Kling 3.0 Turbo Bild-zu-Video: Kurzvideos mit der hiapi API erstellen

Mit nur einem einzigen Standbild und einem einzigen API-Aufruf lässt sich auf hiapi über Kling 3.0 Turbo Bild-zu-Video ein kurzes Video erzeugen, bei dem man einfach stehen bleiben muss. Kein Timeline-Editor, kein Motion-Binding, kein Green Screen – du sendest ein Startbild und einen kurzen Bewegungsprompt und erhältst nach wenigen Minuten ein .mp4 mit 8, 10 oder 15 Sekunden. In diesem Tutorial erstellen wir mit der echten /v1/tasks-API ein Video von Anfang bis Ende, zeigen die tatsächliche Kostenaufstellung und verwandeln denselben Code in eine Schleife, die auf einen ganzen Ordner mit Standbildern zeigen kann, um Videos für TikTok oder Reels in Serie zu produzieren.

Hier ist das Video, das in diesem Artikel aus einem einzigen Startfoto generiert wurde:

Was Kling 3.0 Turbo Bild-zu-Video tatsächlich von dir benötigt

Das Eingabe-Schema des Modells ist kurz, und genau das ist der Punkt – du musst dir keine Gedanken über Kamera-Setups oder Keyframes machen, es gibt nur zwei Pflichtfelder und zwei optionale Felder:

• prompt (String, erforderlich) – beschreibt die gewünschte Bewegung, nicht die gesamte Szene. Das Startbild definiert bereits die Szene; der Prompt teilt dem Modell mit, was sich bewegen soll.
• image_urls (Array, erforderlich) – eine öffentliche URL zu einem Startbild (JPEG oder PNG, maximal 10 MB). Dies ist das einzige Bild, das das Modell akzeptiert; einen Modus mit mehreren Referenzbildern gibt es hier nicht.
• duration (Integer, optional, Standard 5) – Videolänge in Sekunden, 3 bis 15.
• resolution (String, optional, Standard 720p) – 720p oder 1080p.

Ein Punkt, den du vorab einplanen solltest: Es gibt keinen aspect_ratio-Parameter. Das Ausgabebild übernimmt immer die Bildkomposition des Eingabebildes – ein 9:16-Startbild ergibt ein 9:16-Video, ohne Möglichkeit der Überschreibung. Wenn du Inhalte für TikTok oder Reels erstellst, generiere (oder beschneide) das Startbild vor dem Aufruf des Video-Endpunkts auf 9:16, sonst musst du eine Generierung für $0.65–$1.60 erneut ausführen, um die Komposition zu korrigieren. Die vollständige Parameterreferenz und ein Online-Testpanel findest du auf der Modellseite.

Schritt 1: Mit einem guten Startbild beginnen

Bevor du etwas Neues generierst, prüfe, ob du bereits geeignete Standbilder hast – Produktfotos, zuvor KI-generierte Bilder, Markenfotografie. Da Kling 3.0 Turbo Bild-zu-Video nur das Startbild liest, um die gesamte Szene zu definieren, entstehen beim Wiederverwenden vorhandener Bilder im Videoschritt keine zusätzlichen Kosten; du zahlst nur für die generierten Bewegungssekunden.

Wenn nicht, ist die Generierung des Startbildes ein gewöhnlicher Text-zu-Bild-Aufruf. Das Startbild dieses Artikels stammt aus gpt-image-2/text-to-image und wurde von Anfang an im Hochformat komponiert, sodass das Video das richtige Seitenverhältnis übernimmt:

import requests

resp = requests.post(
    "https://api.hiapi.ai/v1/tasks",
    headers={"Authorization": f"Bearer {HIAPI_API_KEY}"},
    json={
        "model": "gpt-image-2/text-to-image",
        "input": {
            "prompt": (
                "Vertical smartphone-shot photo of a barista in a small specialty "
                "coffee shop pouring steaming latte art into a white ceramic to-go "
                "cup, warm golden morning light streaming through a large window "
                "behind her, steam curling upward, shallow depth of field, cozy "
                "minimalist cafe aesthetic, natural candid framing typical of a "
                "TikTok food video, photorealistic, high detail, 9:16 vertical composition"
            ),
            "aspect_ratio": "9:16",
            "resolution": "1K",
        },
    },
)
task_id = resp.json()["data"]["taskId"]

Dies ist genau das Startbild, das im Folgenden verwendet wird, einmal generiert und dann in den Videoschritt eingespeist:

Schritt 2: Das Standbild in ein Video verwandeln

Jedes Modell auf hiapi folgt demselben asynchronen Task-Muster: POST erstellt den Task, GET wird abgefragt, bis er abgeschlossen ist, dann wird die Ausgabe heruntergeladen, bevor der temporäre Link abläuft. Bei Bild-zu-Video ist der einzige Unterschied die input-Payload:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling-3.0-turbo/image-to-video",
    "input": {
      "prompt": "The barista continues pouring steamed milk in a slow spiral, latte art rosetta blooming across the surface of the coffee, steam swirling upward and catching the warm morning light, her hand moves the pitcher in a smooth steady motion, camera holds a subtle slow push-in, natural handheld micro-movement, shallow depth of field, cozy cafe ambience, smooth natural motion, stable cinematic camera movement",
      "image_urls": ["https://static.hiapi.ai/blog/kling-3-0-turbo-image-to-video-short-form-video/first-frame.jpg"],
      "duration": 8,
      "resolution": "1080p"
    }
  }'

