API Kling AI pour vidéos courtes : tester des accroches TikTok par lots

Pourquoi un seul clip ne suffit pas

Si vous produisez des vidéos courtes pour TikTok ou Reels, l'accroche est tout — vous disposez d'environ une seconde avant que l'utilisateur ne fasse défiler. Le problème, c'est que vous ne pouvez pas savoir laquelle fonctionnera avant d'avoir monté plusieurs ouvertures côte à côte pour comparer. Un seul clip généré répond uniquement à « est-ce que ça a l'air bien ? » ; il ne répond pas à « laquelle de ces cinq idées arrête réellement le défilement ? »

kling-3.0-turbo/text-to-video sur hiapi est rapide et bon marché, vous n'avez donc pas à choisir. Soumettez quatre ou cinq variantes d'accroche d'une même idée créative en un seul lot parallèle, laissez-les se rendre en même temps, puis sélectionnez la gagnante à partir de séquences réelles plutôt qu'à partir d'une lecture de script. Ce guide parcourt ce flux de travail de bout en bout : concevoir des prompts de variantes, les soumettre en parallèle via l'API de tâches asynchrones de hiapi, et transformer le résultat en une habitude de production par lots reproductible.

Résumé :

• kling-3.0-turbo/text-to-video accepte prompt, duration (3 à 15 secondes), resolution (720p ou 1080p) et aspect_ratio — aucun autre paramètre, donc chaque variante ne fait que changer le prompt.
• L'API de tâches de hiapi est asynchrone et chaque appel est sans état : soumettez toutes les variantes à la suite, puis interrogez chaque taskId indépendamment. Aucune tâche ne bloque les autres.
• Quatre clips 720p de 5 secondes en 9:16 coûtent 0,65 $ chacun — soit 2,60 $ pour tout un lot de candidats d'accroche, moins cher qu'une seule licence de vidéo de stock.
• La génération par lots ne dispense pas de filtrer : chaque clip doit encore être relu par un humain avant publication, en particulier lorsqu'il contient du texte ou des mouvements fins.
• Le schéma ci-dessous s'étend à plus de 4 clips — les seules véritables limites sont votre solde de compte et le nombre d'idées d'accroche que vous pouvez encore écrire.

Le lot : une idée, quatre accroches

Pour illustrer concrètement, voici un vrai lot — quatre clips en 9:16, même produit (café cold brew en petite série), même durée de 5 secondes, même résolution 720p, quatre ouvertures différentes. Ce sont de vraies sorties, pas des rendus d'illustration.

Accroche A — le versement. Un plan macro en caméra fixe sur le versement lui-même, puis un rapide panoramique vers l'étiquette. Teste si une ouverture purement sensorielle (liquide, condensation, glaçons) suffit à capter l'attention avant l'apparition de la marque.

Plan vertical style téléphone, très gros plan, café cold brew foncé versé au ralenti
sur un grand verre rempli de glace, gouttelettes de condensation sur le verre,
lumières de fenêtre matinales en arrière-plan. La caméra reste fixe tout du long, puis
au dernier quart de seconde effectue un panoramique rapide vers une étiquette manuscrite
« SMALL BATCH ». Photoréaliste, faible profondeur de champ, fond de cuisine chaleureux
doucement flouté.

Accroche B — la révélation. Le couvercle d'une caisse en bois glisse pour révéler des rangées de bouteilles du produit. Teste une ouverture de type « making-of » — une accroche de curiosité qui fonctionne bien quand le produit lui-même est visuellement intéressant présenté en quantité.

Plan vertical style téléphone, les mains d'un employé de café font glisser le couvercle
d'une caisse en bois, révélant des rangées de bouteilles de cold brew ambrées dans la glace,
une brume froide semblable à de la vapeur s'élevant, des guirlandes lumineuses chaleureuses
floutées en arrière-plan. La caméra avance légèrement à l'ouverture du couvercle, révélation
rapide et percutante, photoréaliste, léger tremblement à la main pour plus de réalisme.

Accroche C — la gorgée à la première personne. Point de vue à la première personne, un verre levé vers la caméra sur une terrasse ensoleillée. Teste une ouverture axée sur le mode de vie / l'aspiration plutôt qu'une ouverture centrée sur le produit.

Point de vue à la première personne, style téléphone vertical, depuis le regard du buveur,
un verre de cold brew glacé levé vers la caméra devant une terrasse de café ensoleillée en plein air,
la terrasse floutée en arrière-plan, condensation ruisselant le long du verre, glaçons qui tintent et
se déposent. La caméra reste stable tandis que le verre s'élève, se termine avec le verre occupant
la majeure partie du cadre, le bord du verre sur le point de toucher l'objectif. Photoréaliste,
lumière naturelle éclatante.

