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-o3-4k/text-to-video",
"input": {
"duration": 4,
"sound": true,
"multi_shots": false,
"prompt": "Photoreal slow lateral dolly through an empty ancient temple gallery in rain. Weathered floral stone reliefs fill the foreground; rows of pillars recede toward a quiet courtyard. Water follows carved grooves and drips from worn edges, revealing mineral grains, chisel marks and moss in cracks. Soft overcast daylight, subtle wet highlights, stable architecture and rich fine detail. Audio: gentle rain and isolated drips; no music. No text, logos or watermarks.",
"aspect_ratio": "16:9"
}
}
'{
"code": 200,
"data": {
"task_id": "task-submitted-example",
"status": "not_started",
"created_time": "2026-09-22T00:00:00Z"
}
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}Request timeout{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}Kling
Kling O3 4K 文生视频
使用 Kling O3 4K 根据文本提示词生成 3–15 秒的视频。输出 4K 视频。支持单镜头和多镜头生成。需显式设置 sound；多镜头需要开启音频。
POST
/
api
/
generate
/
submit
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-o3-4k/text-to-video",
"input": {
"duration": 4,
"sound": true,
"multi_shots": false,
"prompt": "Photoreal slow lateral dolly through an empty ancient temple gallery in rain. Weathered floral stone reliefs fill the foreground; rows of pillars recede toward a quiet courtyard. Water follows carved grooves and drips from worn edges, revealing mineral grains, chisel marks and moss in cracks. Soft overcast daylight, subtle wet highlights, stable architecture and rich fine detail. Audio: gentle rain and isolated drips; no music. No text, logos or watermarks.",
"aspect_ratio": "16:9"
}
}
'{
"code": 200,
"data": {
"task_id": "task-submitted-example",
"status": "not_started",
"created_time": "2026-09-22T00:00:00Z"
}
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}Request timeout{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}{
"detail": "<string>"
}- 提交后会返回
task_id。如果提供了callback_url，当任务状态变为finished或failed时，系统会向callback_url发送 POST 请求。 - 无论是否提供
callback_url，都可以通过统一的查询任务状态接口获取结果。
参数
使用模型kwaivgi/kling-video-o3-4k/text-to-video。生成参数放在 input 中。
prompt：multi_shots=false 时必填。描述场景、动作和运镜。使用非空文本，去除首尾空白后最多 2,500 个字符。multi_shots=true 时省略 prompt。multi_prompt：multi_shots=true 时必填；单镜头模式下省略。至少提供一个镜头，每个镜头包含不超过 2,500 个字符的非空 prompt 和 1–12 秒的整数 duration。各镜头时长之和必须等于顶层 duration（3–15 秒）。镜头对象中的多余字段会被忽略。duration：必填整数，3 到 15 秒。多镜头模式下必须等于所有镜头时长之和。积分按该值计算。multi_shots：必填：单镜头显式传 false，多镜头传 true。单镜头模式需要 prompt。多镜头模式需要 multi_prompt 和 sound=true，且顶层不能有非空 prompt。省略该字段会报错。sound：必填：显式传 true 生成音频，或传 false 生成无音频视频。单镜头模式两者均可；多镜头模式必须为 true。aspect_ratio：可选：16:9（横屏）、9:16（竖屏）或 1:1（方形）。设置视频宽高比。
计费因素
使用 4K 模型档位，按生成的秒数计费。用量由视频时长（duration）决定；开启或关闭音频（sound）不影响费率。
生成失败的任务会退款。
默认示例：石廊雨景
这与模型页面上展示的默认示例相同。{
"model": "kwaivgi/kling-video-o3-4k/text-to-video",
"input": {
"duration": 4,
"sound": true,
"multi_shots": false,
"prompt": "Photoreal slow lateral dolly through an empty ancient temple gallery in rain. Weathered floral stone reliefs fill the foreground; rows of pillars recede toward a quiet courtyard. Water follows carved grooves and drips from worn edges, revealing mineral grains, chisel marks and moss in cracks. Soft overcast daylight, subtle wet highlights, stable architecture and rich fine detail. Audio: gentle rain and isolated drips; no music. No text, logos or watermarks.",
"aspect_ratio": "16:9"
}
}
状态接口返回的完成结果
GET /api/generate/status/{task_id}
下面的响应记录的是这个已验证的示例。新的生成任务请查询你自己提交后返回的任务 ID。
{
"code": 200,
"data": {
"task_id": "EE4XVIYVL5IAX4YG",
"status": "finished",
"files": [
{
"file_type": "video",
"file_url": "https://cdn.vidgo.ai/apis/models/kwaivgi/kling-video-o3-4k/text-to-video/v1/01/output.mp4"
}
],
"created_time": "2026-09-22T18:48:45",
"error_message": null,
"progress": 100
}
}
API 对提示词的校验上限为 2,500 个字符。部分多镜头生成请求在单个镜头提示词超过 512 个字符时失败。建议每个镜头提示词控制在 512 个字符以内；该建议不改变 API 的校验上限。
授权
使用 VIDGO_API_KEY。
请求体
application/json
model 和 callback_url 放在根级。未知的根级字段会被忽略；不支持的 input 字段会被拒绝。
示例:
"kwaivgi/kling-video-o3-4k/text-to-video"
视频生成参数。请使用标准 JSON 数字和布尔值。为兼容起见，也接受 "5" 这样的整数字符串。布尔字符串 true/1/yes/y/on 表示 true；false/0/no/n/off 表示 false。这些字符串不区分大小写，并会去除首尾空白。布尔字段也接受数字 1 和 0。数字和布尔类型的提示词会转换为文本；0、false 和 null 视为空。提示词不接受对象和数组。
Show child attributes
Show child attributes
可选的公开 HTTP(S) 接口，用于接收任务完成通知。建议使用 HTTPS。省略、传 null 或空字符串即可禁用回调。