Kling: Video v3.0 Pro API

Kling Video v3.0 Pro to model generowania wideo z rodziny Kling V3.0, pozycjonowany jako wersja o najwyższej wierności wizualnej i realizmie ruchu. Przyjmuje opisy tekstowe oraz obrazy referencyjne, a na wyjściu dostarcza wideo wraz z natywnym dźwiękiem — mową, efektami dźwiękowymi i dźwiękami otoczenia. Obsługuje do 6 ujęć w jednym żądaniu, z osobnym opisem i czasem trwania dla każdego ujęcia, a także automatyczne dostosowywanie kątów kamery i kompozycji przy zachowaniu spójności między scenami. Model pozwala określić klatkę początkową i końcową, co umożliwia kontrolowane przejścia między scenami. Utrzymuje tożsamość postaci w scenach z trzema lub więcej bohaterami dzięki koreferencji wielopostaciowej, a funkcja listy elementów zachowuje spójność wskazanych elementów wizualnych w obrębie sceny. Dostępne są negatywne opisy, dopasowanie ruchu warg do dźwięku oraz mechanizm ulepszania opisów ruchu. Dźwięk można generować w językach chińskim, angielskim, japońskim, koreańskim i hiszpańskim, z odwzorowaniem dialektów chińskich, takich jak kantoński i syczuański, oraz akcentów, m.in. amerykańskiego, brytyjskiego i indyjskiego angielskiego. Model sprawdza się w produkcji wideo wymagającej jakości kinowej i realistycznego ruchu, w tworzeniu przejść między scenami, w animacji postaci na podstawie portretów, w materiałach reklamowych z zachowaniem logo i tekstu oraz w dłuższych animacjach do 15 sekund. Adresowany jest do profesjonalnych twórców wideo, agencji reklamowych i twórców treści.

Rachunek zależy od wybranego dostawcy, jego cen i faktycznego zużycia. Dłuższe dane wejściowe lub inne warunki mogą mieć inne ceny. Rozliczane według rzeczywistego kosztu generowania. Ostateczną kwotę znajdziesz na rachunku.

Model przyjmuje opisy tekstowe oraz obrazy referencyjne. Na tej podstawie generuje wideo wraz z natywnym dźwiękiem.

Klipy mają od 3 do 15 sekund. Model obsługuje format poziomy, pionowy i kwadratowy.

Tak, generuje natywny dźwięk, w tym mowę, efekty dźwiękowe i dźwięki otoczenia. Obsługuje chiński, angielski, japoński, koreański i hiszpański, a także dialekty i akcenty.

Do 6 ujęć, z których każde może mieć własny opis i czas trwania. Model automatycznie dostosowuje kąty kamery i kompozycję przy zachowaniu spójności scen.

Pro oferuje najwyższą wierność wizualną i realizm ruchu w rodzinie. Wersja standardowa jest tańsza, a Omni skupia się na spójności referencyjnej.