Kling 2.5

Visão geral da posição

kling-2.5-turbo/image-to-video é um modelo voltado para tarefas de vídeo a partir de imagem, que usa uma ou duas imagens como quadro inicial e, opcionalmente, quadro final, combinadas com um prompt de texto para gerar um vídeo curto de 5 ou 10 segundos. Ele suporta prompt negativo e ajuste de intensidade de aderência ao prompt entre 0 e 1, e a proporção pode ser escolhida no modo de imagem única ou de duas imagens. É adequado para desenvolvedores que precisam transformar uma imagem estática em um clipe dinâmico e desejam controlar o conteúdo do quadro por meio de parâmetros.

Destaques principais

• Condução por quadros inicial e final — é possível enviar um quadro inicial ou adicionar também um quadro final, fazendo o vídeo começar em uma tela especificada e transicionar até uma tela final especificada.
• Intensidade de aderência ao prompt ajustável — cfg_scale ajusta entre 0 e 1 o grau de aderência do vídeo à descrição textual, facilitando escolher entre liberdade criativa e reprodução rigorosa.
• Exclusão de interferências com prompt negativo — suporta prompt negativo de até 2496 caracteres, usado para suprimir conteúdos que não se deseja que apareçam no quadro.

Descrição das capacidades

Entrada de quadro inicial e quadro final opcional: image_urls aceita de 1 a 2 URLs de imagem, com suporte a jpeg/png/webp, máximo de 10MB por imagem; ao enviar duas imagens, gera-se uma transição do quadro inicial ao quadro final.

Escolha de duração e proporção: duration pode ser 5 ou 10 segundos; no modo de imagem única, as proporções suportadas são 16:9, 9:16, 1:1, 4:3, 3:4 e 21:9; no modo de duas imagens, ficam limitadas a 16:9, 9:16 e 1:1.

Prompt e prompt negativo: prompt é obrigatório, com até 2500 caracteres, usado para descrever ações do sujeito, mudanças de ambiente e movimentos de câmera; negative_prompt tem até 2496 caracteres e serve para excluir conteúdos indesejados.

Ajuste de aderência: cfg_scale assume valores de 0 a 1; quanto maior o valor, mais forte a aderência do vídeo à descrição textual, permitindo ajustar o grau de correspondência do resultado gerado conforme a necessidade da cena.

Cenários de aplicação

• Criadores de anúncios e vídeos de produto: uma imagem de produto + descrição de ação — transformar uma imagem estática de produto em um clipe curto com movimento de câmera, para uso como material de exibição dinâmica em vídeos de marca ou e-commerce.
• Pré-visualização de pré-produção audiovisual: imagens conceituais + quadros inicial e final especificados — usar duas imagens conceituais para fixar as telas de início e fim, gerando um clipe de transição como storyboard ou prévia de filme conceitual.
• Operação de conteúdo para redes sociais: imagem vertical + prompt curto — converter a imagem em um vídeo curto vertical de 5 ou 10 segundos na proporção 9:16, pronto para publicação direta em plataformas sociais.

Limitações e recomendações de seleção

O limite de duração por geração é de 10 segundos, portanto não é adequado para produzir vídeos longos diretamente; no modo de duas imagens, as proporções suportadas são apenas 16:9, 9:16 e 1:1, e no modo de imagem única o processamento alternativo pode seguir a proporção da imagem original, sem garantia de correspondência exata com o tamanho solicitado. Imagens WebP não são convertidas automaticamente, e parte do processamento alternativo aceita apenas jpeg/png. A qualidade da geração depende bastante da redação do prompt e do ajuste de cfg_scale. Caso seja necessário gerar vídeo diretamente a partir de texto, deve-se escolher um modelo da mesma família para geração de vídeo a partir de texto.