Kling Avatar 2.0 Standard

curl --request POST \
  --url https://api.vidgo.ai/api/generate/submit \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "model": "kwaivgi/kling-video/ai-avatar/v2/standard",
  "input": {
    "audio_url": "https://example.com/audio.mp3",
    "image_urls": [
      "https://example.com/image.png"
    ]
  }
}
'

{
  "code": 200,
  "data": {
    "task_id": "task-unified-example",
    "status": "running",
    "created_time": "2026-09-10T08:00:00"
  }
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

Request timeout

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

{
  "detail": "<string>"
}

使用 Kling Avatar 2.0 Standard 创建说话的数字人，结合角色图片与音频表演，可选文本引导。

​

模型

• kwaivgi/kling-video/ai-avatar/v2/standard - 用驱动音频让角色图片动起来。

​

功能

• 用驱动音频让角色图片动起来。
• image_urls 中恰好接受 1 张图片。

​

时长选项

• 驱动音频：2-60 秒 - 服务会检测 audio_url 的时长。
• 音频必须可通过 HTTP(S) 公开访问，且不超过 5 MiB。

​

高级参数

model 和可选的 callback_url 放在请求根级。所有工作流程参数（包括输出选项）都放在 input 中。 只发送该工作流程支持的 input 字段。不支持的 input 字段会在扣除积分前被拒绝。输入 URL 必须使用 HTTP(S)、包含主机名，且不含内嵌凭据。图像输入也接受图片 Data URI 或原始 Base64。图像转换和媒体校验在扣除积分前完成。

​

图像 URL

• image_urls：必填。恰好提供 1 项。每一项可以是公开的 HTTP(S) URL、图片 Data URI 或原始 Base64。图片顺序保持不变。

​

音频 URL

• audio_url：必填。提供输入音频 URL。使用公开可访问的 HTTP(S) URL。

​

提示词

• prompt：可选。描述场景和期望的动作。去除首尾空白后最多 2500 个字符。
• 首尾空白会被去除。省略、null、空字符串和仅含空白的值都视为省略。

​

价格

用量按检测到的驱动音频时长计算，向上取整到整秒。 当前费率请查看 Vidgo 仪表盘。 提交时扣除积分，任务失败时退还。