Kling 4.0 Reference to Video API

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

Kling 4.0 Reference to Video 将参考图片、参考视频和可复用元素转化为 3–30 秒、720p 或 1080p 的带立体声视频,并在提示词中以 @Image1、@Video1 或 @Element1 引用每个参考。它让角色、产品与场景与参考保持一致,同时把它们放进你描述的新画面中。

输入
503/26000

拖拽文件、粘贴剪贴板素材,或输入 URL。 可选起始帧:1 张 JPEG、PNG 或 WebP。

拖拽文件、粘贴剪贴板素材,或输入 URL。 最多 10 张图片,在提示词中以 @Image1、@Image2… 引用。

2/10 个素材

拖拽文件、粘贴剪贴板素材,或输入 URL。 最多 5 个视频,每个 3–30 秒,合计 30 秒以内,以 @Video1… 引用;按输入视频计费。

切换到 JSON 可添加 kling_elements 或使用 multi_prompt 编写分镜。

输出示例
8 秒 × $0.1425/秒 = $1.140

含参考视频或视频元素时按输入视频费率计费:输出秒数加上输出秒数与输入视频总时长中的较大者。最终金额以服务端测得的视频时长为准。

继续使用

Kling 4.0 Reference to Video

Kling 4.0 由快手旗下可灵 AI 于 2026 年 10 月发布,包含 Omni Reference:单次生成最多可用 15 个素材引导。可组合最多 10 张图片(含可选起始帧)、5 个参考视频和 7 个元素,其中元素是用 2–4 张图片或 1 个视频表现的同一主体。参考视频可提供动作与运镜节奏,视频最长 30 秒并带立体声音轨。

为什么选择 Kling 4.0 Reference to Video API?

  • 单次最多 15 个参考混合图片、视频与元素,确定谁出现、在哪里以及如何运动。

  • 用元素复用主体用 2–4 张图片描述一个角色或产品,并在各场景中以 @Element1 引用。

  • 从参考视频获取动作以 @Video1 指向一段视频,借用其动作或运镜节奏。

  • 清晰的两档计费仅用图片参考时与文生视频同价;加入参考视频后改用更低的输入视频费率,并按公开公式计算。

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—
reference_image_urls三种参考字段至少一项

最多 10 个参考图片 URL,在提示词中以 @Image1、@Image2 等引用。与可选起始帧合计最多 10 张。

默认值—
reference_video_urls三种参考字段至少一项

最多 5 个参考视频 URL,每个 3–30 秒,以 @Video1 等引用。所有输入视频合计不超过 30 秒,并按输入视频计费。

默认值—
kling_elements三种参考字段至少一项

最多 7 个可复用主体,以 @Element1 等引用。每个元素提供 element_input_urls(同一主体的 2–4 张图片)或 element_input_video_urls(1 个视频)之一。最多 3 个视频元素,视频元素按输入视频计费。

默认值—
image_urls可选

可选起始帧:最多 1 个图片 URL,作为视频开场画面。

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
aspect_ratio可选

auto、16:9、9:16、1:1 或 21:9。

默认值auto

使用方法

  1. 整理参考素材选择主体与场景的清晰图片、每段 3–30 秒的参考视频,或用同一主体的 2–4 张图片组成元素。

  2. 在提示词中引用参考按顺序引用素材,例如 @Image1 表示人物面部、@Image2 表示房间、@Video1 表示舞蹈动作。

  3. 设置时长、分辨率与画幅选择 3–30 秒、720p 或 1080p 与画幅;如需固定开场,在 image_urls 中加入起始帧。

  4. 提交并获取视频提交请求后,用 task_id 轮询或等待 callback_url 推送。

用量与计费

仅使用图片参考时,Kling 4.0 Reference to Video 按输出秒数计费。只要包含参考视频或视频元素,就改用更低的输入视频费率,按计费秒数收费:输出秒数加上输出秒数与输入视频总时长(向上取整)中的较大者。例如:1080p 输出 5 秒并使用 12 秒参考视频,计费 17 秒,共 433.5 点数($2.1675)。

