Felo API PlatformFelo API Platform
Quay lại danh sách mô hình

Kling 4.0 Text-to-Video API

Kling 4.0 Text-to-Video là mô hình AI của Kuaishou tạo video từ văn bản, hỗ trợ video 3–30 giây với âm thanh stereo gốc, độ phân giải 720p hoặc 1080p và bốn tỷ lệ khung hình.

Kling 4.0 Text-to-Video là điểm vào chỉ dùng văn bản của dòng Kling 4.0 do Kuaishou phát triển, ra mắt trên kling.ai ngày 15 tháng 10 năm 2026 và có API từ ngày 28 tháng 10 năm 2026. Mô hình nhận câu lệnh văn bản dài tới 26.000 ký tự, hiểu tới 8.000 token, và tạo video dài 3 đến 30 giây ở độ phân giải 720p hoặc 1080p với bốn tỷ lệ khung hình 16:9, 9:16, 1:1 và 21:9. Đầu ra có âm thanh stereo gốc gồm hội thoại hai kênh, hiệu ứng âm thanh và âm thanh môi trường được dựng đồng bộ với hình ảnh.

Mô hình hỗ trợ cả câu lệnh đơn lẻ và storyboard nhiều cảnh quay, cho phép viết kịch bản nhiều cảnh với thời lượng riêng vào một video liên tục. Nó xử lý hội thoại đa ngôn ngữ với văn bản trên màn hình dễ đọc và cải thiện đồng bộ khẩu hình cho nhân vật nói nhiều ngôn ngữ. Trong một tác vụ tạo, mô hình nhận tối đa 15 tài nguyên tham chiếu (10 hình ảnh, 5 video tổng cộng tối đa 30 giây, 7 phần tử và 3 phần tử video) cùng tối đa 10 khung hình then chốt để xác định các khoảnh khắc hình ảnh quan trọng.

Kling 4.0 Text-to-Video phù hợp cho video ngắn và mạng xã hội như TikTok, Instagram và YouTube Shorts; quảng cáo và demo sản phẩm tạo trực tiếp từ câu lệnh; nội dung tường thuật nhiều cảnh và storyboard; tiền hình dung để thử nghiệm chuyển động camera và bố cục cảnh; biến hình ảnh sản phẩm thành video mạng xã hội cho người bán hàng online; video quảng bá cho doanh nghiệp nhỏ; và chiến dịch thương hiệu, tiếp thị nội dung cùng thử nghiệm sáng tạo. Chế độ Flash cho phép tạo nhanh hơn với chi phí thấp hơn, video tối đa 20 giây ở độ phân giải tối đa 720p, nhưng không hỗ trợ khung hình đầu-cuối và nhiều khung hình then chốt.

Cập nhật:

ID MÔ HÌNH

kling-4.0/text-to-video
Đầu vào
text
Đầu ra
video

Điểm nổi bật

  • Video 3–30 giây từ văn bản
  • Âm thanh stereo gốc đồng bộ
  • Độ phân giải 720p hoặc 1080p
  • Bốn tỷ lệ khung hình
  • Storyboard nhiều cảnh quay
  • Chế độ Flash nhanh hơn

Nhà cung cấp

1 nhà cung cấp

So sánh giá API giữa các nhà cung cấp. Chọn một nhà cung cấp để xem toàn bộ chi phí và điều kiện.

Nhà cung cấp · Chi tiết giá
Tỷ lệ khả dụng

Thông số video

Tỷ lệ khung hình
16:9 / 9:16 / 1:1
Thời lượng · Tối thiểu
3 giây
Thời lượng · Tối đa
30 giây
Thời lượng · Bước
1 giây
Giới hạn tham chiếu · Tệp âm thanh
0
Giới hạn tham chiếu · Hình ảnh
0
Giới hạn tham chiếu · Video
0
Độ phân giải
720p / 1080p

Tham chiếu API

Thông tin giao thức của mô hình này chưa được công bố. Xem tham chiếu API để biết yêu cầu tích hợp.

