Kling 3.0 video generation and motion control

Kling 3.0 是快手的视频系列，Vidgo 提供 Standard 720p、Pro 1080p 和 4K 文字与图像生成，以及 Standard 与 Pro 动作控制。场景生成支持 3–15 秒、可选声音与带时间安排的多镜头控制；动作控制将参考视频中的动作迁移到角色图像，并根据参考片段确定时长和费用。

为文字生成准备场景要求，为图像生成准备画面与主体参考，或为动作控制准备角色图像与动作演示视频。写清动作、镜头与声音，再选择对应输出档位和时间安排。检查生成结果，将合适的视频用于分镜、角色演示、机械或材料研究、对白构思，以及通过 API 驱动的视频工作流。

登录 Vidgo，在账户面板查看余额与 API 凭据。在线测试所选任务，再按照文档提交模型标识、输入字段与输出参数。保存返回的任务 ID，用于查询状态和获取完成视频，或为应用配置回调通知。

根据文字场景选择 Standard、Pro 或 4K 文字生成，根据准备好的画面与主体参考选择图像生成，再使用单条提示词或开启声音的带时长分镜列表。根据一张角色图像与一段动作演示视频选择动作控制，再确定档位与人物朝向。

场景生成可以选择 3–15 秒，Standard 输出 720p，Pro 输出 1080p，4K 任务输出 4K。Standard 与 Pro 文生视频提供 16:9、9:16 和 1:1 画面比例。单镜头使用 prompt；序列将 multi_shots 与 sound 设置为 true，为各条 multi_prompt 分镜选择 1–12 秒时长，并使合计值等于 duration。动作控制输出 Standard 720p 或 Pro 1080p，image 朝向使用 3–10 秒参考片段，video 朝向使用 3–30 秒参考片段。

Standard 与 Pro 图像生成在多镜头请求中使用一张首帧，单镜头请求可以使用一张或两张首尾图像；4K 图像任务接受一张或两张图像。Standard 与 Pro 的命名元素可以为每个元素提供两至四张图像参考或一段视频，4K 元素结构按对应文档准备。动作控制使用一张角色图像与一段视频；使用 video 朝向时，可选的单个面部元素需要一张正面图像与一至三张补充视角参考。准备公开 HTTP(S) 素材，并说明各项来源的作用。

Kling 3.0 场景生成按秒计费，费用由所选 Standard、Pro 或 4K 任务、视频时长与声音档位确定。动作控制使用 Standard 或 Pro 每秒单价，根据检测到的参考视频时长计算费用，并将计算结果中的积分向上取整。下方动态表格展示各任务当前最低单价；打开所选工作流，使用实际时长、声音设置或参考片段查看完整费用估算。

根据所需输出与当前声音、时长费用估算，选择 Standard 720p、Pro 1080p 或 4K 场景生成；通过演示视频提供动作时选择动作控制，其 Standard 与 Pro 分别输出 720p 和 1080p。这些输入方式的参考与时间规则不同，需要使用对应任务，并测试实际素材。

描述主体、有序运动、镜头与声音，并指出需要保留的视觉细节。可以通过相互协调的首尾图像定义过渡，通过命名元素说明主体参考，或通过带时长的 multi_prompt 分镜控制序列。使用动作控制时，准备清晰可见的角色与动作明确的演示，再选择人物朝向及该配置支持的可选面部参考。检查结果后，再完善下一次请求。