Kling 2.6 Pro Text to Video API

kwaivgi/kling-v2.6-pro/text-to-video

Kling 2.6 Pro Text to Video 将纯文本提示词转化为 1080p 影视级动态视频,支持原生音视频同步、5 秒与 10 秒灵活时长,以及多种标准电影画幅。它能够严格遵循提示词中的复杂场景设定与物理运动规律,并在大幅度动态演绎中保持时空连贯与视觉细节稳定。

输入

747/1,000

输出
已就绪
5 秒 · 有声 · 120 积分 ($0.600) / 视频
继续使用

示例

One continuous five-second cinematic shot inside a quiet orbiting space station. Medium close-up of a female astronaut in a plain blue flight suit, face unobstructed, floating beside a round window showing Earth. One large clear water droplet floats slowly at eye level in front of her. She follows it with her eyes, smiles gently and says clearly in English, 'Even water flies up here.' Natural synchronized lips and subtle facial expression. The droplet drifts upward as she remains weightless; restrained camera drift, realistic skin and soft daylight. Native audio: her calm close voice over a soft steady ventilation hum. Finish the short sentence within the shot. No music, subtitles, written text, logos, advertising, helmets or scene cuts.

One continuous five-second square cinematic close-up inside an old cinema projection booth. A working metal 35mm film projector fills the frame: visible upper reel turning steadily and a taut strip of film advancing through its gate. A brilliant warm projection beam cuts diagonally through dusty darkness toward the unseen screen. Slow subtle push-in, tangible worn metal, warm amber light, drifting dust, coherent mechanical motion. Native synchronized sound: steady rhythmic projector clatter and a gentle motor whirr, with the enclosed booth's slight resonance. No dialogue, no music, no people, no labels, readable writing, logos, commercial product staging, advertising or cuts.

One continuous five-second vertical sports documentary shot inside a bright empty squash court. A single adult player in plain unbranded white sportswear is seen from a rear three-quarter angle, full body and front wall visible. The player makes one controlled forehand strike with a squash racket; one small black ball flies to the front wall, visibly bounces once and returns low toward the floor. The player settles their stance. Fixed camera, anatomically natural movement, believable racket contact and one coherent ball trajectory. Native synchronized audio: a sharp racket tap, a hollow wall impact and a brief shoe squeak with clear indoor court echo. No crowd, commentary, music, slow motion, extra players, writing, branding or cuts.

Kling 2.6 Pro Text to Video 概览

Kling 2.6 Pro Text to Video 是快手科技打造的高阶文本生成视频模型。它将结构化文本提示词直接渲染为 1080p 全高清视频,具备单次推理原生音画同步合成能力,并提供 5 秒与 10 秒时长选项以及 16:9、9:16 和 1:1 三种主流构图比例。

选择 Kling 2.6 Pro Text to Video 的理由

  • 1080p 影视级画质输出细腻的 1080p 全高清分辨率,准确呈现微表情、光影流转与环境细节纹理。

  • 原生音视频同步在单次生成流程中同步合成动作音效与场景环境音,无需繁复的后期配音环节。

  • 精准物理动力学模拟深入模拟现实世界的重力、布料摆动与流体碰撞,确保大幅度动作自然连贯。

  • 多画幅与灵活时长提供 5 秒与 10 秒成片时长,并原生支持 16:9 宽屏、9:16 竖屏与 1:1 正方形画幅。

  • 透明计费与失败返还清晰划分有声与无声计费梯度,若任务遇到异常中断,系统全额自动返还扣除积分。

参数

参数要求说明
prompt是

必填字符串,去除首尾空白后为 1–1,000 个字符,不能为空。

默认值-
duration是

必填整数,仅支持 5 或 10 秒;不接受字符串或小数时长。

默认值-
aspect_ratio是

必填:16:9、9:16 或 1:1。控制输出视频的宽高比。

默认值-
sound是

必填布尔值。true 为有声,false 为无声。

默认值-

使用步骤

  1. 描述场景与运镜在提示词中详尽描述画面主体、关键动作轨迹、环境光线以及镜头推拉平移方式(最多 1,000 字符)。

  2. 选择时长与画幅指定 5 秒或 10 秒生成时长,并选择适合目标播放媒介的宽高比(16:9、9:16 或 1:1)。

  3. 配置同步音频根据发布需求开启声音选项以合成环境伴音,或选择无声模式专注画面表现。

  4. 提交生成任务发起 API 请求提交任务并立即获取唯一任务 ID,进入系统异步处理流水线。

  5. 获取高清视频轮询任务状态至就绪阶段,获取生成的 1080p MP4 视频链接进行播放与下载。

价格

按每次生成的视频计费,1 积分 = $0.005。

计费项费率说明
5 秒 · 无声65 积分/视频$0.325/视频
10 秒 · 无声130 积分/视频$0.650/视频
5 秒 · 有声120 积分/视频$0.600/视频
10 秒 · 有声240 积分/视频$1.20/视频

