¿Cómo usar la API de Kling 3.0? Tutorial en chino de texto a video e imagen a video

TL;DR

• Kling 3.0 (可灵 3.0) es un modelo de video creado por Kuaishou. En HiAPI tiene dos entradas: texto a video kling-3.0/text-to-video e imagen a video kling-3.0/image-to-video, con clips de 3–15 segundos, hasta 4K y sonido nativo.Abre la página del modelo para generar en línea; los nuevos usuarios reciben 200 créditos al registrarse.
• Facturación por segundo: 720p $0.10 por segundo, con sonido $0.143; 1080p $0.129, con sonido $0.193; 4K $0.479. 5 segundos en 720p cuestan solo $0.50.
• La API se usa en dos pasos: POST /v1/tasks para enviar y obtener un taskId para consultar el resultado. Los ejemplos de curl y Python de abajo se pueden copiar y ejecutar.

Primero veamos el resultado

Texto a video: un prompt en inglés, una sola solicitud.

A lone red fox sprints across a windswept snowy ridge at golden hour, powder snow kicking up behind each stride, then leaps over a frozen creek in a graceful arc. Cinematic, dramatic side lighting, ultra-detailed fur, shallow depth of field, smooth motion.

Generar con este prompt → (5 segundos, 16:9)

Ejemplo de la página del modelo kling-3.0/text-to-video, 5 segundos. En 720p sin sonido cuesta $0.50; en 1080p con sonido, $0.965.

Imagen a video: usa la siguiente imagen del faro como primer fotograma.

The waves surge and crash against the rocks, the lighthouse beam sweeps slowly across the stormy night sky, rain streaks through the wind. Smooth cinematic motion, synchronized ambient sound of waves and storm.

Generar con este prompt → (sube tu imagen de primer fotograma, 5 segundos)

Ejemplo de la página del modelo kling-3.0/image-to-video, 5 segundos. En 720p con sonido cuesta $0.715.

¿Cómo elegir entre Kling 3.0, Omni y Turbo?

En HiAPI, Kling 3.0 tiene tres líneas con nombres de modelo, precios y parámetros distintos:

Modelo	Entrada	720p / segundo	1080p / segundo	4K / segundo	Ideal para
Kling 3.0 kling-3.0/*	Texto a video, imagen a video (primer fotograma o primer y último fotograma)	$0.10, con sonido $0.143	$0.129, con sonido $0.193	$0.479	Videos finales con sonido, cortometrajes de varios planos
Kling 3.0 Omni kling-3.0-omni/*	Texto a video, imagen a video, referencia a video, reescritura de video	$0.10, con sonido $0.129	$0.129, con sonido $0.1645	$0.479	Fijar personas/productos, seguir el movimiento de un video de referencia
Kling 3.0 Turbo kling-3.0-turbo/*	Texto a video, imagen a video	$0.13	$0.16	—	Sin distinción de sonido, solo se cobra por resolución

Si solo necesitas texto a video e imagen a video, elige kling-3.0; si necesitas fijar el sujeto con una imagen de referencia, usar un video de referencia o reescribir un video existente, consulta el tutorial en chino de Kling 3.0 Omni.

Dos rutas para empezar

Prueba en línea (sin programar)

1. Abre la página del modelo Kling 3.0 texto a video, regístrate o inicia sesión.
2. Pega el prompt, elige la duración, la resolución, la relación de aspecto y decide si quieres sonido.
3. Haz clic en generar y descarga el video directamente cuando esté listo.

Llamada a la API

1. Crea una API Key en la consola.
2. Envía la tarea con POST https://api.hiapi.ai/v1/tasks y obtén el taskId.
3. Consulta el estado con GET /v1/tasks/{taskId}; cuando status sea success, descarga el video desde output[0].url.

curl: tu primer video

5 segundos en 720p sin sonido, $0.50:

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling-3.0/text-to-video",
    "input": {
      "prompt": "金色夕阳下，一只红狐在风雪覆盖的山脊上疾奔，雪粉飞扬，电影级侧光，平滑跟拍",
      "duration": 5,
      "resolution": "720p",
      "aspect_ratio": "16:9",
      "sound": false
    }
  }'

Respuesta:

{"code": 200, "data": {"taskId": "tk-hiapi-..."}, "message": "success"}

Consultar el resultado:

curl https://api.hiapi.ai/v1/tasks/tk-hiapi-... \
  -H "Authorization: Bearer $HIAPI_KEY"

