Kling 4.0 Text-to-Video API
Kling 4.0 Text-to-Video สร้างวิดีโอจากข้อความพร้อมเสียงสเตอริโอความยาว 3 ถึง 30 วินาที ความละเอียด 720p หรือ 1080p
Kling 4.0 Text-to-Video คือโมเดลสร้างวิดีโอจากข้อความของ Kuaishou ที่เปิดตัวเมื่อวันที่ 15 ตุลาคม 2026 ผู้ใช้เพียงป้อนคำอธิบายเป็นข้อความโดยไม่ต้องมีภาพต้นฉบับหรือฟุตเทจอ้างอิง ก็จะได้วิดีโอความยาว 3 ถึง 30 วินาที ที่ความละเอียด 720p หรือ 1080p พร้อมเสียงสเตอริโอแบบเนทีฟ ทั้งบทสนทนาเสียงสองช่อง เสียงเอฟเฟกต์ และเสียงบรรยากาศที่ซิงก์กับภาพ รองรับอัตราส่วนภาพ 16:9, 9:16, 1:1 และ 21:9
โมเดลนี้รับพรอมป์ต์ได้ยาวถึง 26,000 ตัวอักษร และเข้าใจพรอมป์ต์ได้ถึง 8,000 โทเคน โดยระบุตัวแบบ การเคลื่อนไหว ทิศทางกล้อง และเสียงไว้ในบล็อกเดียวได้ รองรับพรอมป์ต์แบบหลายช็อต (สตอรีบอร์ด) ที่กำหนดระยะเวลาแต่ละช็อตและตัดต่อเป็นวิดีโอต่อเนื่อง รวมถึงรองรับสินทรัพย์อ้างอิงสูงสุด 15 รายการต่อการสร้างหนึ่งครั้ง (ภาพไม่เกิน 10 ภาพ วิดีโอไม่เกิน 5 คลิปความยาวรวมไม่เกิน 30 วินาที องค์ประกอบ 7 รายการ และองค์ประกอบวิดีโอ 3 รายการ) พร้อมคีย์เฟรมสูงสุด 10 จุด และการซิงก์ปากที่ улучขึ้นสำหรับตัวละครที่พูดหลายภาษา
จุดแข็งของโมเดลคือการเคลื่อนไหวขนาดใหญ่ที่เสถียรและการเคลื่อนกล้องที่ซับซ้อน เช่น ซูมเข้า ซูมออก แพน แทร็กกิ้ง และออร์บิท รวมถึงภาพที่ต่อเนื่องระหว่างแอ็กชันความเร็วสูง เหมาะกับงานวิดีโอสั้นและโซเชียลมีเดียสำหรับ TikTok, Instagram และ YouTube Shorts โฆษณาและเดโมสินค้าที่สร้างจากพรอมป์ต์ เนื้อหาเล่าเรื่องหลายช็อต พรีวิชวลไลเซชันและสตอรีบอร์ด ตลอดจนแคมเปญแบรนด์และการทดสอบไอเดียสร้างสรรค์ ส่วนโหมด Flash ให้การสร้างที่เร็วขึ้นในต้นทุนต่ำลงด้วยวิดีโอไม่เกิน 20 วินาทีที่ความละเอียดสูงสุด 720p แต่ไม่รองรับเฟรมเริ่มต้น-สิ้นสุดหรือคีย์เฟรมหลายจุด
อัปเดต:
ID โมเดล
kling-4.0/text-to-video- อินพุต
- text
- เอาต์พุต
- video
จุดเด่น
- สร้างวิดีโอจากข้อความล้วน
- เสียงสเตอริโอเนทีฟ
- ความยาว 3 ถึง 30 วินาที
- ความละเอียด 720p หรือ 1080p
- พรอมป์ต์ยาวถึง 26,000 ตัวอักษร
- สตอรีบอร์ดหลายช็อต
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
ข้อมูลจำเพาะวิดีโอ
- อัตราส่วนภาพ
- 16:9 / 9:16 / 1:1
- ความยาว · ต่ำสุด
- 3 วินาที
- ความยาว · สูงสุด
- 30 วินาที
- ความยาว · ขั้น
- 1 วินาที
- ขีดจำกัดข้อมูลอ้างอิง · ไฟล์เสียง
- 0
- ขีดจำกัดข้อมูลอ้างอิง · รูปภาพ
- 0
- ขีดจำกัดข้อมูลอ้างอิง · วิดีโอ
- 0
- ความละเอียด
- 720p / 1080p
เอกสารอ้างอิง API
ยังไม่มีการเผยแพร่ข้อมูลโปรโตคอลของโมเดลนี้ ดูข้อกำหนดการเชื่อมต่อได้ในเอกสารอ้างอิง API
เอกสารอ้างอิง API →พารามิเตอร์ที่รองรับ
- prompt
- duration
- resolution
- aspect_ratio
- frame_images
- input_references
- user
- session_id
- trace
คำถามที่พบบ่อย
รู้จัก Kling 4.0 Text-to-Video?