计费项目费率详情
720p(仅图片参考)28.5 credits / 秒$0.1425 / 输出秒。5 秒 = 142.5 点数($0.7125),30 秒 = 855 点数($4.275)。
1080p(仅图片参考)42.5 credits / 秒$0.2125 / 输出秒。10 秒 = 425 点数($2.125),30 秒 = 1,275 点数($6.375)。
720p(含输入视频)17 credits / 计费秒$0.085 / 计费秒。计费秒数 = 输出秒数 + 输出秒数与输入视频时长(向上取整)中的较大者。
1080p(含输入视频)25.5 credits / 计费秒$0.1275 / 计费秒,计费秒数规则与 720p 相同。

适用场景

  • 角色一致的系列内容在多集内容、广告或社媒帖子中复用同一元素。

  • 把产品放进新场景保留产品图中的包装与外形,同时更换地点与动作。

  • 动作迁移把参考视频中的动作应用到新角色上。

  • 场景组合把角色图、场景图和道具图组合进同一个镜头。

实用技巧

  • 在提示词中为每个参考指定一个作用,例如身份、场景或动作。
  • 组成元素时,使用同一主体不同角度的 2–4 张图片。
  • 只需借用动作时,参考视频尽量短;输入视频总时长会影响价格。
  • 只有视频必须以某张图开场时,才在 image_urls 中放入起始帧。

注意事项

  • reference_image_urls、reference_video_urls、kling_elements 至少提供一项;prompt 与 multi_prompt 只能发送其一。
  • 数量上限:图片(含起始帧)≤10,参考视频 ≤5,元素 ≤7(视频元素 ≤3),素材合计 15 个。
  • 每个输入视频 3–30 秒、合计不超过 30 秒、单个不超过 100 MB,时长由服务端测量。
  • 提交时按测得的视频时长预扣点数。

相关模型

Kling 4.0 Reference to Video API 常见问题

Kling 4.0 Reference to Video API 是什么?

Kling 4.0 Reference to Video 是快手用于参考素材引导视频生成的模型,由可灵 AI 于 2026 年 10 月发布。它将最多 10 张图片、5 个参考视频和 7 个元素转化为 3–30 秒、720p 或 1080p 的带立体声视频。Omni Reference 输入允许在提示词中以 @Image1、@Video1 或 @Element1 引用每个素材,让身份、场景与动作来自你选择的参考。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 Reference to Video 提示词中如何引用参考?

按素材在各自列表中的顺序引用:@Image1 表示第一张参考图,@Video2 表示第二个参考视频,@Element1 表示第一个元素。并写明各自的作用,例如“@Image1 是角色,@Video1 是舞蹈动作”。

Kling 4.0 Reference to Video 的参考视频如何计费?

包含参考视频或视频元素时,按更低的费率(720p 每秒 17 点数、1080p 每秒 25.5 点数)乘以计费秒数收费:输出秒数加上输出秒数与输入视频总时长(向上取整)中的较大者。10 秒 720p 视频配 3 秒参考视频,计费 20 秒,共 340 点数($1.70)。

Kling 4.0 Reference to Video 中的元素是什么?

元素是可复用的主体:用 element_input_urls 提供同一角色或物体的 2–4 张图片,或用 element_input_video_urls 提供 1 个视频。一次请求最多 7 个元素,其中视频元素最多 3 个。

Kling 4.0 Reference to Video 最多能用多少参考?

素材合计最多 15 个:图片(含可选起始帧)最多 10 张、参考视频 5 个、元素 7 个。每个输入视频 3–30 秒,合计不超过 30 秒。

Kling 4.0 Reference to Video 仅用图片参考时如何计费?

仅使用图片和图片元素时,计费与文生视频相同:720p 每输出秒 28.5 点数,1080p 每秒 42.5 点数。8 秒 720p 视频为 228 点数($1.14)。

Kling 4.0 Reference to Video 能从指定画面开场吗?

可以。在 image_urls 中放入一张图片作为开场画面,与参考素材一起使用;它计入 10 张图片的上限。