Python: enviar, consultar y descargar

# pip install requests; primero export HIAPI_KEY=tu Key
import os, time, uuid, requests

KEY = os.environ["HIAPI_KEY"]
H = {"Authorization": f"Bearer {KEY}"}

def generate(model, timeout_s=900, **params):
    body = {"model": model, "input": params}
    # 重试提交同一个任务时带同一个 Idempotency-Key，避免重复扣费
    headers = {**H, "Idempotency-Key": str(uuid.uuid4())}
    r = requests.post("https://api.hiapi.ai/v1/tasks", json=body, headers=headers, timeout=30)
    r.raise_for_status()
    res = r.json()
    if res.get("code") != 200:
        raise RuntimeError(res)
    task_id = res["data"]["taskId"]
    deadline = time.time() + timeout_s
    while time.time() < deadline:
        d = requests.get(f"https://api.hiapi.ai/v1/tasks/{task_id}", headers=H, timeout=30).json()["data"]
        if d["status"] == "success":
            return d["output"][0]["url"]
        if d["status"] == "fail":
            raise RuntimeError(d)
        time.sleep(10)
    raise TimeoutError(task_id)

# 竖屏、带声音的口播短视频
url = generate(
    "kling-3.0/text-to-video",
    prompt="竖屏短视频：一位博主拿着新耳机对着镜头介绍，手势自然，室内自然光，口型和说话声同步",
    duration=6, resolution="1080p", aspect_ratio="9:16", sound=True,
)
with open("clip.mp4", "wb") as f:
    f.write(requests.get(url).content)

Este video de 6 segundos en 1080p con sonido cuesta $1.158.

Imagen a video: un primer fotograma, o primer y último fotograma

Cambia el nombre del modelo a kling-3.0/image-to-video y coloca las imágenes en image_urls: 1 imagen es el primer fotograma, 2 imágenes son [primer fotograma, último fotograma].

{
  "model": "kling-3.0/image-to-video",
  "input": {
    "image_urls": [
      "https://your-cdn.example.com/start.jpg",
      "https://your-cdn.example.com/end.jpg"
    ],
    "prompt": "镜头缓慢推进，两个画面之间平滑过渡",
    "duration": 5,
    "resolution": "720p",
    "sound": false
  }
}

• Las imágenes admiten JPEG / PNG / WebP; SVG no es compatible.
• Imagen a video no tiene aspect_ratio; la relación de aspecto sigue al primer fotograma.
• El prompt es opcional; describe «cómo debe moverse a continuación», no hace falta volver a describir toda la imagen.

Resumen de parámetros

Parámetro	Valores	Descripción
prompt	Cadena	Obligatorio en texto a video, opcional en imagen a video
image_urls	1–2 imágenes	Solo imagen a video; 1 imagen es el primer fotograma, 2 son primer y último fotograma
duration	Entero de 3–15, por defecto 5	En segundos
resolution	720p / 1080p / 4K, por defecto 1080p	Si no se especifica, se factura como 1080p
aspect_ratio	16:9 / 9:16 / 1:1, por defecto 16:9	Solo texto a video
sound	Por defecto false	Al activarlo, genera diálogos, efectos de sonido y sonido ambiente

Calculemos el costo

Duración	720p	720p con sonido	1080p	1080p con sonido	4K
3 segundos	$0.30	$0.429	$0.387	$0.579	$1.437
5 segundos	$0.50	$0.715	$0.645	$0.965	$2.395
10 segundos	$1.00	$1.43	$1.29	$1.93	$4.79
15 segundos	$1.50	$2.145	$1.935	$2.895	$7.185

resolution por defecto es 1080p; al ajustar el prompt, recuerda escribir explícitamente 720p para ahorrar más del 20 %. Para más comparativas de precios, consulta Precios de la API de Kling 3.0.

Antes de lanzar a producción

• Usa callbacks en lugar de polling: en el nivel superior de la solicitud (al mismo nivel que input) añade "callback": {"url": "https://tu-dominio/hiapi/callback"} y elimina duplicados por taskId.
• Guarda el resultado a tiempo: output[0].url es un enlace temporal; guárdalo en tu propio almacenamiento en cuanto lo recibas.
• Reintenta con clave de idempotencia: añade Idempotency-Key en la cabecera; con la misma clave, el reintento crea la tarea una sola vez.
• Reembolso automático en caso de fallo: solo se cobra por los videos generados correctamente.

Preguntas frecuentes

¿Se puede escribir el prompt en chino?

Sí. Puede ser en chino o en inglés, y el contenido de los diálogos también se puede escribir directamente en el prompt.

¿El sonido se paga aparte?

Con sound: true el precio por unidad es mayor: 720p pasa de $0.10 a $0.143 por segundo, y 1080p de $0.129 a $0.193. Si solo quieres imagen, mantén el valor predeterminado false.

¿Cuánto dura como máximo un clip?

De 3 a 15 segundos. Para videos más largos, genera por segmentos y edítalos después.

¿Cómo elegir entre Kling 3.0 y Seedance 2.5?

Kling 3.0 tiene un precio unitario más bajo y admite 4K; Seedance 2.5 permite clips de hasta 30 segundos. Compara en Diferencias entre Kling 3.0 y Seedance 2.5.

Si quieres formas ya listas de escribir, consulta la Guía de prompts de Kling 3.0; también puedes copiar el prompt del zorro rojo de arriba y ir a la página del modelo para generar.