Tham chiếu API →

Tham số hỗ trợ

  • prompt
  • duration
  • resolution
  • aspect_ratio
  • frame_images
  • input_references
  • user
  • session_id
  • trace

Câu hỏi thường gặp

Tìm hiểu Kling 4.0 Text-to-Video?

Kling 4.0 Text-to-Video là điểm vào chỉ dùng văn bản của dòng Kling 4.0 do Kuaishou phát triển, ra mắt trên kling.ai ngày 15 tháng 10 năm 2026 và có API từ ngày 28 tháng 10 năm 2026. Mô hình nhận câu lệnh văn bản dài tới 26.000 ký tự, hiểu tới 8.000 token, và tạo video dài 3 đến 30 giây ở độ phân giải 720p hoặc 1080p với bốn tỷ lệ khung hình 16:9, 9:16, 1:1 và 21:9. Đầu ra có âm thanh stereo gốc gồm hội thoại hai kênh, hiệu ứng âm thanh và âm thanh môi trường được dựng đồng bộ với hình ảnh. Mô hình hỗ trợ cả câu lệnh đơn lẻ và storyboard nhiều cảnh quay, cho phép viết kịch bản nhiều cảnh với thời lượng riêng vào một video liên tục. Nó xử lý hội thoại đa ngôn ngữ với văn bản trên màn hình dễ đọc và cải thiện đồng bộ khẩu hình cho nhân vật nói nhiều ngôn ngữ. Trong một tác vụ tạo, mô hình nhận tối đa 15 tài nguyên tham chiếu (10 hình ảnh, 5 video tổng cộng tối đa 30 giây, 7 phần tử và 3 phần tử video) cùng tối đa 10 khung hình then chốt để xác định các khoảnh khắc hình ảnh quan trọng. Kling 4.0 Text-to-Video phù hợp cho video ngắn và mạng xã hội như TikTok, Instagram và YouTube Shorts; quảng cáo và demo sản phẩm tạo trực tiếp từ câu lệnh; nội dung tường thuật nhiều cảnh và storyboard; tiền hình dung để thử nghiệm chuyển động camera và bố cục cảnh; biến hình ảnh sản phẩm thành video mạng xã hội cho người bán hàng online; video quảng bá cho doanh nghiệp nhỏ; và chiến dịch thương hiệu, tiếp thị nội dung cùng thử nghiệm sáng tạo. Chế độ Flash cho phép tạo nhanh hơn với chi phí thấp hơn, video tối đa 20 giây ở độ phân giải tối đa 720p, nhưng không hỗ trợ khung hình đầu-cuối và nhiều khung hình then chốt.

Cách tính phí sử dụng?

Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác.

Kling 4.0 Text-to-Video nhận đầu vào nào?

Mô hình nhận câu lệnh văn bản đơn lẻ hoặc storyboard nhiều cảnh quay. Câu lệnh có thể dài tới 26.000 ký tự và mô hình hiểu tới 8.000 token.

Video đầu ra dài bao lâu và độ phân giải nào?

Video đầu ra dài từ 3 đến 30 giây ở độ phân giải 720p hoặc 1080p. Chế độ Flash giới hạn video tối đa 20 giây ở độ phân giải tối đa 720p.

Mô hình có hỗ trợ âm thanh không?

Có, mô hình tạo âm thanh stereo gốc với hội thoại hai kênh, hiệu ứng âm thanh và âm thanh môi trường đồng bộ với hình ảnh. Đồng bộ khẩu hình được cải thiện cho nhân vật nói nhiều ngôn ngữ.

Mô hình hỗ trợ những tỷ lệ khung hình nào?

Mô hình hỗ trợ bốn tỷ lệ khung hình: 16:9, 9:16, 1:1 và 21:9.

Sự khác biệt giữa Kling 4.0 Text-to-Video và các mô hình cùng dòng là gì?

