Guide de l'API Kling 4.0 Flash : trois modes, $0.1225 par seconde et exemples d'appel

Qu'est-ce que Kling 4.0 Flash

Kling 4.0 Flash est la version rapide du modèle vidéo Kling 4.0. Sur HiAPI, il est divisé en trois ID de modèle correspondant à trois modes d'entrée :

• kling-4.0-flash/text-to-video : il suffit d'écrire un prompt pour générer une vidéo.
• kling-4.0-flash/image-to-video : fournissez une image de première frame, puis utilisez le prompt pour décrire les actions et les mouvements de caméra.
• kling-4.0-flash/reference-to-video : fournissez 1 à 10 images de référence, puis désignez-les dans le prompt avec @Image1, @Image2, afin de maintenir la cohérence des personnages, des produits ou du style dans la vidéo.

Points communs aux trois modèles : sortie en 720p, durée de 3 à 20 secondes (secondes entières, 5 secondes par défaut), génération simultanée de l'image et de l'audio natif, sans besoin d'ajouter une piste audio séparément.

Tarif : $0.1225 par seconde, même prix pour les trois modes

La facturation se fait selon la durée de sortie, à $0.1225 par seconde ; l'audio n'est pas facturé en supplément et les images de référence n'entraînent aucun surcoût. Calcul pour quelques durées courantes :

• 5 secondes (par défaut) : $0.6125
• 10 secondes : $1.225
• 20 secondes (maximum) : $2.45

Le coût dépend uniquement de duration ; il est donc plus économique de tester d'abord le prompt et la composition sur 3 à 5 secondes, puis d'allonger une fois le résultat validé. En cas d'échec de la tâche, le montant est intégralement remboursé.

Paramètres

Les trois modèles partagent prompt, duration et resolution ; les différences portent sur l'entrée d'image et le format d'image :

• prompt : 2500 caractères maximum. Obligatoire pour texte-vers-vidéo et référence-vers-vidéo ; facultatif pour image-vers-vidéo, mais le préciser avec les actions et les mouvements de caméra rend le résultat plus contrôlable.
• duration : entier de 3 à 20, valeur par défaut 5.
• resolution : actuellement uniquement 720p.
• aspect_ratio : pour texte-vers-vidéo, choix entre 16:9 (par défaut), 9:16, 1:1 et 21:9 ; pour référence-vers-vidéo, ces quatre options s'ajoutent à auto (par défaut) ; image-vers-vidéo ne dispose pas de ce paramètre, le format d'image suit la première frame.
• image_urls : obligatoire et limité à 1 image pour image-vers-vidéo ; 1 à 10 images pour référence-vers-vidéo ; inutile pour texte-vers-vidéo.

Exemples de requête

Les tâches vidéo de HiAPI sont asynchrones : créez d'abord la tâche, puis interrogez le résultat. model se place au niveau supérieur, les autres paramètres vont dans input.

Texte-vers-vidéo, format vertical, 8 secondes :

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling-4.0-flash/text-to-video",
    "input": {
      "prompt": "Une rue néon par une nuit de pluie, une jeune fille tenant un parapluie transparent se retourne vers la caméra, mouvement de caméra lent vers l'avant, bruit de la pluie et circulation lointaine",
      "aspect_ratio": "9:16",
      "duration": 8
    }
  }'

Cette commande coûte 8 × $0.1225 = $0.98.

Référence-vers-vidéo, avec deux images pour fixer le personnage et le produit :

{
  "model": "kling-4.0-flash/reference-to-video",
  "input": {
    "prompt": "La jeune femme de @Image1 prend le thermos de @Image2 près de la fenêtre d'un café, se tourne vers la caméra en souriant, lumière naturelle",
    "image_urls": [
      "https://example.com/model.jpg",
      "https://example.com/bottle.jpg"
    ],
    "aspect_ratio": "16:9",
    "duration": 5
  }
}

Après la création réussie, utilisez l'ID de tâche renvoyé pour interroger GET https://api.hiapi.ai/v1/tasks/{taskId} en boucle, puis récupérez l'adresse de la vidéo dans la sortie une fois la tâche terminée.

Comment choisir entre les trois modes

• Vous avez seulement une idée, sans matériel : utilisez texte-vers-vidéo, adapté à la recherche de direction et au prévisualisation de storyboard.
• Vous disposez déjà d'une image définie (affiche, visuel principal de produit, modèle de personnage) : utilisez image-vers-vidéo ; la composition et les couleurs suivent la première frame, le prompt ne décrit que le mouvement.
• Le même personnage ou le même produit doit apparaître dans différentes prises de vue : utilisez référence-vers-vidéo, en nommant chaque image dans le prompt avec @ImageN et en précisant clairement ce qu'elle fait dans l'image.

Limitations actuelles

• Uniquement 720p, pas de niveau 1080p.
• Durée maximale de 20 secondes par génération ; pour des vidéos plus longues, il faut générer par segments puis monter.
• Les images doivent être des adresses http(s) accessibles publiquement, en JPEG ou PNG, d'au moins 300 px de chaque côté, avec un rapport largeur/hauteur compris entre 2:5 et 5:2.
• L'audio est généré avec l'image, sans option de désactivation ; pour obtenir un son souhaité (ambiance, effets sonores, atmosphère), décrivez-le directement dans le prompt.