Kling Transformation Video-Stil-Neuzeichnung-API: Einheitlicher visueller Stil für jedes Kurzvideo

Wenn du Kurzvideos veröffentlichst, ist dein größter Feind nicht die Kreativität – sondern die visuelle Konsistenz. Du drehst oder generierst Clips zu unterschiedlichen Zeiten, unter unterschiedlichem Licht und aus unterschiedlichen Quellen, und am Ende sieht dein Feed aus wie die Arbeit von fünf verschiedenen Creators. Die übliche Lösung besteht darin, Stunden in der Schnittsoftware mit manueller Farbkorrektur und Filterabstimmung zu verbringen.

kling-3.0-omni/transformation bietet einen anderen Weg: Gib ihm ein vorhandenes Video und einen Prompt, und es zeichnet das gesamte Bild neu – Szene, Farbton, Textur, Motiv – und behält dabei die ursprüngliche Kamerabewegung und das Timing vollständig bei. Genau dieser letzte Punkt ist entscheidend. Es generiert dein Video nicht neu, sondern verpasst ihm ein neues Gewand. Das bedeutet, du kannst eine Reihe unabhängiger Clips nehmen und sie alle durch denselben Prompt laufen lassen, um so einen einzigen, einheitlichen visuellen Stil zu erzwingen.

Dieser Artikel ist der Begleittext zur Kurzvideo-Produktion unseres Leitfadens zur Transformation-API. Der Leitfaden behandelt den rohen create → poll → download-Ablauf; dieser Artikel konzentriert sich auf den Workflow, der für Creators wirklich wichtig ist: eine Reihe von Clips unter einem einheitlichen visuellen Stil zusammenführen und den gesamten Batch mit einem Skript neu zeichnen. Jedes Video unten ist eine echte /v1/tasks-Ausgabe, inklusive des exakten Prompts und der Kosten.

Der entscheidende Trick: eine wiederverwendbare „visuelle Voreinstellung“

Unten siehst du einen Clip, der im Stil eines handgezeichneten Aquarell-Bilderbuchs neu gezeichnet wurde. Das Quellmaterial war eine flache, trübe Nachtszene mit einem Papierboot in einem städtischen Abwasserkanal – die Version darunter ist das Ergebnis, das das Modell zurückgegeben hat:

Die gesamte Neuzeichnung wird ausschließlich durch den Prompt gesteuert – dieser Endpunkt hat keine strength- oder fidelity-Regler. Wie stark die Ausgabe vom Quellmaterial abweicht, hängt davon ab, wie kräftig dein Text sie vorantreibt. Das ist ein Feature, keine Einschränkung: Es bedeutet, dass dein Prompt die Voreinstellung ist. Einmal schreiben, den exakten String speichern und dann wörtlich auf jedem Clip wiederverwenden, den du angleichen willst.

Hier ist der Prompt, der das obige Video erzeugt hat – direkt zum Kopieren und Einfügen:

Restyle this video as a hand-painted watercolor storybook illustration:
soft visible brushstroke textures, a warm golden-amber and muted teal
palette, gentle paper grain, softly glowing highlights, and a cozy
picture-book mood. Keep the exact camera motion, framing, timing, and
subject movement from the source clip completely unchanged — change only
the visual style, never the action.

Achte auf die beiden Hälften. Die erste Hälfte ist der visuelle Stil: Farbton, Textur, Stimmung – der Teil, den du in einen Marken-Styleguide schreiben würdest. Die zweite Hälfte ist die harte Anweisung, Bewegung und Timing zu bewahren. Ohne die zweite Hälfte driftest du in Richtung Neugenerierung; behältst du sie, bekommst du eine treue Umkleidung. Für Kurzvideo-Serien ist genau diese Aufteilung das, was du willst: Der visuelle Stil überträgt sich zwischen den Clips, während die Bewegung in jeder Aufnahme nativ bleibt.

Der Beweis: eine Voreinstellung, zwei unabhängige Clips

Eine Stil-Voreinstellung ist nur dann nützlich, wenn sie auch auf Material funktioniert, für das sie nie entworfen wurde. Deshalb folgen hier zwei völlig unterschiedliche Quellclips, neu gezeichnet mit exakt demselben Prompt-String – zwischen den beiden Läufen wurde nichts außer dem Eingabevideo geändert.

Clip A – vor der Neuzeichnung: Ein Papierboot treibt in einem nachts von Neonlicht beleuchteten städtischen Abwasserkanal.

