Kling Avatar 2.0 Pro API

kwaivgi/kling-video/ai-avatar/v2/pro

Kling Avatar 2.0 Pro 将人物肖像与驱动音频转化为高保真数字人视频,支持富表现力手势、物体交互引导与逼真微动作。它能够在较长讲述镜头中稳定保持面部身份,同时细化眼神运动、颈部动态与演播级呈现质感。

输入

拖拽文件、粘贴剪贴板素材,或输入 URL。

1/1 个素材

拖拽文件、粘贴剪贴板素材,或输入 URL。

1/1 个素材

272 / 2500
输出
已就绪
预估: 6s × 14 = 84 积分 ($0.420)

示例

The astronomer speaks calmly and thoughtfully in English, gently opens one hand toward the sky once, then rests it. Subtle wonder in her eyes and a small closing smile. Accurate lip sync, stable face and natural fingers. Preserve twilight lighting, locked camera, no cuts.

The actress delivers a quiet personal confession. Her initially vulnerable expression softens into relief and a small sincere smile after the pause. One subtle exhale, relaxed shoulders, hands remain natural. Precise lip sync and nuanced eyes, stable identity. Locked camera, no cuts.

The traveler speaks in Mandarin with relief, lets his shoulders relax once, and ends with a restrained reassuring smile while keeping his hands on the backpack straps. Precise lip sync, natural blinking, preserve face and rainy mountain station. Locked camera, no cuts.

Kling Avatar 2.0 Pro

Kling Avatar 2.0 Pro 是面向需要更流畅动态与更强表演控制的高保真数字人档位,仍只需一张人物肖像与一份驱动音频。多模态理解与级联数字人合成先完成精准口型,再叠加富表现力手势、物体交互线索以及高细节的眼神与颈部微动。适合商业讲解、虚拟主持人与演播风格发言人在较长旁白中保持身份一致。按服务端检测音频秒数向上取整后以 14 积分/秒计费,适合在 Standard 完成迭代后升级为面向客户的交付成片。

为什么选择

  • 人物说话动态呈现人物说话动态,特写回放中口型、眨眼与转头更流畅。

  • 数字人视频交付生成数字人视频,满足客户审核、付费投放与需要更清晰面部细节的产品叙事。

  • 手势与物体交互精细引导性能提示词可引导指向、持握与触碰产品等动作,让演示超越单纯面部口型同步。

  • 眼神与颈部高保真微动作细化随语句推进的视线变化与颈部动态,呈现更接近真人出镜的演播感。

  • 长镜头身份一致性在课程、广告与虚拟发言人常用的 2–60 秒讲述中,持续保持锚定肖像的可识别性。

  • 商业演播级表现面向专业讲解与品牌发言场景,提供更顺滑的运动、更丰富的表演与可发布的数字人质感。

参数

参数要求说明
image_urls必填

恰好一张图片,支持公开 HTTP(S) URL、图片 Data URI 或裸 Base64。

audio_url必填

音频须为 2–60 秒,不超过 5 MiB。时长由服务端检测。

prompt选填

选填文本,最多 2,500 个字符;去除首尾空白,空字符串、纯空白或 null 均按未填写处理。

使用方法

  1. 准备清晰人物肖像使用清晰、光线均匀且面部完整可见的单张肖像,便于 Pro 在高保真输出中保持身份。

  2. 提供 2–60 秒语音音频提交时长 2–60 秒、不超过 5 MiB 的可公开访问语音轨;吐字清晰更有利于口型与手势时序。

  3. 可选添加动作与情绪提示词描述一个聚焦的表演方向,例如自信讲解并指向产品,以引导手势与微动作。

  4. 提交生成并获取高品质视频提交 Pro 任务后轮询 task_id 至 finished,再从 data.files[].file_url 获取高保真数字人成片。

价格

最终按服务端检测的音频秒数向上取整计费。

模型单价说明
Kling Avatar 2.0 Pro14 积分/秒 ($0.070/s)ceil(音频时长秒数) × 14 积分。

使用场景

  • 电商广告与产品演示产出结合口型同步与手势引导的发言人短片,用于产品亮点讲解与种草演示。

  • 在线教育与课程讲解为高端课程提供更顺滑的讲师说话头像,强化大屏观看时的眼神交流与面部细节。

  • 自媒体短视频创作为创作者渠道生成高帧率说话短片,呈现比基础口型同步更丰富的肢体语言。

  • 跨语言出海宣发同一品牌面孔搭配本地化音频,发布面向海外上线的高完成度多语言发言人内容。

  • 虚拟品牌发言人为直播预告、公告与活动开场维护一致的数字主持人,满足演播级运动质量要求。

使用技巧

  • 使用高分辨率、光线均匀、双眼清晰且起始姿态中性的肖像,有助于成片保持身份锐利。
  • 提供降噪充分、响度平稳的音频;干净的语音起始更有利于口型、眼神与手势时序。
  • 每条提示词围绕一个主要手势或情绪,使手部与物体交互线索保持连贯。
  • 长文案按 2–60 秒分段用 Pro 生成后再后期拼接,有助于整段叙事中的身份一致性。

注意事项

  • 最终费用按服务端检测的音频秒数向上取整,再乘以 14 积分/秒。
  • audio_url 须为可公开访问文件,时长 2–60 秒,且不超过 5 MiB。
  • image_urls 每次任务仅接受一张人物肖像,可使用公开 HTTP(S) URL、图片 Data URI 或裸 Base64。
  • 输出为完整预渲染的高保真数字人视频成片,适用于发布与后期剪辑流程。

相关模型

Kling Avatar 2.0 Pro API 常见问题

Kling Avatar 2.0 Pro API 是什么?

Kling Avatar 2.0 Pro 是快手科技(可灵 AI)研发的高保真数字人视频生成模型,用于将人物肖像与驱动音频转化为说话视频。它可产出数字人成片,具备富表现力手势、物体交互引导以及逼真的眼神与颈部微动。基于多模态理解与级联数字人合成,它在较长旁白中保持面部身份,同时提升演播级说话表现。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。

可以设置输出帧率吗?

此接口不提供帧率参数,具体帧率以生成的视频为准。

可以设置输出分辨率吗?

此接口不提供分辨率参数,具体尺寸以生成的视频为准。

Kling Avatar 2.0 Pro 如何引导手势交互?

可添加可选性能提示词,引导指向、持握或触碰产品等动作,同时仍以驱动音频作为语音时序来源。

Kling Avatar 2.0 Pro 会细化眼神微动吗?

会。Pro 强调随语句推进的视线变化与颈部动态,使主持人呈现超越基础口型同步的真实感。

Kling Avatar 2.0 Pro 接受多长的音频?

请使用时长 2–60 秒、不超过 5 MiB 的可公开访问音频。时长由服务端检测,并按向上取整整秒以 14 积分/秒计费。

什么时候该选择 Kling Avatar 2.0 Pro 交付?

当成片需要 更丰富的手势引导或商业演播级呈现,并在 Standard 迭代完成后升级交付时,选择 Pro。