Kling 4.0 Image to Video API

kwaivgi/kling-v4.0/image-to-video
720p / 1080p · 3–30 sec

Kling 4.0 Image to Video 将起始图片转化为 3–30 秒、720p 或 1080p 的带立体声视频,并可落到你选定的第二张结束帧。它保留图片的主体、构图与质感,同时加入提示词中的动作、运镜与声音。

输入
373/26000

拖拽文件、粘贴剪贴板素材,或输入 URL。 必填。1–2 张 JPEG、PNG 或 WebP:先起始帧,再可选的结束帧。

2/2 个素材

切换到 JSON 可使用 multi_prompt 编写多镜头分镜。

Kling 4.0 Image to Video

Kling 4.0 由快手旗下可灵 AI 于 2026 年 10 月发布,以你的图片作为开场帧,并可规划到你提供的结束帧。单次最长 30 秒,足以完成一整段动作而不只是短循环;multi_prompt 还可以让动作按定时镜头展开。输出画幅跟随起始图片,并附带立体声音轨。

为什么选择 Kling 4.0 Image to Video API?

  • 首尾帧控制发送一张图片让它动起来,或发送两张确定视频的起点与终点。

  • 一张图生成最长 30 秒足以容纳完整动作、缓慢揭示或一次完整运镜。

  • 从一帧展开定时镜头用 multi_prompt 把动作拆成各自定时的镜头。

  • 附带声音每条视频都带立体声音轨;可在提示词中描述脚步声、人声或环境声。

参数说明

参数要求说明
prompt未发送 multi_prompt 时必填

整条视频的提示词,去除首尾空白后 1–26,000 个字符。描述动作、运镜以及对白、音效或环境声。prompt 与 multi_prompt 二选一。

默认值—
multi_prompt未发送 prompt 时必填

分镜列表,每项为 {prompt(1–512 个字符), duration(1–30 秒,默认 5)}。分镜时长合计须为 3–30 秒,并决定视频总时长。

默认值—
image_urls必填

1–2 个公开 HTTP(S) 图片 URL:起始帧,以及可选的结束帧。输出画幅跟随起始图片。

默认值—
duration可选

输出时长 3–30 秒。使用 multi_prompt 时默认等于分镜合计。

默认值5
resolution可选

720p 或 1080p,分辨率决定每秒费率。

默认值720p

使用方法

  1. 准备帧图片准备清晰的起始图片;需要固定结尾时,再加一张构图相近的结束图片。

  2. 描述运动写出两帧之间发生的事、运镜方式以及声音。

  3. 设置时长与分辨率选择 3–30 秒与 720p 或 1080p;画幅跟随起始图片。

  4. 提交并获取视频按顺序提交 image_urls,再用 task_id 轮询或等待 callback_url 推送。

用量与计费

Kling 4.0 Image to Video 按所选分辨率和输出秒数计费,输入图片不额外收费。

计费项目费率详情
720p28.5 credits / 秒$0.1425 / 输出秒。5 秒 = 142.5 点数($0.7125),30 秒 = 855 点数($4.275)。
1080p42.5 credits / 秒$0.2125 / 输出秒。10 秒 = 425 点数($2.125),30 秒 = 1,275 点数($6.375)。

适用场景

  • 用静态图做产品镜头用首尾帧从主视觉过渡到产品使用场景。

  • 角色表演让人物肖像完成一整段动作并说出一句台词。

  • 插画与主视觉动态化在不重绘的前提下,为已确认的作品加入运镜与动态。

  • 两种状态间的转场展示空间、服装或物体从一张图变为另一张图。

实用技巧

  • 描述首帧之后发生的变化,而不是重复图片中已有的内容。
  • 首尾图片的机位与景别尽量接近,过渡更顺畅。
  • 动作有明确阶段(如靠近、伸手、转身)时,使用 multi_prompt。
  • 上传 JPEG、PNG 或 WebP 图片;公开 URL 需无需登录即可访问。

注意事项

  • image_urls 按顺序接收 1–2 个公开 URL:先起始帧,再可选的结束帧;输出画幅跟随起始图片。
  • prompt 与 multi_prompt 只能发送其一。
  • 费用为输出秒数 × 分辨率费率,提交任务时预扣。

相关模型

Kling 4.0 Image to Video API 常见问题

Kling 4.0 Image to Video API 是什么?

Kling 4.0 Image to Video 是快手用于让静态图片动起来的模型,由可灵 AI 于 2026 年 10 月发布。它将起始图片(以及可选的结束图片)转化为 3–30 秒、720p 或 1080p 的带立体声视频。模型以你的图片作为开场帧,保留主体与构图,并在提供结束帧时规划通往它的运动。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 4.0 Image to Video 的首尾帧如何使用?

在 image_urls 中按顺序列出 URL。第一张作为开场,若有第二张则作为结尾,提示词描述两者之间如何过渡。

Kling 4.0 Image to Video 输出什么画幅?

输出画幅跟随起始图片。如需特定比例,请在上传前把图片裁成 16:9、9:16 等目标比例。

Kling 4.0 Image to Video 能从一张图展开多个镜头吗?

可以。用 multi_prompt 代替 prompt,把视频拆成各自有描述和时长的镜头,合计 3–30 秒。

Kling 4.0 Image to Video 如何计费?

720p 每输出秒 28.5 点数($0.1425),1080p 每秒 42.5 点数($0.2125)。6 秒 720p 视频为 171 点数。

Kling 4.0 Image to Video 最长能生成多少秒?

单次 3–30 秒,默认 5 秒。生成较长视频时,在提示词中描述动作的多个阶段效果更好。

什么时候该用 Kling 4.0 Reference to Video 而不是 Image to Video?

Image to Video 会把图片锁定为第一帧。若希望把角色、产品或场景带入新画面而不固定开场帧,或需要同时使用多个参考,请选择 Reference to Video。