Kling 3.0 Omni API の使い方：4つのエンドポイントを5分で動かす

TL;DR

• Kling 3.0 Omni は可霊の万能動画モデルで、HiAPI ではテキストから動画、画像から動画、参照から動画、動画変換の4つのエンドポイントに分かれており、モデルページを開く だけでオンライン生成できます。新規ユーザー登録で200クレジット進呈。
• 秒単位の課金：720p は1秒 $0.10 から、1080p は1秒 $0.129 から、4K は1秒 $0.479。音声あり、参照動画ありの場合は別単価です。
• API は同じ /v1/tasks エンドポイントで、model と input を変えるだけ。以下の curl と Python はコピーすればそのまま動きます。

4つのエンドポイントはそれぞれ何をする？

モデル ID	入力	向いている用途
kling-3.0-omni/text-to-video	プロンプト	ゼロからカットを作る
kling-3.0-omni/image-to-video	1枚の最初のフレーム、または最初のフレーム＋最後のフレーム	1枚の画像を動かす
kling-3.0-omni/reference-to-video	1〜7枚の参照画像、任意で1本の参照動画	人物や商品を固定する、または参照動画のカメラワークを再現する
kling-3.0-omni/transformation	1本の元動画	カメラワークと動きを保ちながら、シーンとスタイルを変える

4つのエンドポイントはいずれも解像度 720p、1080p、4k を選べます。テキストから動画と参照から動画は長さ（3〜15秒）、アスペクト比（16:9、9:16、1:1）、音声（audio）を設定できます。画像から動画は長さと音声を設定でき、アスペクト比は最初のフレームに従います。動画変換はプロンプト、元動画、解像度のみを渡し、長さとアスペクト比は元動画に従い、音声は生成されません。テキストから動画、画像から動画、参照から動画はスマートマルチショット（prefer_multi_shots）にも対応し、4つのエンドポイントすべてで再利用可能な主体（elements、プロンプト内で @名前 と書く）を使えます。

以下の3秒 720p の雨夜の紙の舟は、プロンプト1つで直接生成したものです：

A paper boat drifts down a rain-soaked city gutter at dusk, neon signs reflecting and rippling on the water; the camera glides low beside it as raindrops splash around. Cinematic, shallow depth of field, smooth tracking motion.

このプロンプトで生成 →

2つの始め方

オンラインで試す（コード不要）

1. 該当するモデルページ（例：テキストから動画）を開き、登録またはログインします。
2. プロンプトを貼り付け、長さ、解像度、アスペクト比を選び、必要に応じて音声をオンにします。
3. 生成をクリックし、完成したらそのままダウンロードします。

API 呼び出し

1. コンソールで API Key を作成します。
2. POST https://api.hiapi.ai/v1/tasks で送信し、taskId が返ります。
3. GET /v1/tasks/{taskId} で状態を確認し、status が success になったら output[0].url からダウンロードします。

curl：テキストから動画

curl -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling-3.0-omni/text-to-video",
    "input": {
      "prompt": "A paper boat drifts down a rain-soaked city gutter at dusk, neon signs reflecting on the water.",
      "duration": 5,
      "resolution": "720p",
      "audio": false,
      "aspect_ratio": "16:9"
    }
  }'

Python：送信、ポーリング、ダウンロード

import os, time, requests

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

def generate(model, **inp):
    r = requests.post("https://api.hiapi.ai/v1/tasks",
                      json={"model": model, "input": inp}, headers=H)
    task_id = r.json()["data"]["taskId"]
    while True:
        d = requests.get(f"https://api.hiapi.ai/v1/tasks/{task_id}", headers=H).json()["data"]
        if d["status"] == "success":
            return d["output"][0]["url"]
        if d["status"] in ("fail", "failed"):
            raise RuntimeError(d)
        time.sleep(10)

url = generate(
    "kling-3.0-omni/image-to-video",
    prompt="Morning fog slowly lifts over the harbor, camera slowly pushes in along the dock.",
    image_urls=["https://your-cdn.example.com/harbor.jpg"],
    duration=5, resolution="720p",
)
open("clip.mp4", "wb").write(requests.get(url).content)

残り3つのエンドポイントの書き方

画像から動画：image_urls に1枚渡すと最初のフレーム、2枚渡すと最初のフレームと最後のフレームになります。出力のアスペクト比は最初のフレームに従います。

Morning fog slowly lifts over the harbor as the fishing boats rock gently on the water; the low sun breaks through the haze and glints on the wet pier, camera slowly pushes in along the dock. Cinematic, calm, photorealistic.

