Como usar a API do Kling 3.0 Omni? Quatro entradas em 5 minutos

TL;DR

• O Kling 3.0 Omni é o modelo de vídeo tudo-em-um do Kling. No HiAPI ele é dividido em quatro entradas: texto para vídeo, imagem para vídeo, referência para vídeo e transformação de vídeo. Abra a página do modelo e gere online; novos usuários ganham 200 créditos ao se cadastrar.
• Cobrança por segundo: 720p a partir de $0.10 por segundo, 1080p a partir de $0.129 por segundo, 4K a $0.479 por segundo; áudio e vídeo de referência têm preços adicionais.
• A API usa o mesmo endpoint /v1/tasks, mudando apenas model e input. Os exemplos curl e Python abaixo podem ser copiados e executados.

O que cada uma das quatro entradas faz?

ID do modelo	Entrada	Indicado para
kling-3.0-omni/text-to-video	Prompt	Criar tomadas do zero
kling-3.0-omni/image-to-video	1 quadro inicial, ou quadro inicial + quadro final	Dar movimento a uma imagem
kling-3.0-omni/reference-to-video	1–7 imagens de referência, opcionalmente 1 vídeo de referência	Fixar personagens, produtos ou copiar o movimento de câmera de um vídeo de referência
kling-3.0-omni/transformation	1 vídeo original	Manter movimento de câmera e ações, trocando cenário e estilo

As quatro entradas permitem escolher a resolução 720p, 1080p ou 4k. Texto para vídeo e referência para vídeo permitem definir duração (3–15 segundos), proporção (16:9, 9:16, 1:1) e áudio (audio); imagem para vídeo permite definir duração e áudio, e a proporção segue o quadro inicial; transformação de vídeo recebe apenas prompt, vídeo original e resolução, com duração e proporção seguindo o vídeo original e sem gerar áudio. Texto para vídeo, imagem para vídeo e referência para vídeo também suportam tomadas múltiplas inteligentes (prefer_multi_shots), e todas as quatro entradas aceitam sujeitos reutilizáveis (elements, referenciados no prompt como @nome).

O barquinho de papel em noite de chuva abaixo, com 3 segundos em 720p, foi gerado diretamente com um prompt:

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.

Gerar com este prompt →

Dois caminhos para começar

Teste online (sem código)

1. Abra a página do modelo correspondente (por exemplo, texto para vídeo) e cadastre-se ou faça login.
2. Cole o prompt, escolha duração, resolução e proporção, e ative o áudio se necessário.
3. Clique em gerar e baixe o resultado quando estiver pronto.

Chamada via API

1. Crie uma API Key no console.
2. Envie POST https://api.hiapi.ai/v1/tasks e receba um taskId.
3. Consulte o status com GET /v1/tasks/{taskId}; quando status for success, baixe a partir de output[0].url.

curl: texto para vídeo

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: enviar, consultar e baixar

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)

Como usar as outras três entradas?

Imagem para vídeo: image_urls com 1 imagem define o quadro inicial; com 2 imagens, define quadro inicial e quadro final; a proporção da saída segue o quadro inicial.

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.

Gerar com este prompt →

Referência para vídeo: image_urls é obrigatório (1–7 imagens, JPG/PNG, até 50MB por imagem e lado menor com no mínimo 300px); opcionalmente inclua 1 video_urls como referência de movimento de câmera (MP4/MOV, 3–15,5 segundos, até 200MB). O exemplo abaixo usa a imagem do barquinho de papel como referência de sujeito e o vídeo da noite de chuva acima como referência de movimento de câmera; o barquinho foi movido para um riacho na floresta:

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.

Gerar com este prompt →

Com vídeo de referência, audio deve ser false, não é possível ativar tomadas múltiplas inteligentes e o máximo de imagens de referência é 4. Requisição mínima:

{
  "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
  }
}

Para fixar vários sujeitos, use elements para nomear cada um e escreva @nome no prompt; a sintaxe completa está em Exemplos de prompt para referência para vídeo.

Transformação de vídeo: video_urls recebe 1 vídeo original (MP4/MOV, 3–15,5 segundos, até 200MB) e o prompt descreve o que deve ser trocado. A duração e a proporção da saída seguem o vídeo original, e não é gerado áudio. Requisição mínima:

{
  "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"
  }
}

O mesmo barquinho de papel na noite de chuva, transformado em um barco de lanterna de papel brilhante em uma noite de neve:

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.

Gerar com este prompt →

Quanto custa?

Entrada	720p	1080p	4K
Texto / imagem para vídeo, áudio desligado	$0.10/segundo	$0.129/segundo	$0.479/segundo
Texto / imagem para vídeo, áudio ligado	$0.129/segundo	$0.1645/segundo	$0.479/segundo
Referência para vídeo, sem vídeo de referência	Igual acima	Igual acima	Igual acima
Referência para vídeo, com vídeo de referência	$0.143/segundo	$0.193/segundo	$0.479/segundo
Transformação de vídeo	$0.143/segundo	$0.193/segundo	$0.479/segundo

Um vídeo de texto para vídeo de 5 segundos em 720p com áudio desligado custa $0.50; com $10 é possível gerar 100 segundos; o mínimo de 3 segundos custa apenas $0.30. Ajuste o prompt primeiro em 720p e 3–5 segundos; depois de finalizar, use 1080p ou 4K. Tarefas com falha são reembolsadas automaticamente.

Cuidados antes de ir para produção

• Use callback em vez de polling: adicione no nível superior da requisição "callback": {"url": "https://seudominio/hiapi/callback"}; o HiAPI notifica ativamente quando a tarefa conclui ou falha; deduplique por taskId.
• Os vídeos ficam salvos por cerca de 7 dias por padrão: após obter output[0].url, transfira o arquivo; para retenção de longo prazo, use o armazenamento persistente do HiAPI (cobrado separadamente pelo volume armazenado).
• Preencha os parâmetros conforme a entrada: em texto para vídeo, imagem para vídeo e referência para vídeo, informe explicitamente resolution, duration e audio; em transformação de vídeo, informe apenas resolution, pois a duração segue o vídeo original.
• Nomes de elementos sem espaços: em elements[].name use serum; no prompt, use @serum.

Perguntas frequentes

É preciso ativar as quatro entradas separadamente?

Não. Basta usar a mesma API Key e trocar o model.

É possível gerar vídeo vertical?

Sim. Em texto para vídeo e referência para vídeo, defina aspect_ratio como 9:16; imagem para vídeo segue a proporção do quadro inicial e transformação de vídeo segue o vídeo original.

Como adicionar áudio?

Em texto para vídeo, imagem para vídeo e referência para vídeo (sem vídeo de referência), defina audio como true para gerar sons ambiente e efeitos sonoros sincronizados com a imagem. Em 720p, custa $0.029 a mais por segundo; em 1080p, $0.0355 a mais por segundo.

É possível escrever o prompt em chinês?

Sim. Para maior consistência, descreva em frases separadas como a câmera se move, o que o sujeito faz, e a iluminação e o estilo.

Copie o prompt do barquinho de papel na noite de chuva acima e gere seu primeiro vídeo na página do modelo; para mais exemplos prontos para copiar, veja Exemplos de prompt do Kling 3.0 Omni, e para detalhes de preço, veja Preços da API do Kling 3.0.