Clip B – vor der Neuzeichnung: Im Morgengrauen liegen Holzfangboote in einem nebligen Hafen. Anderes Motiv, andere Tageszeit, anderer Farbton, anderer Rhythmus der Kamerabewegung.

Und jetzt das Ergebnis der Neuzeichnung von Clip B mit derselben Voreinstellung:

Stellt man die beiden neu gezeichneten Ausgaben nebeneinander, wirken sie wie ein aufeinander abgestimmtes Set – dieselben Bernstein- und Türkistöne, dieselben Papierkorn-Ränder, dieselbe sanfte Bilderbuch-Anmutung –, obwohl die eine aus einer kalten städtischen Nacht und die andere aus einem nebligen Morgen am Meer stammt. Das ist Stilvereinheitlichung: unabhängiges Material, ein wiedererkennbarer visueller Stil. Und in beiden Ausgaben ist die ursprüngliche Bewegung intakt – das Papierboot treibt noch immer denselben Weg entlang, und die Hafenaufnahme schwenkt noch immer auf dieselbe Weise.

Die gesamte Materialbibliothek neu zeichnen: asynchrone Stapelverarbeitung

Jedes Kurzvideo mit echtem Volumen bedeutet Dutzende bis Hunderte von Clips, nicht zwei. Du willst sie nicht mit blockierenden Einzelaufrufen neu zeichnen. Die Task-API ist asynchron, also ist das richtige Muster: alle Clips auf einmal einreichen und dann die Ergebnisse einsammeln, sobald sie fertig sind.

Das Schema ist klein – im input gibt es nur drei Felder: prompt, video_urls (genau eine öffentliche Quell-URL) und resolution (720p, 1080p oder 4k). Hier ist ein kompakter Batch-Runner, der dieselbe Voreinstellung auf eine Gruppe von Clips anwendet:

import os, time, json, requests

API = "https://api.hiapi.ai/v1/tasks"
TOKEN = os.environ["HIAPI_API_KEY"]
HEADERS = {"Authorization": f"Bearer {TOKEN}", "Content-Type": "application/json"}

PRESET = (
    "Restyle this video as a hand-painted watercolor storybook illustration: "
    "soft visible brushstroke textures, a warm golden-amber and muted teal palette, "
    "gentle paper grain, softly glowing highlights, and a cozy picture-book mood. "
    "Keep the exact camera motion, framing, timing, and subject movement from the "
    "source clip completely unchanged — change only the visual style, never the action."
)

# Your clip library — the SAME preset is applied to every one of them.
SOURCE_CLIPS = [
    "https://example.com/clips/hook-01.mp4",
    "https://example.com/clips/hook-02.mp4",
    # ...dozens more
]

def submit(video_url: str) -> str:
    body = {
        "model": "kling-3.0-omni/transformation",
        "input": {"prompt": PRESET, "video_urls": [video_url], "resolution": "720p"},
    }
    r = requests.post(API, headers=HEADERS, json=body, timeout=60)
    return r.json()["data"]["taskId"]

# 1) Fire off every task first — they run in parallel on the platform.
tasks = {submit(url): url for url in SOURCE_CLIPS}
print(f"submitted {len(tasks)} restyle tasks")

# 2) Poll until each one reaches a terminal state, then grab the output URL.
pending = set(tasks)
outputs = {}
while pending:
    for task_id in list(pending):
        r = requests.get(f"{API}/{task_id}", headers=HEADERS, timeout=40)
        data = r.json().get("data", {})
        status = data.get("status")
        if status == "success":
            outputs[task_id] = data["output"][0]["url"]
            pending.discard(task_id)
        elif status == "fail":
            print(f"{task_id} failed: {data.get('error')}")
            pending.discard(task_id)
    if pending:
        time.sleep(8)

# 3) Download immediately — output URLs are short-lived signed links.
for task_id, url in outputs.items():
    dest = f"restyled-{task_id}.mp4"
    with open(dest, "wb") as f:
        f.write(requests.get(url, timeout=120).content)
    print("saved", dest)

Zwei Punkte verdienen besondere Hervorhebung, und im Leitfaden werden beide ausführlich erklärt: Lade die Ausgaben sofort herunter (die zurückgegebenen URLs laufen ab), und bevorzuge bei großen Batches Callbacks statt häufigen Pollings, damit du den Detail-Endpunkt nicht wiederholt belastest. Die Dokumentation zu asynchronen Tasks enthält die Struktur von Request und Response.