Kling 4.0 Text-to-Video คือโมเดลสร้างวิดีโอจากข้อความของ Kuaishou ที่เปิดตัวเมื่อวันที่ 15 ตุลาคม 2026 ผู้ใช้เพียงป้อนคำอธิบายเป็นข้อความโดยไม่ต้องมีภาพต้นฉบับหรือฟุตเทจอ้างอิง ก็จะได้วิดีโอความยาว 3 ถึง 30 วินาที ที่ความละเอียด 720p หรือ 1080p พร้อมเสียงสเตอริโอแบบเนทีฟ ทั้งบทสนทนาเสียงสองช่อง เสียงเอฟเฟกต์ และเสียงบรรยากาศที่ซิงก์กับภาพ รองรับอัตราส่วนภาพ 16:9, 9:16, 1:1 และ 21:9 โมเดลนี้รับพรอมป์ต์ได้ยาวถึง 26,000 ตัวอักษร และเข้าใจพรอมป์ต์ได้ถึง 8,000 โทเคน โดยระบุตัวแบบ การเคลื่อนไหว ทิศทางกล้อง และเสียงไว้ในบล็อกเดียวได้ รองรับพรอมป์ต์แบบหลายช็อต (สตอรีบอร์ด) ที่กำหนดระยะเวลาแต่ละช็อตและตัดต่อเป็นวิดีโอต่อเนื่อง รวมถึงรองรับสินทรัพย์อ้างอิงสูงสุด 15 รายการต่อการสร้างหนึ่งครั้ง (ภาพไม่เกิน 10 ภาพ วิดีโอไม่เกิน 5 คลิปความยาวรวมไม่เกิน 30 วินาที องค์ประกอบ 7 รายการ และองค์ประกอบวิดีโอ 3 รายการ) พร้อมคีย์เฟรมสูงสุด 10 จุด และการซิงก์ปากที่ улучขึ้นสำหรับตัวละครที่พูดหลายภาษา จุดแข็งของโมเดลคือการเคลื่อนไหวขนาดใหญ่ที่เสถียรและการเคลื่อนกล้องที่ซับซ้อน เช่น ซูมเข้า ซูมออก แพน แทร็กกิ้ง และออร์บิท รวมถึงภาพที่ต่อเนื่องระหว่างแอ็กชันความเร็วสูง เหมาะกับงานวิดีโอสั้นและโซเชียลมีเดียสำหรับ TikTok, Instagram และ YouTube Shorts โฆษณาและเดโมสินค้าที่สร้างจากพรอมป์ต์ เนื้อหาเล่าเรื่องหลายช็อต พรีวิชวลไลเซชันและสตอรีบอร์ด ตลอดจนแคมเปญแบรนด์และการทดสอบไอเดียสร้างสรรค์ ส่วนโหมด Flash ให้การสร้างที่เร็วขึ้นในต้นทุนต่ำลงด้วยวิดีโอไม่เกิน 20 วินาทีที่ความละเอียดสูงสุด 720p แต่ไม่รองรับเฟรมเริ่มต้น-สิ้นสุดหรือคีย์เฟรมหลายจุด
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
Kling 4.0 Text-to-Video รับอินพุตแบบใดได้บ้าง
รับข้อความเพียงอย่างเดียว โดยไม่ต้องใช้ภาพต้นฉบับหรือฟุตเทจอ้างอิง รองรับพรอมป์ต์เดี่ยวหรือสตอรีบอร์ดหลายช็อต และรับพรอมป์ต์ได้ยาวถึง 26,000 ตัวอักษร
สร้างวิดีโอได้ยาวและความละเอียดเท่าไร
สร้างวิดีโอความยาว 3 ถึง 30 วินาที ที่ความละเอียด 720p หรือ 1080p ในอัตราส่วนภาพ 16:9, 9:16, 1:1 และ 21:9
มีเสียงในวิดีโอหรือไม่
มี โมเดลสร้างเสียงสเตอริโอแบบเนทีฟ ทั้งบทสนทนาเสียงสองช่อง เสียงเอฟเฟกต์ และเสียงบรรยากาศที่ซิงก์กับภาพ พร้อมการซิงก์ปากที่ улучขึ้นสำหรับตัวละครที่พูดหลายภาษา
โหมด Flash ต่างจากโหมดปกติอย่างไร
โหมด Flash ให้การสร้างที่เร็วขึ้นในต้นทุนต่ำลงด้วยวิดีโอไม่เกิน 20 วินาทีที่ความละเอียดสูงสุด 720p แต่ไม่รองรับเฟรมเริ่มต้น-สิ้นสุดหรือคีย์เฟรมหลายจุด
ควรใช้รุ่นใดในตระกูล Kling 4.0
Kling 4.0 Text-to-Video เหมาะกับการสร้างวิดีโอจากข้อความล้วน ส่วนตระกูล Kling 4.0 ยังมี Image-to-Video, Reference-to-Video และ Video Editing สำหรับงานที่ต้องใช้อินพุตภาพหรือการตัดต่อ
โมเดลที่เกี่ยวข้อง
Kling 4.0 Image-to-Video
Klingวิดีโอkling-4.0/image-to-videoKling 4.0 Image-to-Video คือโมเดลสร้างสรรค์แบบครบวงจรที่เปลี่ยนภาพนิ่งให้เป็นวิดีโอความยาว 3 ถึง 30 วินาที พร้อมระบบเสียงสเตอริโอและการควบคุมผ่านภาพอ้างอิงหลายรูปแบบ
ความละเอียด
720p / 1080p
ความยาว
3-30วินาที
—
Kling 4.0 Omni-Video
Klingวิดีโอkling-4.0/omni-videoKling 4.0 Omni คือโมเดลสร้างวิดีโอที่ขับเคลื่อนด้วยข้อมูลอ้างอิงจาก Kuaishou รองรับอินพุตหลายรูปแบบและสร้างวิดีโอความละเอียดสูงพร้อมเสียงสเตอริโอ
ความละเอียด
720p / 1080p
ความยาว
3-30วินาที
—