Kling O3 Standard Image to Video API

kwaivgi/kling-video-o3-std/image-to-video

Kling O3 Standard 图生视频:使用首帧和可选尾帧生成 3–15 秒视频。支持单镜头和多镜头;sound 必须显式传入,多镜头必须开启声音。

输入

410/2,500

Image Urls[0]
Image Urls[0]
Image Urls[1](可选)
Image Urls[1](可选)
输出
已就绪
3 秒 × 10 积分/秒 = 30 积分 ($0.150)
继续使用

示例

Preserve the adult performer, red costume, two silks and empty circus tent from the image. Securely supported in the hip wrap, she slowly rotates a quarter turn; free silk tails follow with realistic weight. A gentle camera arc follows without cutting. Keep natural anatomy and finish in a stable held pose. Audio: soft breathing, silk friction and quiet tent ambience; no music or speech. No text, logos or watermarks.

Preserve the manta ray and submerged stone arch from the image. The single manta glides smoothly forward through the arch opening with one slow, anatomically natural wave of its broad fins. A slow lateral camera track reveals parallax between the foreground stones and distant ruins. Fine suspended particles drift in blue water and soft caustic light crosses the stone. One continuous underwater shot; no sudden acceleration or new creatures. No text, logos or watermarks.

Kling O3 Standard Image to Video

Kling O3 Standard 图生视频:使用首帧和可选尾帧生成 3–15 秒视频。支持单镜头和多镜头;sound 必须显式传入,多镜头必须开启声音。

为什么选择此模型

  • 首尾双关键帧控制支持上传起始帧与结束帧两张图片,模型依据物理动力学自动插值过渡轨迹,精确掌控视频始末状态。

  • 出色的视觉特征继承深度锁定源图中的人物面部五官、服装纹理与场景纵深结构,动态演绎中无漂移、不畸变。

  • 原生动作音效合成结合图像画面语义与动态轨迹,原生合成伴随动作发生的环境音响与碰撞音效,音随画动。

  • 高效 720p 动态表现以 10 积分/秒的亲民成本输出高质量 720p 动态成片,特别适合图生视频大批量流水线生产。

  • 多镜头分镜与时长自由支持 3–15 秒整秒输出与多镜头序列控制,赋予静态图片丰富的影视叙事延展空间。

参数说明

参数要求说明
prompt条件必填

multi_shots=false 时必填,描述场景、动作和镜头运动。去除首尾空白后须为非空文本,最多 2,500 字符。multi_shots=true 时请省略 prompt。

默认值-
multi_shots

必填,必须显式传入 false(单镜头)或 true(多镜头)。单镜头需要 prompt;多镜头需要 multi_prompt 和 sound=true,且顶层 prompt 不得为非空文本。省略此字段会报错。

默认值-
multi_prompt条件必填

multi_shots=true 时必填,单镜头模式请省略。至少提供一个分镜,每段包含非空 prompt(最多 2,500 字符)和整数 duration(1–12 秒)。分镜时长之和必须等于顶层 duration(3–15 秒)。分镜内的额外字段会被忽略。

默认值-
duration

必填,3–15 秒的整数。多镜头模式下必须等于所有分镜时长之和,积分按此值计算。

默认值-
sound

必填,必须显式传入 true(生成声音)或 false(无声视频)。单镜头可使用任一值,多镜头必须为 true。

默认值-
aspect_ratio

可省略;若传入,仅接受 16:9、9:16 或 1:1。图生会忽略该值,实际画幅由输入图片决定。

默认值-
image_urls

必填,包含 1–2 张图片的数组,第一张为首帧,第二张为可选尾帧。支持公开 HTTP(S) URL、图片 Data URI 或原始 Base64 图片数据。

默认值-

使用步骤

  1. 上传源参考图像提供 1 张起始帧图片(必选);如需精准控制收尾状态,可再上传 1 张结束帧图片。

  2. 描述动态意图撰写运动提示词,交代人物动作、相机运镜方向以及场景内的环境动态变化。

  3. 设定时长与音频选择 3–15 秒的成片时长,并根据内容需要开启或关闭原生同步音频开关。

  4. 提交生成任务发起 API 调用或点击运行,系统根据首尾关键帧约束与提示词指导开始物理时空推理。

  5. 预览与导出视频任务完成后在线播放审查生成的 720p 动态视频,确认动作平滑度并导出保存。

价格

费用 = 顶层 duration × 每秒费率。1 积分 = $0.005。任务若执行失败,系统将全额自动返还扣除的积分。

计费项费率说明
无声10 积分/秒 ($0.050/s)文生视频与图生视频使用相同费率。
有声13 积分/秒 ($0.065/s)文生视频与图生视频使用相同费率。

