根据文字创建视觉场景
描述媒介、环境、运动主体与镜头行为。水墨巷道记录通过文字场景控制雨伞与降雨，可以检查生成风格和运动，用于视觉或分镜构思。
Kling O3 video generation with timed shots and sound
Kling O3 提供 Standard、Pro 与 4K 文生视频和图生视频任务，可以创建 3–15 秒视频。你可以通过一条提示词描述完整场景，也可以开启 multi_shots 与声音，为有序序列中的各个镜头分别填写提示词和时长。图像生成接受首帧与可选尾帧，让准备好的构图引导运动。根据创作要求选择任务、声音与时间安排，再查看当前每秒单价和完整请求费用估算。
Kling O3 由快手开发，Vidgo 提供模型调用服务。模型名称与商标归各自所有者所有。探索 Kling O3 模型
根据文字要求选择 Standard、Pro 或 4K 文生视频，根据首帧与可选尾帧选择对应图生视频，再选择一条连续场景提示词或一组带时长的分镜提示词，设置声音，并将总时长安排在 3–15 秒范围内。
文生视频
Kling O3 Standard Text to Video
Kling O3 generates 3–15-second videos from text prompts or a starting image with optional end-frame guidance. Standard, Pro, and 4K variants support single-shot and multi-shot generation, with 4K output available in the 4K variant.
图生视频
Kling O3 Standard Image to Video
Kling O3 generates 3–15-second videos from text prompts or a starting image with optional end-frame guidance. Standard, Pro, and 4K variants support single-shot and multi-shot generation, with 4K output available in the 4K variant.
文生视频
Kling O3 Pro Text to Video
Kling O3 generates 3–15-second videos from text prompts or a starting image with optional end-frame guidance. Standard, Pro, and 4K variants support single-shot and multi-shot generation, with 4K output available in the 4K variant.
图生视频
Kling O3 Pro Image to Video
Kling O3 generates 3–15-second videos from text prompts or a starting image with optional end-frame guidance. Standard, Pro, and 4K variants support single-shot and multi-shot generation, with 4K output available in the 4K variant.
文生视频
Kling O3 4K Text to Video
Kling O3 generates 3–15-second videos from text prompts or a starting image with optional end-frame guidance. Standard, Pro, and 4K variants support single-shot and multi-shot generation, with 4K output available in the 4K variant.
图生视频
Kling O3 4K Image to Video
Kling O3 generates 3–15-second videos from text prompts or a starting image with optional end-frame guidance. Standard, Pro, and 4K variants support single-shot and multi-shot generation, with 4K output available in the 4K variant.
Kling O3 视频生成与分镜输入
