Kling 3.0 Motion Control API Preis: 720p $0.10 pro Sekunde

TL;DR

• Kling 3.0 Motion Control (kling-3.0/motion-control) überträgt Bewegungen und Mimik aus einem Referenzvideo auf dein Personenfoto. HiAPI rechnet nach Ausgabesekunden ab: 720p $0.10 pro Sekunde, 1080p $0.172 pro Sekunde. Ein 6-Sekunden-Clip in 720p kostet $0.60.
• Du musst keine Dauer übergeben, die Ausgabe folgt dem Referenzvideo, das Referenzvideo muss 3–30 Sekunden lang sein. Der Originalton des Referenzvideos bleibt standardmäßig erhalten, ohne Aufpreis.
• Bereits auf HiAPI verfügbar: Modellseite öffnen, ein Personenfoto und ein Bewegungsvideo hochladen und generieren. Neue Nutzer erhalten bei der Registrierung 200 Credits.

Preistabelle

Ausgabedauer	720p (Standard)	1080p
pro Sekunde	$0.10	$0.172
3 Sekunden (Minimum)	$0.30	$0.516
5 Sekunden	$0.50	$0.86
10 Sekunden	$1.00	$1.72
15 Sekunden	$1.50	$2.58
30 Sekunden (Maximum)	$3.00	$5.16

Aktueller HiAPI-Preis, geprüft am 18. Oktober 2026.

1080p ist pro Sekunde 72 % teurer als 720p. Bei Fehlschlag wird nicht abgerechnet.

So wird abgerechnet

Die Kosten hängen nur von zwei Dingen ab: wie viele Ausgabesekunden und welche Auflösung.

• Die Dauer bestimmt das Referenzvideo. Ist das Referenzvideo 6 Sekunden lang, ist die Ausgabe in der Regel ebenfalls 6 Sekunden. Bei sehr schnellen oder komplexen Bewegungen kann die Ausgabe kürzer als das Referenzvideo sein; abgerechnet werden die tatsächlichen Sekunden.
• Erst Vorab-Reservierung, dann Abrechnung. Beim Erstellen der Aufgabe wird zunächst bis zur Obergrenze der jeweiligen Ausrichtung reserviert: Bei character_orientation = video (Standard) liegt die Obergrenze bei 30 Sekunden, bei image bei 10 Sekunden. Nach Abschluss der Aufgabe wird anhand der tatsächlichen Ausgabesekunden zurückerstattet oder nachbelastet. Das Guthaben muss also für die Reservierung ausreichen, sonst lässt sich die Aufgabe nicht erstellen.
• Prompt und Originalton beeinflussen den Preis nicht. Ob prompt gesetzt oder keep_original_sound aktiviert ist, der Preis bleibt gleich.

Was ein 6-Sekunden-Clip liefern kann

Das folgende Beispiel stammt von der Modellseite: Hochformat 1080p, 6 Sekunden, die Person spricht in die Kamera und gestikuliert dabei, Bewegung und Mimik stammen aus dem Referenzvideo.

kling-3.0/motion-control, 1080p, 6 Sekunden, ca. $1.03 (6 × $0.172).

Noch eine 720p-Reihe: dasselbe Personenfoto, dasselbe 6-sekündige Bewegungsvideo (Kopf drehen, winken, lächeln), einmal ohne Prompt, einmal mit dem Prompt „Golden-Hour-Außenlicht“.

Personenfoto:

Bewegungs-Referenzvideo:

Ohne Prompt:

kling-3.0/motion-control, 720p, 6 Sekunden, $0.60.

Mit Prompt:

Golden-hour outdoor lighting, warm rim light from the left, shallow depth of field with a softly blurred park background.

Modellseite mit diesem Prompt öffnen → (dann Personenfoto und Referenzvideo hochladen)

kling-3.0/motion-control, 720p, 6 Sekunden, $0.60.

Die Bewegungen sind in beiden völlig identisch, geändert haben sich nur Licht und Hintergrund. Der Prompt steuert die Szene, nicht die Bewegung; wer die Bewegung ändern will, muss das Referenzvideo wechseln.

Vergleich mit anderen Kling 3.0-Einstiegspunkten

	Motion Control	Kling 3.0 Standard	Kling 3.0 Turbo
720p / Sekunde	$0.10	$0.10 (ohne Ton)	$0.13
1080p / Sekunde	$0.172	$0.129 (ohne Ton)	$0.16
Woher die Bewegung kommt	Referenzvideo	Prompt	Prompt
Pflichteingaben	Personenfoto + Bewegungsvideo	Prompt	Prompt
Dauer	folgt Referenzvideo, 3–30 Sekunden	3–15 Sekunden	3–15 Sekunden

720p Motion Control und Standard ohne Ton kosten gleich viel. Der Unterschied: Die Bewegung gibst du vor. Dieselben Tanzschritte, dieselbe Sprechgestik lassen sich auf jedes beliebige Personenfoto anwenden, ohne auf den Prompt zu hoffen.

Monatsbudget

Nutzung	Sekunden pro Monat	720p	1080p
100 Clips × 5 Sekunden	500	$50	$86
100 Clips × 10 Sekunden	1000	$100	$172
300 Clips × 10 Sekunden	3000	$300	$516

So gibst du weniger aus

• Erst mit 720p testen: Prüfen, ob die Bewegung korrekt übertragen wird und die Person nicht verzerrt ist, dann 1080p ausgeben.
• Referenzvideo genau zuschneiden: Die Ausgabe folgt dem Referenzvideo, jede zusätzliche Sekunde kostet eine Sekunde mehr.
• Das Bewegungsvideo kannst du selbst generieren: Wenn kein fertiges Material vorhanden ist, generiere eines mit grok-imagine/text-to-video in 480p, $0.015 pro Sekunde, $0.09 für 6 Sekunden; danach lässt es sich immer wieder auf verschiedene Personen anwenden.
• Bei reiner Kameraführung ohne komplexe Bewegungen image-Ausrichtung verwenden: Obergrenze 10 Sekunden, auch die Reservierung ist geringer.

Häufige Fragen

Muss ich duration übergeben?

Nein, und das ist auch nicht möglich. Die Ausgabedauer folgt dem Referenzvideo, das Referenzvideo muss 3–30 Sekunden lang sein.

Bleibt der Ton aus dem Referenzvideo erhalten?

Standardmäßig ja (keep_original_sound ist true), ohne Aufpreis. Wenn du keinen Originalton willst, übergib false.

Kann der Prompt die Bewegung ändern?

Nein. Bewegung und Mimik stammen aus dem Referenzvideo; prompt beeinflusst nur Szene, Stil und Kameraführung, maximal 2500 Zeichen.

Welche Anforderungen gibt es an das Personenfoto?

1 Bild, jpeg/png, maximal 10MB, beide Seiten größer als 340 Pixel, Seitenverhältnis zwischen 2:5 und 5:2, Kopf, Schultern und Oberkörper müssen klar erkennbar sein.

Wird bei Fehlschlag abgerechnet?

Nein. Der reservierte Betrag wird zurückerstattet.

Weitere Anwendungen findest du unter Prompt-Beispiele für Motion Control (englisch). Preise der anderen Kling 3.0-Einstiegspunkte findest du unter Kling 3.0 API-Preise.