Guida all'API Kling 4.0 Flash: tre modalità, $0,1225 al secondo ed esempi di chiamata

Che cos'è Kling 4.0 Flash

Kling 4.0 Flash è la versione rapida del modello video Kling 4.0. Su HiAPI è suddiviso in tre ID modello, corrispondenti a tre modalità di input:

• kling-4.0-flash/text-to-video: basta scrivere un prompt per generare il video.
• kling-4.0-flash/image-to-video: fornisci un'immagine del primo fotogramma e poi descrivi azioni e movimenti di camera nel prompt.
• kling-4.0-flash/reference-to-video: fornisci da 1 a 10 immagini di riferimento e richiamale nel prompt con @Image1, @Image2, per mantenere coerenti persone, prodotti o stile nel video.

Caratteristiche comuni ai tre modelli: output a 720p, durata da 3 a 20 secondi (secondi interi, predefinito 5 secondi), video e audio nativo generati insieme, senza necessità di una traccia audio separata.

Prezzo: $0,1225 al secondo, stesso prezzo per le tre modalità

La fatturazione è basata sulla durata dell'output: $0,1225 al secondo, l'audio non è addebitato a parte e le immagini di riferimento non comportano costi aggiuntivi. Ecco alcuni calcoli per le durate più comuni:

• 5 secondi (predefinito): $0,6125
• 10 secondi: $1,225
• 20 secondi (massimo): $2,45

Il costo dipende solo da duration, quindi il modo più diretto per risparmiare è provare prima prompt e composizione con 3–5 secondi e allungare solo dopo aver trovato la configurazione giusta. In caso di attività fallita, il rimborso è completo.

Parametri

I tre modelli condividono prompt, duration e resolution; le differenze riguardano l'input immagine e le proporzioni:

• prompt: massimo 2500 caratteri. Obbligatorio per text-to-video e reference-to-video; per image-to-video è facoltativo, ma scrivere azioni e movimenti di camera rende il risultato più controllabile.
• duration: numero intero da 3 a 20, predefinito 5.
• resolution: attualmente solo 720p.
• aspect_ratio: per text-to-video sono disponibili 16:9 (predefinito), 9:16, 1:1, 21:9; per reference-to-video, oltre a queste quattro, c'è anche auto (predefinito); image-to-video non ha questo parametro, le proporzioni seguono l'immagine del primo fotogramma.
• image_urls: obbligatorio e limitato a 1 immagine per image-to-video; da 1 a 10 immagini per reference-to-video; non necessario per text-to-video.

Esempi di richiesta

Le attività video di HiAPI sono asincrone: prima si crea l'attività, poi si interroga il risultato. model va al livello superiore, gli altri parametri dentro input.

Text-to-video, verticale, 8 secondi:

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": "Incrocio al neon in una notte di pioggia, una ragazza con un ombrello trasparente si gira verso la camera, la camera si avvicina lentamente, suono della pioggia e del traffico in lontananza",
      "aspect_ratio": "9:16",
      "duration": 8
    }
  }'

Questa richiesta costa 8 × $0,1225 = $0,98.

Reference-to-video, con due immagini per mantenere coerenti persona e prodotto:

{
  "model": "kling-4.0-flash/reference-to-video",
  "input": {
    "prompt": "La ragazza di @Image1 prende la borraccia termica di @Image2 vicino alla finestra di un caffè, si gira verso la camera e sorride, luce naturale",
    "image_urls": [
      "https://example.com/model.jpg",
      "https://example.com/bottle.jpg"
    ],
    "aspect_ratio": "16:9",
    "duration": 5
  }
}

Dopo la creazione, usa l'ID attività restituito per interrogare GET https://api.hiapi.ai/v1/tasks/{taskId}; al completamento, recupera l'indirizzo del video dall'output.

Come scegliere tra le tre modalità

• Hai solo un'idea, nessun materiale: usa text-to-video, adatto per esplorare direzioni e fare previsualizzazioni dello storyboard.
• Hai già un'immagine definita (poster, immagine principale di un prodotto, character sheet): usa image-to-video; composizione e colori seguono il primo fotogramma, nel prompt descrivi solo il movimento.
• Devi mostrare la stessa persona o lo stesso prodotto in inquadrature diverse: usa reference-to-video, richiama ogni immagine nel prompt con @ImageN e specifica chiaramente cosa fa nella scena.

Limiti attuali

• Solo 720p, nessun livello 1080p.
• Durata massima di 20 secondi per singola generazione; per video più lunghi è necessario generare a segmenti e poi montare.
• Le immagini devono essere indirizzi http(s) accessibili pubblicamente, in formato JPEG o PNG, con lati di almeno 300px e rapporto d'aspetto tra 2:5 e 5:2.
• L'audio viene generato insieme al video e non può essere disattivato; i suoni desiderati (rumore ambientale, effetti sonori, atmosfera) vanno scritti direttamente nel prompt.