Accroche D — le versement dynamique. Les glaçons tombent d'abord, puis un versement rapide remplit le verre autour de la glace. Teste une ouverture plus énergique et plus dynamique que le versement lent de l'accroche A.

Plan vertical style téléphone, des glaçons tombant un à un au ralenti dans un verre vide
sur un comptoir en bois foncé, chaque glaçon projetant de fines gouttelettes, puis du cold brew
versé rapidement, remplissant le verre autour de la glace, léger flou de mouvement à l'endroit
du versement. Un seul plan continu, sans coupe, photoréaliste, éclairage latéral chaleureux
et intime, faible profondeur de champ.

Coût total de ce lot : 4 clips × 5 secondes × 0,13 $/seconde (720p) = 2,60 $. Les quatre clips se sont rendus à partir d'une seule soumission parallèle — voir ci-dessous pour le mécanisme exact.

Le mécanisme réel de l'API

kling-3.0-turbo/text-to-video fonctionne via le point de terminaison unifié de tâches asynchrones de hiapi. Il n'existe pas de point de terminaison « lot » dédié — le traitement par lots se fait de votre côté, c'est-à-dire en soumettant plusieurs requêtes de tâches indépendantes à la suite et en les interrogeant en parallèle.

Étape 1 — soumettre chaque variante. Chaque soumission est un simple appel POST /v1/tasks :

curl -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/text-to-video",
    "input": {
      "prompt": "Plan vertical style téléphone, très gros plan, café cold brew foncé versé au ralenti sur un grand verre rempli de glace……",
      "duration": 5,
      "resolution": "720p",
      "aspect_ratio": "9:16"
    }
  }'

La réponse renvoie immédiatement un taskId — elle n'attend pas que le rendu soit terminé. Faites un appel en boucle pour chaque variante, et en quelques secondes vous avez soumis tout le lot, bien avant que le premier clip n'ait fini de se rendre.

Étape 2 — interroger chaque tâche indépendamment. Chaque taskId se vérifie séparément :

curl https://api.hiapi.ai/v1/tasks/<taskId> \
  -H "Authorization: Bearer $HIAPI_API_KEY"

Interrogez à intervalle régulier (quelques secondes est raisonnable) jusqu'à ce que status passe à success ou fail. Comme chaque tâche est indépendante, un rendu lent ne bloque jamais les autres — il vous suffit de maintenir un petit dictionnaire {taskId: status} et de retirer les entrées au fur et à mesure qu'elles se terminent. C'est tout le « planificateur de lots » : pas de file d'attente, pas de service d'orchestration, juste une boucle sur des appels asynchrones indépendants.

Étape 3 — télécharger immédiatement. En cas de success, la réponse contient une URL de sortie — mais il s'agit d'un lien signé et limité dans le temps, pas d'un lien permanent. Téléchargez les octets dès que la tâche est terminée et stockez-les vous-même (R2, S3, ou partout où se trouve votre pipeline). Ne laissez pas les clips reposer sur des URL qui expireront.

Mode strict, version complète :

Champ	Type	Valeurs
prompt	string	votre description de scène
duration	integer	3–15 (secondes)
resolution	string	720p ou 1080p
aspect_ratio	string	16:9, 9:16 ou 1:1

C'est tout — aucun champ supplémentaire n'est accepté. C'est justement ce qui rend la génération par lots si simple : chaque variante d'un lot n'est que les mêmes quatre clés, avec un prompt différent (et, si vous le souhaitez, un aspect_ratio différent pour réutiliser sur plusieurs plateformes).

Écrire des variantes d'accroche réellement différentes

Un piège de la génération par lots est d'écrire quatre prompts qui ne sont en réalité que le même clip avec des synonymes — vous obtenez quatre rendus quasi identiques et aucun véritable signal sur l'accroche qui fonctionne. Variez selon les dimensions qui changent réellement ce que le spectateur voit dans la première seconde :

• Comportement de la caméra : caméra fixe vs. léger tremblement à la main vs. avance vs. élévation à la première personne. Cela change l'énergie ressentie de l'ouverture plus que n'importe quel ajustement de sujet.
• Point de vue : plan produit à la troisième personne vs. point de vue à la première personne vs. les mains de quelqu'un d'autre en action. Les plans à la première personne paraissent souvent plus natifs dans un fil de vidéos courtes.
• Moment de la révélation : le produit ou l'étiquette apparaît-il dès la première image, ou le clip prépare-t-il progressivement sa venue (la révélation par panoramique de l'accroche A) ? Ouvrir sur le résultat et construire lentement sont de véritables accroches différentes, pas des variantes d'une même accroche.
• Énergie du mouvement : versement lent et délibéré (accroche A) vs. versement rapide et dynamique (accroche D) — même sujet, rythme opposé, et le rythme est souvent la véritable variable qui détermine le taux de visionnage complet.

