Kling 4.0 Text to Video API

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

Kling 4.0 Text to Video 将提示词或多镜头分镜转化为一条 3–30 秒、720p 或 1080p 的视频,带立体声音轨并提供五种画幅。它在长镜头和镜头切换中保持场景连贯,同时遵循你描述的运镜、对白与声音。

输入
511/26000

切换到 JSON 可使用 multi_prompt 编写多镜头分镜。

Kling 4.0 Text to Video

Kling 4.0 是快手旗下可灵 AI 于 2026 年 10 月 15 日发布的视频模型,单次生成最长 30 秒。Text to Video 仅凭文字构建视频:用一条 prompt 写连续长镜头,或用 multi_prompt 列表为每个镜头分别设定描述和时长。输出带立体声音轨,提示词中的对白、音效和环境声会与画面一同返回。

为什么选择 Kling 4.0 Text to Video API?

  • 单次生成 30 秒可在 3–30 秒间任选时长,无需拼接多次生成结果。

  • 多镜头分镜multi_prompt 让同一视频中的每个镜头拥有独立的描述与时长。

  • 带对白的立体声输出带立体声音轨;可在提示词中写入台词、音效与环境声。

  • 五种画幅auto、16:9、9:16、1:1 或 21:9,覆盖屏幕、信息流与电影感镜头。

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—
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. 写出场景描述动作、运镜与光线,台词用引号标出。

  2. 选择长镜头或分镜连续长镜头用 prompt;多镜头用 multi_prompt,总时长不超过 30 秒。

  3. 设置时长、分辨率与画幅选择 3–30 秒、720p 或 1080p 以及画幅比例。

  4. 提交并获取视频保存 task_id,轮询状态接口或使用 callback_url,直到返回视频地址。

用量与计费

Kling 4.0 Text to Video 按所选分辨率和输出秒数计费。

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

  • 一镜到底广告与品牌片写一段 20–30 秒、带旁白或对白的连续镜头。

  • 短剧场景在一次 multi_prompt 请求中编排多个各自定时的镜头。

  • 讲解与解说短片把画面与写入提示词的台词结合起来。

  • 竖版社媒视频生成带声音、可直接用于信息流的 9:16 视频。

实用技巧

  • 生成 20–30 秒长镜头时,描述动作与运镜如何随时间推进,而不只是开场画面。
  • multi_prompt 中每个镜头不超过 512 个字符并写明时长;未写时长的镜头默认 5 秒。
  • 为对白注明语言,例如:她用西班牙语说“Vamos.”
  • 先用 720p 打样,确认后再用 1080p 重跑。

注意事项

  • prompt 与 multi_prompt 只能发送其一;同时发送 multi_prompt 与 duration 时,duration 须等于分镜合计。
  • 费用为输出秒数 × 分辨率费率,提交任务时预扣。
  • 提交成功返回 task_id,可轮询状态接口或设置 callback_url 获取结果。

相关模型

Kling 4.0 Text to Video API 常见问题

Kling 4.0 Text to Video API 是什么?

Kling 4.0 Text to Video 是快手用于文本生成视频的模型,由可灵 AI 于 2026 年 10 月 15 日发布。它将一条提示词或多镜头分镜转化为 3–30 秒、720p 或 1080p 的视频,并带立体声音轨。单次最长 30 秒的生成让角色、场景与运镜在长镜头和镜头切换中保持连贯。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 Text to Video 的多镜头分镜怎么写?

用 multi_prompt 代替 prompt:一个分镜列表,每个镜头包含不超过 512 个字符的 prompt 和 1–30 秒的 duration(默认 5 秒)。分镜时长合计须为 3–30 秒,合计值即为视频总时长。

Kling 4.0 Text to Video 最长能生成多少秒?

可生成 3–30 秒之间任意整数秒的视频,单次完成,默认 5 秒。

Kling 4.0 Text to Video 能生成对白和声音吗?

每条视频都带立体声音轨。把台词写在引号中并注明语言,同时描述音效与环境声;可灵列出的对白语言包括英语、中文、日语、韩语、西班牙语等。

Kling 4.0 Text 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)。10 秒 1080p 视频为 425 点数。

Kling 4.0 Text to Video 提供哪些画幅?

auto、16:9、9:16、1:1 与 21:9。交付到竖版信息流等固定格式时,请明确设置比例。

Kling 4.0 Text to Video 与 Kling 3.0 Turbo 相比如何?

Kling 4.0 把单条时长提升到 30 秒,多镜头分镜总长可达 30 秒,并同时提供 720p 与 1080p。Kling 3.0 Turbo Pro 仍是 15 秒以内、速度更快、成本更低的 1080p 选择。