Kling 3.0 Turbo imagen a video: crear videos cortos con la API de hiapi

Con solo una foto estática y una llamada a la API, puedes generar en hiapi un video corto que haga que la gente se detenga a mirar mediante Kling 3.0 Turbo imagen a video. Sin editor de línea de tiempo, sin binding de movimiento, sin pantalla verde: envías una imagen del primer fotograma y un breve prompt de movimiento, y en unos minutos recibes un .mp4 de 8, 10 o 15 segundos. Este tutorial crea un video de principio a fin usando el endpoint real /v1/tasks de la API, muestra el desglose real de costes y convierte el mismo código en un bucle que puede apuntar a una carpeta entera de imágenes estáticas, produciendo en lote videos aptos para TikTok o Reels.

Este es el video generado en este artículo a partir de una única foto del primer fotograma:

Qué te pide realmente Kling 3.0 Turbo imagen a video

El esquema de entrada de este modelo es breve, y esa es precisamente la cuestión: no tienes que pensar en montajes de cámara ni fotogramas clave, solo hay dos campos obligatorios y dos opcionales:

• prompt (cadena, obligatorio): describe el movimiento que quieres, no toda la escena. El primer fotograma ya define la escena; el prompt le dice al modelo qué debe moverse.
• image_urls (array, obligatorio): una URL pública que apunta a la imagen del primer fotograma (JPEG o PNG, máximo 10 MB). Es la única imagen que acepta el modelo; aquí no hay modo de múltiples imágenes de referencia.
• duration (entero, opcional, por defecto 5): duración del video en segundos, de 3 a 15.
• resolution (cadena, opcional, por defecto 720p): 720p o 1080p.

Un punto que hay que planificar con antelación: no existe el parámetro aspect_ratio. La imagen de salida siempre hereda la composición de la imagen de entrada: un primer fotograma en 9:16 produce un video en 9:16, sin posibilidad de sobrescribirlo. Si creas contenido para TikTok o Reels, genera (o recorta) el primer fotograma en 9:16 antes de llamar al endpoint de video; de lo contrario, tendrás que volver a ejecutar una generación de $0.65–$1.60 solo para corregir la composición. La referencia completa de parámetros y el panel de prueba en línea están en la página del modelo.

Paso 1: empieza con un buen primer fotograma

Antes de generar contenido nuevo, comprueba si ya tienes imágenes estáticas utilizables: fotos de producto, imágenes generadas previamente por IA, fotografía de marca. Como Kling 3.0 Turbo imagen a video solo lee el primer fotograma para definir toda la escena, reutilizar imágenes existentes no genera costes adicionales en el paso de video; solo pagas por los segundos de movimiento generados.

Si no tienes ninguna, generar el primer fotograma es una llamada normal de texto a imagen. El primer fotograma de este artículo proviene de gpt-image-2/text-to-image, compuesto en vertical desde el principio, de modo que el video herede la relación de aspecto correcta:

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"]

Este es el primer fotograma exacto que se utiliza a continuación, generado una vez y usado como entrada del paso de video:

Paso 2: convierte la imagen estática en video

Todos los modelos de hiapi siguen el mismo patrón de tareas asíncronas: POST para crear la tarea, sondeo con GET hasta que termine y, después, descarga de la salida antes de que caduque el enlace temporal. Para imagen a video, la única diferencia está en la carga útil de input:

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": "La barista sigue vertiendo leche vaporizada en una espiral lenta, el rosetón de latte art florece sobre la superficie del café, el vapor se arremolina hacia arriba y captura la cálida luz de la mañana, su mano mueve la jarra con un movimiento suave y constante, la cámara mantiene un sutil y lento acercamiento, micro-movimiento natural de cámara en mano, profundidad de campo reducida, ambiente acogedor de cafetería, movimiento natural y fluido, movimiento de cámara cinematográfico estable",
      "image_urls": ["https://static.hiapi.ai/blog/kling-3-0-turbo-image-to-video-short-form-video/first-frame.jpg"],
      "duration": 8,
      "resolution": "1080p"
    }
  }'

Después, sondea para obtener el resultado:

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"]  # enlace temporal: descárgalo de inmediato

El video de 8 segundos y 1080p incrustado arriba proviene directamente de esta llamada; desde el envío hasta el .mp4 descargable pasaron aproximadamente dos minutos y medio, sin edición manual ni posproducción.

Coste real

Kling 3.0 Turbo imagen a video se factura por segundo, con tarifas escalonadas según la resolución (confirmado con la tarifa de hiapi en agosto de 2026):

Resolución	Precio por segundo	Video de 5 s	Video de 8 s	Video de 15 s
720p	$0.13/s	$0.65	$1.04	$1.95
1080p	$0.16/s	$0.80	$1.28	$2.40

El video principal de este artículo, de 8 segundos en 1080p, cuesta $1.28. Si vas a probar prompts o iterar el efecto de movimiento antes del render final, haz esas pruebas en 720p y sube a "resolution": "1080p" solo cuando el movimiento te convenza; solo con esto reducirás el coste de iteración en torno a un 20 %.

Procesamiento por lotes: de un solo video a un calendario de contenido

Como no existe un endpoint "batch" independiente (es la misma llamada de tarea ejecutada en bucle), convertir esto en una línea de producción de contenido para formatos cortos es sobre todo cuestión de registro:

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))

Ejecuta este código durante la noche sobre una carpeta de fotos de producto, retratos o fotografía de escenas, y al despertar tendrás un montón de videos listos para publicar, con el coste exacto que se muestra en la tabla anterior y sin cargos inesperados. Si prefieres partir de una descripción de texto en lugar de una foto existente, la guía complementaria Kling 3.0 Turbo texto a video explica esa vía de entrada usando la misma API de tareas.

Preguntas frecuentes

¿Cuánto tarda en renderizarse Kling 3.0 Turbo imagen a video? En esta prueba, un video de 8 segundos en 1080p tardó aproximadamente dos minutos y medio desde el envío de la tarea hasta el archivo descargable. Los videos más cortos en 720p suelen completarse antes.

¿Puedo obtener una salida vertical en 9:16? Sí, pero de forma indirecta: este modelo no tiene parámetro aspect_ratio. La salida siempre coincide con la relación de aspecto de la imagen de entrada, así que genera o recorta el primer fotograma en 9:16 antes de enviar la tarea de video.

¿Qué formatos de imagen admite el primer fotograma? JPEG o PNG, con un máximo de 10 MB, proporcionados como URL pública en el array image_urls. El array de este modelo solo acepta una imagen.

¿Cuánto cuesta un video de 8 segundos en 1080p? $1.28, calculado con la tarifa confirmada de $0.16 por segundo en 1080p. El mismo video en 720p cuesta $1.04.

¿El prompt admite diálogo o sincronización labial? Sí: el campo prompt (hasta 2.500 caracteres) admite diálogo citado, y el modelo puede usarlo para animar la sincronización labial del sujeto que habla en el primer fotograma.

Pruébalo tú mismo

Todo lo anterior se ejecutó con el endpoint real /v1/tasks y una clave real: sin respuestas simuladas ni recursos de relleno. Si tienes una biblioteca de imágenes sin usar, la forma más rápida de ver la calidad del movimiento del modelo sobre tus propios sujetos es probar un video: ve a la página del modelo Kling 3.0 Turbo imagen a video, coloca una imagen de primer fotograma y obtén tu primer resultado en unos minutos.