Đây là điểm vào chỉ dùng văn bản của dòng Kling 4.0, bên cạnh các mô hình Image-to-Video, Reference-to-Video và Video Editing. Mô hình Kling 4.0 đầy đủ được khuyến nghị cho video dài hơn, độ phân giải cao hơn hoặc kiểm soát hình ảnh chính xác bằng khung hình đầu-cuối và nhiều khung hình then chốt.

Mô hình có giới hạn nào cần lưu ý?

Tính đến ngày ra mắt, chưa có điểm chuẩn bên thứ ba nào. Chế độ Flash không hỗ trợ khung hình đầu-cuối hoặc nhiều khung hình then chốt, đồng thời giới hạn độ phân giải tối đa 720p và video tối đa 20 giây.

Mô hình liên quan

Kling 4.0 Flash Image to Video

KlingVideokling-4.0-flash/image-to-video

Kling 4.0 Flash Image to Video là mô hình tạo video từ hình ảnh thuộc dòng Kling 4.0 của Kuaishou, tối ưu cho tốc độ và chi phí thấp, tạo clip 3–20 giây kèm âm thanh gốc và hỗ trợ Omni Reference.

Tạo bản nháp ý tưởng nhanhSản xuất nội dung mạng xã hội hàng loạtThử nghiệm hook và conceptTạo vòng lặp sản phẩm

Độ phân giải

—

Thời lượng

—

—

Kling 4.0 Flash Omni Video

KlingVideokling-4.0-flash/omni-video

Kling 4.0 Flash là mô hình tạo video nhanh và nhẹ từ Kuaishou, hỗ trợ đầu vào văn bản, hình ảnh và Omni Reference, tạo clip 3–20 giây ở độ phân giải 720p, phù hợp cho việc tạo bản nháp nhanh và sản xuất nội dung hàng loạt.

Tạo bản nháp nhanhSản xuất nội dung mạng xã hội hàng loạtXác thực ý tưởng sáng tạoTạo biến thể quảng cáo hàng loạt

Độ phân giải

—

Thời lượng

—

—

Kling 4.0 Flash Text to Video

KlingVideokling-4.0-flash/text-to-video

Kling 4.0 Flash Text to Video là mô hình tạo video từ văn bản của Kling AI, được thiết kế để sinh video nhanh và tiết kiệm chi phí trong dòng Kling 4.0, hỗ trợ đầu vào văn bản cùng ảnh và video tham chiếu.

Sản xuất video ngắn mạng xã hộiClip quảng cáo từ ảnh sản phẩmDựng bản nháp storyboardTiền hình ảnh hóa cảnh quay

Độ phân giải

—

Thời lượng

—

—

Kling 4.0 Image-to-Video

KlingVideokling-4.0/image-to-video

Kling 4.0 Image-to-Video là mô hình sáng tạo hợp nhất của Kling AI, tạo video gốc dài 3–30 giây từ ảnh, văn bản, video và âm thanh tham chiếu, với khả năng chỉnh sửa đa phương thức và âm thanh stereo.

Quảng cáo thương hiệu và phim quảng cáoKể chuyện ngắn và cảnh quay điện ảnhChiến dịch sản phẩmBài đăng mạng xã hội

Độ phân giải

720p / 1080p

Thời lượng

3-30 giây

—

Kling 4.0 Omni-Video

KlingVideokling-4.0/omni-video

Kling 4.0 Omni là mô hình tạo video do Kuaishou phát triển, nhận văn bản, hình ảnh, video và âm thanh đầu vào để tạo video có âm thanh stereo, với khả năng tham chiếu đa phương thức mạnh mẽ và độ nhất quán cao.

Quảng cáo thương hiệu theo cấu trúc video mẫuNội dung mạng xã hội theo video thịnh hànhVideo tường thuật nhất quán nhân vậtVideo demo sản phẩm đa phương thức

Độ phân giải

720p / 1080p

Thời lượng

3-30 giây

—