Dann das Ergebnis abfragen:

import time, requests

def wait_task(task_id, token, timeout_s=600, poll_interval=5):
    deadline = time.time() + timeout_s
    while time.time() < deadline:
        r = requests.get(
            f"https://api.hiapi.ai/v1/tasks/{task_id}",
            headers={"Authorization": f"Bearer {token}"},
        ).json()
        task = r.get("data") or {}
        if task.get("status") == "success":
            return task
        if task.get("status") == "fail":
            raise RuntimeError(task.get("error"))
        time.sleep(poll_interval)
    raise TimeoutError(task_id)

task = wait_task(task_id, HIAPI_API_KEY)
video_url = task["output"][0]["url"]  # temporary link — download it immediately

Das oben eingebettete 8-Sekunden-Video in 1080p stammt direkt aus diesem Aufruf und benötigte vom Absenden bis zum herunterladbaren .mp4 etwa zweieinhalb Minuten – ohne manuelle Bearbeitung, ohne Nachbearbeitung.

Tatsächliche Kosten

Kling 3.0 Turbo Bild-zu-Video wird sekundenweise abgerechnet, gestaffelt nach Auflösung (bestätigt gemäß hiapi-Preisgestaltung im August 2026):

Auflösung	Preis pro Sekunde	5-Sekunden-Video	8-Sekunden-Video	15-Sekunden-Video
720p	$0.13/Sek.	$0.65	$1.04	$1.95
1080p	$0.16/Sek.	$0.80	$1.28	$2.40

Das Hauptvideo in diesem Artikel – 8 Sekunden in 1080p – kostete $1.28. Wenn du Prompts testest oder Bewegungseffekte vor der finalen Ausgabe iterierst, führe diese Testläufe in 720p durch und wechsle erst zu "resolution": "1080p", wenn die Bewegung passt; allein das senkt die Iterationskosten um etwa 20 %.

Batch-Verarbeitung: Vom einzelnen Video zum Content-Kalender

Da es keinen separaten „Batch“-Endpunkt gibt – es ist einfach derselbe Task-Aufruf in einer Schleife –, besteht die Umwandlung in eine Kurzvideo-Content-Pipeline hauptsächlich aus Buchführung:

clips = [
    {"image_url": "https://your-bucket/product-a.jpg", "prompt": "..."},
    {"image_url": "https://your-bucket/product-b.jpg", "prompt": "..."},
    {"image_url": "https://your-bucket/product-c.jpg", "prompt": "..."},
]

results = []
for clip in clips:
    resp = requests.post(
        "https://api.hiapi.ai/v1/tasks",
        headers={"Authorization": f"Bearer {HIAPI_API_KEY}"},
        json={
            "model": "kling-3.0-turbo/image-to-video",
            "input": {
                "prompt": clip["prompt"],
                "image_urls": [clip["image_url"]],
                "duration": 8,
                "resolution": "1080p",
            },
        },
    )
    task_id = resp.json()["data"]["taskId"]
    results.append(wait_task(task_id, HIAPI_API_KEY))

Führe diesen Code über Nacht auf einem Ordner mit Produktfotos, Porträts oder Szenenfotografie aus, und du wachst mit einem Stapel veröffentlichungsfertiger Videos auf – jedes zu genau den oben tabellierten Kosten, ohne unerwartete Posten. Wenn du lieber mit einer Textbeschreibung statt mit einem vorhandenen Foto beginnst, stellt der begleitende Kling 3.0 Turbo Text-zu-Video-Leitfaden diesen Einstieg mit derselben Task-API vor.

Häufige Fragen

Wie lange dauert das Rendern von Kling 3.0 Turbo Bild-zu-Video? In diesem Test benötigte ein 8-Sekunden-Video in 1080p vom Task-Absenden bis zur herunterladbaren Datei etwa zweieinhalb Minuten. Kürzere Videos in 720p sind in der Regel schneller fertig.

Kann ich eine vertikale 9:16-Ausgabe erhalten? Ja, aber indirekt – dieses Modell hat keinen aspect_ratio-Parameter. Die Ausgabe entspricht immer dem Seitenverhältnis des Eingabebildes, daher muss das Startbild vor dem Absenden des Video-Tasks auf 9:16 generiert oder beschnitten werden.

Welche Bildformate werden für das Startbild unterstützt? JPEG oder PNG, maximal 10 MB, bereitgestellt als öffentliche URL im image_urls-Array. Das Array dieses Modells akzeptiert nur ein Bild.

Was kostet ein 8-Sekunden-Video in 1080p? $1.28, berechnet mit dem bestätigten Tarif von $0.16 pro Sekunde für 1080p. Dasselbe Video in 720p kostet $1.04.

Unterstützt der Prompt Dialoge oder Lippensynchronisation? Ja – das prompt-Feld (bis zu 2.500 Zeichen) unterstützt referenzierten Dialog, den das Modell nutzen kann, um die Lippensynchronisation der sprechenden Person im Startbild zu animieren.

Selbst ausprobieren

Alles oben Genannte wurde über den echten /v1/tasks-Endpunkt mit echten Schlüsseln ausgeführt – keine simulierten Antworten, keine Platzhalter-Assets. Wenn du eine ungenutzte Bildbibliothek hast, ist der schnellste Weg, die Bewegungsqualität des Modells an deinen eigenen Motiven zu sehen, ein Video auszuprobieren: Gehe zur Kling 3.0 Turbo Bild-zu-Video-Modellseite, lege ein Startbild ein und erhalte innerhalb weniger Minuten dein erstes Ergebnis.