适用场景

  • 静帧摄影动态升维将高质量人像摄影或风光静帧转化为生动的 720p 动态短片,用于艺术画廊展示。

  • 电商静态商品展示生活上传服装模特或数码商品图,生成衣物摆动、水流倾泻等生动展示视频。

  • 首尾帧精准过渡运镜传入场景俯瞰图与特写图作为首尾帧,由模型自动插值生成平滑的变焦推拉镜头。

  • 动漫插画微动化激活二维插画与概念设定图,赋予角色眨眼、发丝飘动与背景动态光影。

使用技巧

  • 提供 2 张图片时,首张作为视频首帧,第二张作为视频尾帧,两张图的构图逻辑与主体比例尽量保持合理物理演化间距。
  • 提示词重点描述“从首帧状态过渡到尾帧状态的具体动作路径”,例如“角色缓缓转头望向镜头并露出微笑”。
  • 源图片建议使用清晰、无过度压缩的 JPEG 或 PNG 格式,画面核心主体处于视觉中心。
  • 如需生成角色说话视频,上传清晰面部特写并在提示词中注明台词内容,同时开启声音选项。
  • 运动幅度建议遵循物理惯性,避免提示词中出现与初始画面物理姿态冲突的瞬间突变动作。

注意事项

  • image_urls 数组支持 1–2 个公开 HTTP(S) 地址或合法的 Base64 图片数据,首图为起幅,次图为落幅。
  • 开启多镜头模式时,顶层 prompt 须为空,所有描述配置在 multi_prompt 中,且必须启用 sound=true。
  • 任务执行采用异步处理流程,请使用返回的 task_id 查询任务状态直到变为 finished 或 failed。

Kling O3 Standard Image to Video API 常见问题

这个端点可以生成什么?

Kling O3 Standard 图生视频:使用首帧和可选尾帧生成 3–15 秒视频。支持单镜头和多镜头;sound 必须显式传入,多镜头必须开启声音。

如何使用首帧和尾帧?

必填,包含 1–2 张图片的数组,第一张为首帧,第二张为可选尾帧。支持公开 HTTP(S) URL、图片 Data URI 或原始 Base64 图片数据。

视频画幅如何确定?

可省略;若传入,仅接受 16:9、9:16 或 1:1。图生会忽略该值,实际画幅由输入图片决定。

如何设置多镜头?

必填,必须显式传入 false(单镜头)或 true(多镜头)。单镜头需要 prompt;多镜头需要 multi_prompt 和 sound=true,且顶层 prompt 不得为非空文本。省略此字段会报错。 multi_shots=true 时必填,单镜头模式请省略。至少提供一个分镜,每段包含非空 prompt(最多 2,500 字符)和整数 duration(1–12 秒)。分镜时长之和必须等于顶层 duration(3–15 秒)。分镜内的额外字段会被忽略。

如何控制声音和提示词长度?

必填,必须显式传入 true(生成声音)或 false(无声视频)。单镜头可使用任一值,多镜头必须为 true。 提示词的 API 校验上限为 2,500 字符。部分多镜头生成请求曾因单段提示词超过 512 字符而失败,建议每段控制在 512 字符以内;这项建议不改变 API 校验上限。

时长和积分如何计算?

时长为 3–15 秒。无声视频 10 credits/秒,有声视频 13 credits/秒;积分为顶层 duration 乘以对应费率。

生成失败或请求超时怎么办?

非法参数会在创建生成任务和扣费前被拒绝。已受理的生成任务状态变为 failed 后,已扣积分会退回。客户端超时不代表任务失败,请先查询原 task_id 的状态,再决定是否重新提交。