このプロンプトで生成 →

参照から動画：image_urls は必須（1〜7枚、JPG/PNG、1枚あたり50MB以下、最短辺300px以上）で、任意で1本の video_urls をカメラワークの参照として追加できます（MP4/MOV、3〜15.5秒、200MB以下）。以下は紙の舟の最初のフレーム画像を主体の参照に、上の雨夜の動画をカメラワークの参照に使い、紙の舟を森の小川に置き換えたものです：

The same white paper boat from the reference drifts along a sunlit forest stream at golden hour, leaves floating beside it, camera tracks low alongside it with the same smooth motion as the reference video. Cinematic, shallow depth of field.

このプロンプトで生成 →

参照動画を使う場合、audio は必ず false でなければならず、スマートマルチショットは有効にできず、参照画像は最大4枚までです。最小リクエスト：

{
  "model": "kling-3.0-omni/reference-to-video",
  "input": {
    "prompt": "The same white paper boat from the reference drifts along a forest stream",
    "image_urls": ["https://static.hiapi.ai/admin-assets/2026/10/13/1791861888668-6554d6167af93003-kling-omni-boat-frame.jpg"],
    "video_urls": ["https://static.hiapi.ai/admin-assets/2026/10/13/1791861859228-2b40d774dd4b2262-kling-omni-t2v-golden.mp4"],
    "duration": 3,
    "resolution": "720p",
    "audio": false
  }
}

複数の主体を固定するには、elements で各主体に名前を付け、プロンプト内で @名前 と書きます。完全な書き方は 参照から動画のプロンプト事例 を参照してください。

動画変換：video_urls に元動画を1本渡し（MP4/MOV、3〜15.5秒、200MB以下）、プロンプトに何に変えるかを書きます。出力の長さとアスペクト比は元動画に従い、音声は生成されません。最小リクエスト：

{
  "model": "kling-3.0-omni/transformation",
  "input": {
    "prompt": "Transform the scene into a snowy winter night, keep the exact camera motion",
    "video_urls": ["https://static.hiapi.ai/admin-assets/2026/10/13/1791861859228-2b40d774dd4b2262-kling-omni-t2v-golden.mp4"],
    "resolution": "720p"
  }
}

同じ雨夜の紙の舟を、雪の夜に光る紙灯籠の舟に変えたものです：

Transform the scene into a snowy winter night: the gutter becomes a frozen stream with drifting snowflakes, the paper boat becomes a small glowing paper lantern boat, keep the exact camera motion and water movement from the original video. Cinematic, cold blue tones.

このプロンプトで生成 →

料金はいくら？

エンドポイント	720p	1080p	4K
テキストから動画 / 画像から動画、音声オフ	$0.10/秒	$0.129/秒	$0.479/秒
テキストから動画 / 画像から動画、音声オン	$0.129/秒	$0.1645/秒	$0.479/秒
参照から動画、参照動画なし	同上	同上	同上
参照から動画、参照動画あり	$0.143/秒	$0.193/秒	$0.479/秒
動画変換	$0.143/秒	$0.193/秒	$0.479/秒

5秒 720p 音声オフのテキストから動画は $0.50 で、$10 で100秒生成できます。最短の3秒ならわずか $0.30。プロンプトを調整するときはまず 720p と3〜5秒で試し、確定してから 1080p や 4K に上げましょう。失敗したタスクは自動返金されます。

リリース前の注意点

• ポーリングの代わりにコールバックを使う：リクエストのトップレベルに "callback": {"url": "https://あなたのドメイン/hiapi/callback"} を追加すると、タスクの成功または失敗時に HiAPI が能動的に通知します。taskId で重複を排除してください。
• 動画はデフォルトで約7日間保存：output[0].url を取得したら転送保存してください。長期保存が必要なら HiAPI の永続ストレージ（保存量に応じて別途課金）を利用できます。
• パラメータはエンドポイントごとに漏れなく書く：テキストから動画、画像から動画、参照から動画では resolution、duration、audio を明示的に書きます。動画変換では resolution のみを書き、長さは元動画に従います。
• 要素名にスペースは使わない：elements[].name には serum と書き、プロンプト内では @serum と書きます。

よくある質問

4つのエンドポイントはそれぞれ有効化が必要ですか？

いいえ。同じ API Key で、model を変えるだけです。

縦向き動画は作れますか？

作れます。テキストから動画と参照から動画では aspect_ratio に 9:16 を指定します。画像から動画は最初のフレームの比率に従い、動画変換は元動画に従います。

音声はどう追加しますか？

テキストから動画、画像から動画、参照から動画（参照動画なしの場合）では audio を true にすると、映像に同期した環境音と効果音が生成されます。720p は1秒あたり $0.029 増、1080p は1秒あたり $0.0355 増です。

プロンプトは中国語で書けますか？

書けます。カメラの動き、主体の動作、光とスタイルを文を分けて明確に書くと最も安定します。

上の雨夜の紙の舟のプロンプトをコピーして、モデルページで最初の1本を生成。コピー可能な事例は Kling 3.0 Omni プロンプト事例、価格の詳細は Kling 3.0 API の料金 を参照してください。