Kling 3.0 Pro Text to Video API

kwaivgi/kling-v3.0-pro/text-to-video

Kling 3.0 Pro Text to Video 将文字生成1080p场景,结合原生音频与逐镜编排。明确每个镜头的动作、景别和光线,引导故事推进与画面衔接。

输入

为每个镜头填写提示词并选择 1–12 秒时长,总时长须为 3–15 秒;Sound 保持开启。

259/2,500
362/2,500

Duration: 3 秒 (3-15)

输出
视频已就绪
3 秒 × 49 积分/秒 = 147 积分 ($0.735)
探索其他创作方式

示例

One uninterrupted three-second low side-view shot inside a dry ancient lava tube, no active lava. An adult cave explorer in a muted red protective suit and white helmet makes one careful short step across a shallow narrow groove on the basalt floor. The attached headlamp sweeps naturally across rough dark rock as the body moves; feet land firmly, arms remain stable. Controlled subtle camera tracking, realistic headlamp falloff and deep shadows, detailed basalt. No jumps, extra people, cuts, text or logos.

Kling 3.0 Pro Text to Video

Kling 3.0 Pro Text to Video 是快手用于文字创作视频场景的模型,适合需要呈现人物、道具与环境细节的短片。音画联合生成让声音参与叙事,分镜提示词和独立时长则帮助安排场景中的动作与镜头顺序。可用于故事短片、品牌情境广告,以及需要更细致画面表达的创意提案。

为什么选择 Kling 3.0 Pro Text to Video

  • 围绕1080p细节制作选择1080p档位制作人物、产品表面和背景共同承担表达任务的场景。

  • 先明确场景,再安排镜头用提示词交代主体、环境和动作,将文字想法组织为动态场景。

  • 安排每段叙事的节奏为每个镜头分别填写提示词与时长,安排开场、重点转移和收尾。

  • 让声音参与场景生成开启 Sound,在描述画面动作时加入对白或环境声要求。

参数说明

参数使用条件用法
promptmulti_shots=false 时

用 1–2,500 个字符描述主体、场景与运镜。多镜头模式在 multi_prompt 中逐镜填写。

默认值明确填写
multi_shots可选

false 使用单条提示词;true 使用 multi_prompt 分别编排镜头,并设置 sound=true。

默认值false
multi_promptmulti_shots=true 时

添加至少一个含 prompt 和 duration 的对象。每条提示词为 1–2,500 个字符,每个镜头为 1–12 整数秒,分镜时长之和须等于 duration。

默认值明确填写
duration必填

总时长填写 3–15 的整数秒;多镜头模式填写各分镜时长之和。

默认值明确填写
sound可选

true 生成音频,静音单镜头使用 false,多镜头使用 true。

默认值true
aspect_ratio可选

选择 1:1、16:9 或 9:16,分别构建方形、横屏或竖屏场景。

默认值1:1

使用方法

  1. 准备场景起点在 Prompt 中写明主体、环境、动作和运镜。

  2. 选择镜头结构单镜头填写一条提示词;多镜头开启 Multi Shots,逐镜填写内容与时长。

  3. 检查时长与声音将总时长设为 3–15 秒,多镜头保持 Sound 开启,提交前查看显示的费用。

  4. 生成并查看片段点击 Run,完成后预览视频,再根据结果调整动作或运镜描述。

用量与计费

Kling 3.0 Pro Text to Video 按生成视频时长计费,以秒数乘以 Sound 对应单价。

生成方式每秒单价计费依据
静音单镜头$0.195/秒sound=false 且 multi_shots=false,5 秒视频费用为 $0.975。
有声单镜头或多镜头$0.245/秒sound=true,5 秒视频费用为 $1.225;多镜头按分镜总时长计费。

适用场景

  • 对白主题短片围绕人物对话编排1080p场景,为说话与反应镜头分别填写提示词。

  • 广告情境构思把产品场景、镜头运动和对白放入同一片段,验证广告情境。

  • 环境镜头探索描述天气、光线和镜头运动,探索空间在动态画面中的呈现。

使用技巧

  • 先交代主体与动作,再补充运镜和氛围。
  • 各分镜沿用一致的人物特征与场景细节描述。
  • 每个镜头安排一个明确事件,并为动作展开分配时长。
  • 开启 Sound,将对白与环境声写在对应动作附近。

使用说明

  • 为每个镜头交代清楚主体、动作与运镜。
  • 将总时长保持在 3–15 秒,多镜头开启 Sound。

相关模型

Kling 3.0 Pro Text to Video API 常见问题

Kling 3.0 Pro Text to Video API 是什么?

Kling 3.0 Pro Text to Video 是快手用于文字生成视频场景的模型。它生成1080p视频,结合原生音频与逐镜时长编排。音画联合生成让声音与场景共同展开,分镜提示词引导动作和场景衔接。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 3.0 Pro Text to Video 如何编排对话场景?

为每位说话者给出清晰描述,并把对白写在对应人物的动作旁。开启 sound=true 后,可用多镜头请求分别安排开场、回应与反应镜头,合计为 3–15 秒。

Kling 3.0 Pro Text to Video 如何生成音频?

设置 sound=true,并结合画面动作描述对白、环境声或音效。单镜头可设置 sound=false 生成静音视频,多镜头设置 sound=true。

Kling 3.0 Pro Text to Video 如何描述特写?

先明确脸部或产品表面等关注对象,再写明景别、光线和动作。Pro 生成1080p视频,选择能够清晰展示重点的构图,让关键细节位于画面主体区域。

Kling 3.0 Pro Text to Video 如何引导场景连续性?

各分镜沿用相同的人物特征、服装、环境和光线描述,再有目的地改变动作或机位,让后续镜头承接前一镜头。

Kling 3.0 Pro Text to Video 如何通过分镜时长安排节奏?

每个分镜为 1–12 整数秒,总计为 3–15 秒。为对白、动作和反应分别分配时长,将 duration 设为各镜头之和,并保持 sound=true。

何时选择 Kling 3.0 Pro 而非 Kling 3.0 Standard?

人物、道具或背景需要1080p输出细节时选择 Pro;Standard 提供720p,适合以较低费用探索场景方向。

Sound 如何影响 Kling 3.0 Pro 计费?

静音单镜头每秒 $0.195,有声视频每秒 $0.245。费用为对应单价乘以总时长,多镜头使用有声单价并按分镜总时长计算。