Kling: Video v3.0 Pro API

Kling 3.0 Pro 属于 Kling 3.0 系列中的高性能版本，于 2026 年 2 月正式发布，并在同年 3 月 5 日面向全球用户全面开放。它采用统一的多模态模型设计，将视觉与音频生成融合到单一原生流程中，支持文本生成视频、图像生成视频以及首帧加尾帧的条件生成方式，并可原生同步产出对话、音效和环境声，音频覆盖多语言、方言和口音。 在画质与叙事能力上，该模型可生成最长 15 秒、1080p 分辨率、30fps 帧率的视频，支持 16-bit HDR 色彩。它具备多镜头叙事能力，一次请求最多包含六个镜头，每个镜头可独立设置提示词和时长，并保持场景一致性；同时支持多角色指代，可处理三个或更多角色同场交互，还能通过参考图像或参考视频复用元素，维持角色、风格和动作的连贯。 这款模型适合影视内容创作全流程、电影预可视化、游戏资产构建、品牌广告制作等场景，尤其适用于需要复杂叙事结构、角色一致性或参考驱动精确控制的短片与商业广告项目。此外，它还支持通过提示词对已有视频进行编辑，可更换背景、调整服装、插入或移除人物、重塑场景，并保持原始结构和风格。

费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格，详见计费明细。 按实际生成费用计费，具体金额以账单为准。

它支持文本生成视频和图像生成视频两种模式，也支持首帧加尾帧的条件生成方式，并能原生同步生成音频。

最长可生成 15 秒的视频，输出分辨率为 1080p、帧率 30fps，并支持 16-bit HDR 色彩。

一次请求最多可包含六个镜头，每个镜头拥有独立的提示词和时长设置，镜头之间保持场景一致性。

支持多角色指代，可处理三个或更多角色同场交互；还能通过参考图像或参考视频复用元素，保持角色、风格和动作连贯。

与 Kling 3.0 Standard 相比，Pro 版本提供更高的 1080p 分辨率输出，在细节、动作真实性和时间一致性上更出色；与 Kling 3.0 4K 相比，Pro 在保持较高画质的同时成本更低。

可以，通过提示词对已有视频进行编辑，支持更换背景、调整服装、插入或移除人物、重塑场景，并保持原始结构和风格。