimana penggunaan dicaj?
Bil anda bergantung pada penyedia yang anda gunakan, harganya dan penggunaan anda. Input yang lebih panjang atau syarat lain mungkin dikenakan harga berbeza.
Apakah input yang diterima oleh Kling 4.0 Text-to-Video?
Ia menerima input teks sahaja, sama ada gesaan tunggal atau papan cerita berbilang syot, tanpa memerlukan imej sumber atau rakaman rujukan. Gesaan boleh mencapai 26,000 aksara dengan pemahaman sehingga 8,000 token.
Berapa lama video yang boleh dijana dan pada resolusi apa?
Video boleh dijana berdurasi 3 hingga 30 saat pada resolusi 720p atau 1080p. Mod Flash pula terhad kepada video sehingga 20 saat pada resolusi maksimum 720p.
Adakah audio dijana bersama video?
Ya, model ini menghasilkan audio stereo asli dengan dialog dua saluran, kesan bunyi dan ambiens yang disegerakkan dengan gambar. Ia juga menyokong dialog berbilang bahasa dengan penyegerakan bibir yang dipertingkatkan.
Apakah nisbah aspek yang disokong?
Empat nisbah aspek disokong: 16:9, 9:16, 1:1 dan 21:9.
Apakah perbezaan antara mod penuh dan mod Flash?
Mod Flash menawarkan penjanaan lebih pantas pada kos lebih rendah, tetapi terhad kepada video sehingga 20 saat pada resolusi maksimum 720p dan tidak menyokong bingkai mula-akhir atau berbilang bingkai kunci. Mod penuh disyorkan untuk video lebih panjang, resolusi lebih tinggi atau kawalan visual yang tepat.
Berapa banyak aset rujukan boleh digunakan dalam satu tugas?
Sehingga 15 aset rujukan: sehingga 10 imej, 5 video berjumlah sehingga 30 saat, 7 elemen dan 3 elemen video. Sehingga 10 input bingkai kunci juga disokong untuk menentukan detik visual utama.
Model berkaitan
Kling 4.0 Image-to-Video
KlingVideokling-4.0/image-to-videoKling 4.0 Image-to-Video ialah model kreatif bersepadu daripada Kling AI yang menjana video asli 3 hingga 30 saat daripada imej rujukan dengan kawalan pergerakan, audio stereo dan penyuntingan multimodal.
Resolusi
720p / 1080p
Tempoh
3-30 saat
—
Kling 4.0 Omni-Video
KlingVideokling-4.0/omni-videoModel penjanaan video dipacu rujukan daripada Kuaishou yang menggabungkan sehingga 15 aset multimodal untuk menghasilkan video 4K 10-bit HDR dengan audio stereo dual-channel.
Resolusi
720p / 1080p
Tempoh
3-30 saat
—