推荐应用场景

  • 影视分镜概念预览根据剧本文本快速生成动态 1080p 分镜小样,高效验证镜头运动与叙事节奏。

  • 社交短视频创意制作制作 9:16 竖版高画质短片,利用原生伴音快速生成高互动性的社交媒体内容。

  • 广告动态背景生成描述产品展示场景与光影变化,生成商用级别的动态背景与品牌氛围视觉。

  • 数字创意内容开发将天马行空的创意灵感转化为具有真实物理规律的超现实动态视觉作品。

使用技巧

  • 建议按照“主体特征 + 动作过程 + 场景环境 + 运镜光影”的结构组织提示词,帮助模型精准捕捉核心要素。
  • 描述运镜时建议使用具体术语,例如“缓慢前推(slow push-in)”、“镜头右摇(pan right)”或“低角度仰拍(low-angle shot)”。
  • 若开启声音,可在提示词中适当加入声音线索描述(如“急促的脚步声”、“雨滴敲打玻璃的清脆声”),协助音频生成模块获得更契合的声效。
  • 复杂场景动作建议遵循物理动量规律,避免在短时间内堆砌相互冲突的骤变动作指令。

注意事项

  • 提示词为必填字段,去除首尾空白后字符长度在 1 至 1,000 字符之间。
  • 单次生成支持整数 5 或 10 秒,其他数值将被参数校验拦截。
  • 任务以异步方式运行,提交成功后立即返回 task_id,建议通过轮询或设置 callback_url 回调接收结果。

Kling 2.6 Pro Text to Video API 常见问题

Kling 2.6 Pro Text to Video API 是什么?

Kling 2.6 Pro Text to Video 是快手科技研发的高阶文本生成视频模型。它根据文本提示词直接生成 1080p 影视级高清视频,支持 5 秒与 10 秒成片时长、原生音视频同步合成,以及 16:9、9:16 和 1:1 三种主流构图画幅。基于先进的时空扩散建模架构,它在严格遵循文本运动指导的同时保持真实物理规律与画面连贯性。你可以通过 API 进行程序化调用,也可以在上方体验区直接在线试用。

Kling 2.6 Pro Text to Video 的原生音频支持哪些声音类型?

开启声音选项后,模型会在单次推理中同步合成与画面动作契合的原生音效,包含环境背景音、物理动作拟音以及情境伴音,免去额外的后期音频制作流程。

Kling 2.6 Pro Text to Video 支持生成 10 秒视频吗?

支持。该端点提供 5 秒与 10 秒两种整秒时长选项。选择 10 秒规格可以呈现更完整的镜头叙事、更丰富的动作演进与连贯的场景氛围。

Kling 2.6 Pro Text to Video 支持哪些画面比例?

支持 16:9 宽画幅、9:16 竖屏以及 1:1 正方形比例。模型在生成时直接按指定比例进行构图与渲染,避免了后期画面二次裁剪带来的构图损失。

Kling 2.6 Pro Text to Video 是如何计费的?

费用按成片时长与音频配置核算:5 秒无声为 65 积分($0.325),10 秒无声为 130 积分($0.650);5 秒有声为 120 积分($0.600),10 秒有声为 240 积分($1.200)。若任务执行异常中断,扣除的积分将全额自动返还。

Kling 2.6 Pro Text to Video 如何处理大幅度动作连贯性?

依托深度时空注意力建模机制,模型能够建立跨帧的运动连贯性,在表现人物奔跑、转身或镜头剧烈运动时,保持主体结构与环境空间的物理合理性。

撰写 Kling 2.6 Pro Text to Video 提示词有哪些关键技巧?

建议按照“核心主体、具体动作、环境背景、摄影机运镜与光线氛围”的顺序分层撰写,明确镜头运动速度与动作起始方向,为生成过程提供清晰的视觉锚点。