HiAPI
kling-4.0 视频模型详情页 Hero 图:左侧暖光留白,右侧虹彩玻璃胶片带与关键帧浮卡延展,名字刻于其上,奶油底配青蓝珊瑚色。

Kuaishou

Kling 4.0

kling-4.0/text-to-video

Videogenerierungsmodell von Kuaishou, das pro Durchlauf ein 30-sekündiges Video mit Stereo-Audio erzeugt; unterstützt mehrere Keyframes sowie Start- und Endbild-Steuerung – ideal für Marketing-Clips und Storyboard-Previews

kling-4.0/text-to-video ausprobieren

Eingabe

Ausgabe

Fülle die Parameter aus und generiere – die Ergebnisse erscheinen hier.

Preise

kling-4.0/text-to-video per second

Spezifikationen Einzelpreis
1080P $0.330

Positionierung und Kurzprofil

Die Text-zu-Video-Pipeline von Kling 4.0 richtet sich an Entwickler, die aus einer reinen Textbeschreibung direkt ein fertiges Video erzeugen möchten. Man gibt einen Prompt ein, der Bildsubjekt, Bewegung, Kameraführung und Lichtstimmung beschreibt, und erhält einen Videoclip, der sowohl Bild als auch Audio enthält. Die Länge einer einzelnen Generierung lässt sich zwischen 3 und 30 Sekunden angeben, die Ausgabe unterstützt 720p und 1080p, und es stehen die vier Seitenverhältnisse 16:9, 9:16, 1:1 und 21:9 zur Auswahl. Geeignet für Teams, die Werbespots, vertikale Social-Media-Inhalte und Storyboard-Previews erstellen; der Aufruf erfolgt über die einheitliche Schnittstelle von HiAPI.ai, die Abrechnung nach ausgegebenen Sekunden.

Zentrale Highlights

  • Einzelne Generierung über 3 bis 30 Sekunden – die Dauer wird direkt als Anfrageparameter angegeben; lange Einstellungen müssen nicht in mehrere Segmente aufgeteilt und anschließend zusammengesetzt werden, was die Ausrichtung im Postprocessing reduziert.
  • Bild und Audio in einem Durchgang – die im Prompt beschriebene Szene wird zusammen mit dem Ton erzeugt, sodass separate Vertonungs- oder Soundeffekt-Schritte entfallen.
  • Vier Seitenverhältnisse für verschiedene Ausspielkanäle – neben Quer- und Hochformat stehen auch 1:1 und 21:9 bereit, sodass das Ausgabeverhältnis je nach Plattformplatzierung einmalig festgelegt werden kann.
  • Auflösung nach Bedarf umschaltbar – 720p und 1080p sind wählbar; in der Entwurfsphase mit niedriger Auflösung iterieren, für die Finalisierung die Klarheit erhöhen.

Funktionsbeschreibung

Kameraführung per langem Prompt beschreiben: Der Prompt umfasst bis zu 2500 Zeichen und kann Subjekt, Bewegung, Kameraführung, Licht und Atmosphäre vollständig beschreiben, sodass eine einzige Anfrage komplexere Bildabsichten ausdrückt.

Parametrisierte Steuerung der Dauer: duration reicht von 3 bis 30 Sekunden, die Abrechnung erfolgt nach ausgegebenen Sekunden; kurze Clips und lange Einstellungen nutzen dieselbe Schnittstelle, was eine kostengerechte Verteilung nach dem inhaltlichen Rhythmus erleichtert.

Zwei Auflösungsstufen: wahlweise 720p oder 1080p; das Rendern in 1080p dauert deutlich länger und eignet sich erst nach Bestätigung des Konzepts.

Voreingestellte Seitenverhältnisse: aspect_ratio unterstützt 16:9, 9:16, 1:1 und 21:9; das Ergebnis liegt direkt im Zielformat vor, ein nachträgliches Zuschneiden entfällt.

Anwendungsfälle

  • Vertikale Kurzvideos für Social-Media-Teams – mit einer Szenenbeschreibung und dem 9:16-Format einen etwa 15-sekündigen Clip erzeugen, der direkt für Kurzvideo-Plattformen oder In-Feed-Werbung verwendet wird.
  • Frühe Pitches für Werbekreative – in 720p schnell mehrere Versionen von Einstellungskonzepten produzieren, damit Kunden in einer kostengünstigen Phase die Richtung auswählen können.
  • Storyboard- und Erzähl-Previews – Storyboard-Texte in dynamische Clips mit Ton umwandeln, um dem Produktionsteam Kameraführung und Rhythmus zu erläutern.
  • Inhalte im Breitwandstil – mit dem 21:9-Format kinematografisch wirkende Querformat-Clips für Vorspänne oder Markenbildmaterial erzeugen.

Einschränkungen und Auswahlhinweise

Derzeit wird nur Texteingabe unterstützt; das Bild lässt sich nicht durch Referenzbilder oder Start-/Endframes einschränken, was Projekte mit hohen Anforderungen an Charakterkonsistenz und Kompositionspräzision schwer exakt steuern lässt. Öffentliche Angaben zur maximalen Auflösung weichen voneinander ab; diese Pipeline hat 1080p als Obergrenze. Das Rendern in 1080p dauert deutlich länger; Konsistenz und Stabilität bei langen Clips sollten zunächst praktisch getestet werden. Steht ein Ausgangsbild zur Verfügung, sollte die Bild-zu-Video-Pipeline derselben Reihe verwendet werden; für reine Schnellentwürfe kommt die Flash-Version in Frage.

  • Welche Anforderungen gelten für das erste Bild?

    Eine öffentlich erreichbare URL eines JPEG- oder PNG-Bildes, die im Array image_urls abgelegt wird; es wird jeweils nur ein Bild hochgeladen. Das Bild wird als Startbild des Segments verwendet.

  • Was passiert, wenn kein Seitenverhältnis ausgewählt wird?

    Wenn aspect_ratio nicht übergeben wird, folgt die Ausgabe automatisch dem Seitenverhältnis des ersten Frames, sodass Hochformatbilder nicht zwangsweise auf Querformat beschnitten werden. Eine explizite Einstellung ist nur nötig, wenn das Seitenverhältnis des Originalbilds überschrieben werden soll.

  • Ist der Prompt erforderlich?

    Ja. Das erste Frame-Bild bestimmt Komposition und Motiv, der Prompt beschreibt Aktion, Kameraführung und Ton – beides ist nötig. Kürzere Texte erzielen in der Regel bessere Ergebnisse.

  • Wie wird die Preisgestaltung für die Videogenerierung aus Bildern berechnet?

    Wie bei der Text-zu-Video-Generierung wird nach der Anzahl der Ausgabesekunden abgerechnet, wobei sich die Tarife für 720p und 1080p unterscheiden; es gibt keinen Mindestpreis.

Ähnliche Modelle

Alle Modelle ansehen →

Gleicher Typ