Praktische Tipps für Kurzvideos

• Halte die Quellclips kurz. Die Kosten werden pro Sekunde berechnet, also sind kurze Hooks sowohl günstiger als auch schneller. Die beiden 3-Sekunden-Clips oben kosten in 720p jeweils etwa $0.43 (Preise siehe unten).
• Wähle die Auflösung nach der Plattform, nicht nach deiner Eitelkeit. Stand Oktober 2026 kostet kling-3.0-omni/transformation $0.143 pro Sekunde in 720p, $0.193 pro Sekunde in 1080p und $0.479 pro Sekunde in 4K. Für vertikale Feeds, die ohnehin neu komprimiert werden, sind 720p–1080p meist der Sweet Spot; 4K ist für Hero-Stücke. Prüfe die aktuellen Zahlen immer auf der Preisseite.
• Fixiere die Voreinstellung und rühr sie dann nicht mehr an. Sobald du die Formulierung pro Clip feinjustierst, verlierst du die Konsistenz, um derentwillen du die Neuzeichnung überhaupt gemacht hast. Versioniere deinen Voreinstellungs-String wie Code.
• Bewegung wird geerbt, nicht erzeugt. Ausgabedauer und Bewegung folgen dem Quellclip. Wenn das Modell Bewegung aus einem Prompt oder einem Standbild erzeugen soll, ist das ein anderes Werkzeug – siehe Text-zu-Video oder Bild-zu-Video.

Häufig gestellte Fragen

Kann ich die Stärke der Neuzeichnung steuern? Nicht über Parameter – es gibt kein strength- oder fidelity-Feld. Steuere es über die Formulierung. Für eine leichte Farbkorrektur beschreibe eine milde Farb-/Texturänderung und betone „der Rest behält das ursprüngliche Aussehen“; für eine vollständige Neuzeichnung wie im Aquarellbeispiel stapelst du Stilvokabular. Die Stärke der Neuzeichnung steckt vollständig in deinem Prompt.

Bleibt meine ursprüngliche Bewegung erhalten, oder wird die Szene neu animiert? Die Quellbewegung und das Timing bleiben erhalten – das ist das definierende Verhalten des transformation-Endpunkts. Die ausdrückliche Klausel „behalte die exakte Kamerabewegung und das Timing“ im Prompt verstärkt dies. Die Ausgabedauer entspricht dem Eingabeclip.

Worin unterscheidet sich das von Bild-zu-Video oder Referenz-zu-Video? Bild-zu-Video animiert ein Standbild zu Bewegung; Referenz-zu-Video entlehnt Elemente aus Referenzmedien für einen neu generierten Clip. Transformation geht von einem fertigen Video aus und ändert nur dessen Stil, während die Bewegung erhalten bleibt, die du bereits hast. Zu den anderen Modi siehe die Prompt-Rezepte für Referenz-zu-Video.

Welche Quellauflösung und -länge funktionieren für Kurzvideos am besten? Sauberes, gut beleuchtetes Quellmaterial – das Modell zeichnet neu, was es sieht, also liefert unscharfes Quellmaterial unscharfe Neuzeichnungen. Halte Hooks und B-Roll nur wenige Sekunden lang; verarbeite lieber viele kurze Clips als einen langen, sowohl aus Kostengründen als auch wegen der oben gezeigten Parallelität pro Clip.

Kann ich eine Voreinstellung für eine ganze Serie verwenden? Ja – genau darum geht es. Verwende für jeden Clip denselben Prompt-String, und sie teilen denselben visuellen Stil. Das Batch-Skript oben macht genau das: eine PRESET-Konstante, angewendet auf jedes Quellmaterial in der Liste.

Gib deinem Feed einen einheitlichen visuellen Stil

Wenn deine Kurzvideos aussehen, als kämen sie von verschiedenen Accounts, ist kling-3.0-omni/transformation der schnellste Weg, sie zusammenzubringen: Schreibe eine visuelle Voreinstellung, wende sie auf alles an und bewahre die native Bewegung jedes Clips. Nimm einen Beispielclip, kopiere die Aquarell-Voreinstellung von oben (oder schreibe deine eigene) und führe sie auf der Modellseite von kling-3.0-omni/transformation aus. Wenn du bereit bist, dein Batch-Skript zu schreiben, findest du im Leitfaden einen vollständigen Client.