文字请求通过提示词确定场景；图像请求通过 image_urls 提供一张或两张图像，分别用于起始与可选最终状态。单镜头控制使用 prompt，多镜头控制使用 multi_prompt，并开启 multi_shots 与声音。各镜头时长共同构成总时长，使请求能够同时说明内容与时间安排。
| 模型 / 任务 | 输入与工作流 |
|---|---|
| Kling O3 Standard Text to Video | Kling O3 根据文字提示词或首帧与可选尾帧引导生成 3–15 秒视频。Standard、Pro 与 4K 变体支持单镜头和多镜头生成，4K 变体提供 4K 输出。 |
| Kling O3 Standard Image to Video | Kling O3 根据文字提示词或首帧与可选尾帧引导生成 3–15 秒视频。Standard、Pro 与 4K 变体支持单镜头和多镜头生成，4K 变体提供 4K 输出。 |
| Kling O3 Pro Text to Video | Kling O3 根据文字提示词或首帧与可选尾帧引导生成 3–15 秒视频。Standard、Pro 与 4K 变体支持单镜头和多镜头生成，4K 变体提供 4K 输出。 |
| Kling O3 Pro Image to Video | Kling O3 根据文字提示词或首帧与可选尾帧引导生成 3–15 秒视频。Standard、Pro 与 4K 变体支持单镜头和多镜头生成，4K 变体提供 4K 输出。 |
| Kling O3 4K Text to Video | Kling O3 根据文字提示词或首帧与可选尾帧引导生成 3–15 秒视频。Standard、Pro 与 4K 变体支持单镜头和多镜头生成，4K 变体提供 4K 输出。 |
| Kling O3 4K Image to Video | Kling O3 根据文字提示词或首帧与可选尾帧引导生成 3–15 秒视频。Standard、Pro 与 4K 变体支持单镜头和多镜头生成，4K 变体提供 4K 输出。 |
Kling O3：首尾帧过渡与有声多镜头编排
写清动作，并指出需要保留的外观、结构与环境。下方已有记录展示文字生成的水墨场景、首尾帧之间的吊桥过渡、带对白与时间安排的图书馆序列，以及 4K 植物动画。
通过输入图像确定起始状态
准备主体与环境清晰可见的首帧。吊桥输入图像先确定抬起的木桥、塔楼、护城河与桌面，再通过提示词描述到达尾帧的运动。
描述部件相连的画面过渡
提供尾帧，说明已有部件如何旋转或运动。吊桥记录要求刚性桥面围绕铰链下降，同时让链条自然伸展，可以对照结构、接触与输入最终状态检查完成镜头。
为带时长的镜头安排对白与动作
开启 multi_shots 与声音，为每条 multi_prompt 分镜填写提示词和时长。图书馆记录先安排 2 秒掉书镜头，再安排 3 秒道歉镜头，可以对照原始要求检查剪切、保留的角色外观、对白与停顿。
根据细节输出要求选择 4K 任务
需要 4K 输出时，选择 4K 生成任务，并写清需要检查的材料细节与运动。捕蝇草记录要求简短闭合动作，同时保留叶脉、露珠与周围叶片，可以对照植物原图和要求的声音检查输出。
Kling O3 吊桥过渡与机器人分镜案例
第一组记录提供抬起与放下的吊桥画面，要求关闭声音，生成 3 秒固定镜头过渡。第二组记录先安排 2 秒图书馆镜头，让机器人碰落书籍，再安排 3 秒更近的镜头，让它说出“Sorry.”，并开启 multi_shots 与声音。阅读完整提示词和时间安排，再分别检查实际输出中的机械变化或叙事序列。
提示词
固定镜头的微缩场景，从所提供的吊桥抬起首帧过渡到吊桥放下尾帧。唯一一座刚性木桥围绕门口底部铰链缓慢向下旋转，直到到达对岸，两条链条自然伸展。保留塔楼、护城河、桌面、光线与构图。不要人物、新结构或镜头运动，不要文字、标志或水印。
提示词
镜头 1 · 2 秒 温暖橡木图书馆中的电影感奇想写实场景。中景双人构图：一个椭圆面部、琥珀色眼睛的小型象牙白机器人正在将一本蓝色书籍放入书架，不小心将一本红色书籍碰落地面。旁边是一位穿绿色开衫、戴圆眼镜的成年图书管理员。两者都在温暖阅读灯下保持可见。安静室内底噪中出现一次清晰的书籍落地声。书籍封面没有标记。不要文字、标志或水印。 镜头 2 · 3 秒 切换到同一橡木图书馆中，相同象牙白机器人与绿色开衫图书管理员的更近镜头。图书管理员举起一根手指放到嘴唇前。机器人带着歉意歪头，并用轻柔机器人声音准确说出“Sorry.”（对不起），与它的小型嘴部灯光同步。保留两者外观、位置与温暖光线。以尴尬停顿结束，不要音乐、文字、标志或水印。
Kling O3 的创作应用场景
准备文字场景、首帧与可选尾帧，或有序分镜提示词，描述运动、镜头与声音，再选择 Standard、Pro 或 4K，并将总时长设置为 3–15 秒。检查生成结果，将合适的视频用于叙事提案、分镜构思、角色演示、机械过渡、植物研究或接入应用的视频工作流。
根据文字构思风格化镜头
