Kling 4.0 参考生视频

​

模型

• kwaivgi/kling-v4.0/reference-to-video — Kling 4.0 参考生视频，使用图片、视频和主体，3–30 秒，720p 或 1080p。

​

功能

• 最多 10 张参考图、5 个参考视频和 7 个主体，合计最多 15 个素材。
• 主体可由同一对象的 2–4 张图片或一个视频构成。
• 可通过 image_urls 指定起始帧。
• 支持单段或多镜头提示词；3–30 秒，720p 或 1080p。
• 五种宽高比：auto、16:9、9:16、1:1、21:9。

​

输入模式

• 参考图（reference_image_urls）：用 @Image1、@Image2……引用。
• 参考视频（reference_video_urls）：用 @Video1、@Video2……引用，按输入视频计费。
• 主体（kling_elements）：用 @Element1、@Element2……引用。视频主体按输入视频计费。

• 单段提示词：传 prompt，可选传 duration。
• 多镜头：传 multi_prompt，每个镜头一项。视频时长为各镜头时长之和；duration 可省略，或设为该总和。

​

必填参数

• reference_image_urls、reference_video_urls、kling_elements 至少传一个。
• prompt（string）或 multi_prompt（object[]）：必须且只能传一个。
  • prompt：去除首尾空白后 1–26,000 个字符。
  • multi_prompt：非空的镜头列表 {prompt, duration?}。每个镜头的 prompt 为 1–512 个字符，duration 为 1–30 的整数（默认 5）。各镜头时长之和须为 3–30 秒。

​

可选参数

• reference_image_urls（string[]）：最多 10 个公开 HTTP(S) 图片 URL。
• reference_video_urls（string[]）：最多 5 个公开 HTTP(S) 视频 URL，每个 3–30 秒。
• kling_elements（object[]）：最多 7 个主体，其中视频主体最多 3 个。每个主体必须且只能包含以下之一：
  • element_input_urls（string[]）：该主体的 2–4 个图片 URL。
  • element_input_video_urls（string[]）：该主体的 1 个视频 URL（3–30 秒）。
• image_urls（string[]）：一个起始帧图片 URL。
• duration（integer）：输出时长，3–30 秒。默认 5；使用 multi_prompt 时默认为各镜头时长之和，显式传入的值必须与之相等。
• resolution（string）：720p 或 1080p。默认 720p。
• aspect_ratio（string）：auto、16:9、9:16、1:1 或 21:9。默认 auto。

​

输出

​

示例

• 参考图：一张角色图和一张咖啡馆图，分别以 @Image1、@Image2 引用，720p，8 秒。
• 主体加参考视频，带回调：由两张图片构成的机器人主体，加一段以 @Video1 引用的舞蹈视频，1080p，10 秒，9:16。

​

注意事项

• 数量限制：起始帧加参考图 ≤ 10；所有素材（起始帧、参考图、参考视频、主体）≤ 15；视频主体 ≤ 3。
• 输入视频会在服务端下载并检测时长（每个最大 100 MB）。每个视频须为 3–30 秒，所有输入视频合计不得超过 30 秒。
• 主体中的 voice_id 及其他多余字段会返回 400。
• 上文未列出的字段会返回 400。model 和 callback_url 放在请求根级，不要放进 input。
• 积分在提交时预扣，取决于 resolution 和时长。有输入视频时使用单独的输入视频费率，计费秒数 = 输出时长 + max（输出时长，输入视频总时长）；输入视频时长先求和再向上取整到整秒。任务失败会全额退还。当前费率见定价页。只含参考图或图片主体的请求按标准费率、以输出时长计费。
• 仅支持 720p 或 1080p 输出；本模型没有 4K 或 HDR 档位，没有音频开关，也不支持 seed。

Authorization: Bearer VIDGO_API_KEY