Quatre dimensions, un prompt par dimension, suffisent à obtenir un vrai signal à partir d'un lot. Empiler dix prompts presque identiques ne fait que brûler du budget sans ajouter d'information.

Ce que le traitement par lots résout — et ce qu'il ne résout pas

La génération par lots répond à la question « quelle idée mérite d'être montée en une véritable vidéo courte ? » Elle n'élimine pas le besoin de vérifier humainement les sorties :

• Regardez chaque clip avant de publier. kling-3.0-turbo produit des mouvements et un éclairage convaincants, mais tout texte à l'écran accidentel (comme l'étiquette de l'accroche A) doit encore être vérifié humainement — traitez le texte généré comme tout texte rendu par IA : vérifiez-le, ne présumez pas qu'il est correct.
• Le lot est un tour de sélection, pas un montage final. L'intérêt est d'écarter à moindre coût trois idées et de ne consacrer du temps de montage supplémentaire qu'à celle qui fonctionne vraiment.
• Le coût s'étend de façon linéaire et prévisible. À 0,13 $/seconde (720p) ou 0,16 $/seconde (1080p), un lot de N clips de durée D coûte N × D × rate — facile à prévoir avant soumission, contrairement à certains tests publicitaires payants dont on ne connaît le coût qu'à la fin de la campagne.

Questions fréquentes

Combien de variantes mettre dans un lot ? Trois à cinq est la fourchette pratique — assez pour couvrir des accroches réellement différentes (comportement de caméra, point de vue, moment de la révélation, rythme) sans générer de contenu quasi redondant. Au-delà, vous payez généralement pour un signal redondant plutôt que pour de nouvelles informations.

La résolution influence-t-elle ce que je peux tester ? Non — 720p et 1080p ne changent que le prix (0,13 $/seconde vs 0,16 $/seconde) et la taille du fichier, pas les limites de rapport d'aspect ou de durée. Pour un tour de test d'accroches où vous comptez écarter la plupart des sorties, 720p est le choix le moins cher ; si vous avez besoin de fichiers de plus haute résolution pour la livraison finale, re-rendez la gagnante en 1080p.

Puis-je soumettre plus de 4 ou 5 à la fois ? Oui — l'API de tâches ne limite pas le nombre de tâches indépendantes que vous soumettez, seules votre solde de compte et la rapidité à laquelle vous voulez obtenir des résultats comptent. Le modèle de boucle de soumission et d'interrogation décrit ci-dessus s'étend de la même manière que vous lanciez 4 tâches ou 40 ; vous suivez simplement plus de taskId dans la même boucle.

Les clips contiennent-ils de l'audio ? Oui — kling-3.0-turbo rend un vrai audio d'ambiance (éclaboussures, sons de versement, bruit de fond de la pièce), même sans niveau de tarification « avec audio » distinct. Ne supposez pas qu'il est muet ; vérifiez la sortie réelle avant d'ajouter votre propre design sonore.

Quelle est la différence avec le guide de recettes de prompts de génération de vidéo ? Ce guide-là est une référence de prompts pour un seul clip — utile pour savoir ce que kling-3.0-turbo peut rendre. Le présent guide porte sur l'habitude de production consistant à générer plusieurs versions concurrentes autour d'une même idée en parallèle et à sélectionner la gagnante, ce qui est le flux de travail qui compte vraiment une fois que vous publiez du contenu vidéo court selon un calendrier régulier.

Points clés à retenir :

• La génération par lots avec kling-3.0-turbo consiste à soumettre plusieurs variantes de prompt comme tâches asynchrones indépendantes, et non à utiliser une API « lot » spéciale — le parallélisme n'est que votre propre boucle de soumission-interrogation.
• Le schéma du modèle reste volontairement minimal (prompt, duration, resolution, aspect_ratio), ce qui rend trivial de remplacer les prompts dans un lot.
• Variez le comportement de la caméra, le point de vue, le moment de la révélation et l'énergie du mouvement — et non des synonymes — pour obtenir un vrai signal à partir du lot.
• À 0,13 $/seconde (720p), un tour de test d'accroches de 4 clips ne coûte que quelques dollars — assez peu cher pour en lancer un avant chaque publication de vidéo courte, et pas seulement pour les grandes campagnes.
• Le traitement par lots réduit le champ de l'idée à poursuivre ; il ne remplace pas la relecture humaine du clip gagnant.

Prêt à lancer votre propre lot ? Consultez les tarifs et limites de débit actuels avant une grosse exécution, ou commencez par la page du modèle kling-3.0-turbo/text-to-video pour obtenir la référence complète des paramètres. Si vous voulez d'abord des idées de prompts pour un seul clip, le guide de recettes de prompts est une bonne bibliothèque de départ à adapter en vos propres variantes d'accroche.