写清场景、媒介、天气与动作，再选择时长和声音设置，检查生成风格与运动，用于视觉方向或分镜研究。
连接微缩场景的首尾状态
提供相互协调的首尾图像，指出铰链或相连部件，并描述运动，再对照结构与最终状态检查完成过渡，用于说明性场景。
规划简短对话或对白节点
开启声音，描述说话人物、准确对白、表情与伴随动作，再检查生成对白和视觉连续性，用于角色或叙事提案。
通过各镜头指令控制序列
开启 multi_shots 与声音，为各镜头填写提示词和 1–12 秒时长，并将整体 3–15 秒时长设置为分镜合计值，再对照计划检查场景顺序、剪切与节奏。
通过 4K 研究细微自然运动
准备植物或自然图像，描述运动部位与需要保持一致的细节，再选择 4K 图像任务，检查生成动作与表面细节，用于视觉研究。
接入包含时间安排的视频配置
保留所选任务、素材地址、提示词或分镜列表、时长与声音设置，再提交经过身份验证的 API 请求，并通过任务 ID 获取完成视频。
Kling O3 模型规格与 API 价格
Kling O3 按秒计费，费用由所选 Standard、Pro 或 4K 任务、视频时长与声音设置确定。下方动态表格展示各任务当前最低单价。使用多镜头请求时，各分镜合计时长就是费用估算使用的完整视频时长。打开所选任务，设置实际时长与声音，查看完整费用后再生成。
| 模型 | 厂商 | 任务类型 | 输入素材 | 输出规格 | 起价 |
|---|---|---|---|---|---|
| Kling O3 Standard Text to Video | Kling | 文生视频 | 文字提示词 | 3–15 s | $0.05 / 秒 |
| Kling O3 Standard Image to Video | Kling | 图生视频 | 首帧与可选尾帧 | 3–15 s | $0.05 / 秒 |
| Kling O3 Pro Text to Video | Kling | 文生视频 | 文字提示词 | 3–15 s | $0.065 / 秒 |
| Kling O3 Pro Image to Video | Kling | 图生视频 | 首帧与可选尾帧 | 3–15 s | $0.065 / 秒 |
| Kling O3 4K Text to Video | Kling | 文生视频 | 文字提示词 | 4K · 3–15 s | $0.25 / 秒 |
| Kling O3 4K Image to Video | Kling | 图生视频 | 首帧与可选尾帧 | 4K · 3–15 s | $0.25 / 秒 |
如何在 Vidgo 使用 Kling O3
先在线测试创作方案， 再将确认后的请求接入应用。
在线体验
使用计划中的参数生成结果
填写场景提示词或有序分镜列表，图像任务还需要提供首帧与可选尾帧，再设置声音和整体时长。使用多镜头生成时，核对各分镜的 1–12 秒时长及与总时长一致的合计值。查看费用估算后生成，再检查动作、场景连续性与请求中的声音。
为何在 Vidgo 使用 Kling O3
选择对应任务，查看参数与费用，并将在线测试中的素材和设置用于经过身份验证的 API 请求。
创作测试与任务选择
围绕创作目标选择输入
根据文字场景选择 Standard、Pro 或 4K 文生视频，根据首帧与可选尾帧选择图生视频。单场景使用 prompt，有序 multi_prompt 列表需要开启 multi_shots 与声音。将整体时长设置为 3–15 秒，使用序列时使其等于分镜合计时长。
使用自己的提示词与图像测试
打开对应任务，填写创作要求并提供所需图像。对照主体外观、构图与预期变化检查生成结果，确认后再将该工作流用于项目。
生成前查看费用估算
查看所选 Standard、Pro 或 4K 任务的单价、声音设置与完整视频时长。多镜头请求使用分镜合计时长，再结合计划测试次数，为完整工作流安排预算。
API 接入与结果管理
参考完整的真实生成案例
结合实际提示词、输入图像与生成结果查看案例，了解如何说明各张输入图像的作用，以及如何描述自己请求中需要保留或改变的细节。
通过任务 ID 跟踪每次生成
保存 API 返回的任务 ID，用于查询生成状态并获取完成文件的地址。通过在线生成记录回看先前结果与测试过的创作方向。
按照所选任务的文档完成接入
通过各任务提供的文档查看准确的模型标识、支持的输入、身份验证方法与响应格式。接入已经在线测试过的任务，使请求中的素材与设置保持一致。
Kling O3 API 常见问题
Kling O3 是快手的视频模型，Vidgo 提供 Standard、Pro 和 4K 文生视频、图生视频任务。它根据文字场景或首帧与可选尾帧引导创建 3–15 秒片段。各变体支持单镜头与带时间安排的多镜头请求，4K 任务提供 4K 输出。
探索更多模型系列
推荐阅读
阅读模型介绍、API 接入指南与平台比较，了解项目所需的输入素材准备、请求接入方法与费用规划。
