Использование коротких видео Kling AI через API: сквозной рабочий процесс текст-в-видео с kling-3.0-omni

Короткие видео — это игра чисел: ленты вознаграждают аккаунты, публикующие каждый день, а вручную каждый день снимать, монтировать и делать звуковой дизайн для каждого клипа не может никто.kling-3.0-omni/text-to-video — одна из немногих моделей, покрывающая весь чек-лист коротких видео за один вызов API: вертикальный вывод 9:16, кинематографичное движение, многоплан��вые последовательности и нативно синхронизированный звук — поэтому весь конвейер сводится к «написать промпт, опросить одну задачу, скачать готовый к публикации .mp4».

Это руководство проходит весь рабочий процесс на API hiapi от начала до конца: отправка асинхронной задачи, проектирование промптов, удерживающих зрителя при пролистывании ленты, включение нативного звука, масштабирование до многопланового повествования и пакетная генерация вариантов. Каждый встроенный ниже клип — реальный, несмонтированный первый вывод работающего API, созданный для этой статьи, с точными промптами и настройками рядом.

Инструменты, которые вы будете использовать

kling-3.0-omni/text-to-video (Kling 3.0 Omni от Kuaishou, эндпоинт текст-в-видео) работает на асинхронном интерфейсе задач hiapi. Биллинг рассчитывается по секундам вывода и зависит от разрешения и включения нативного звука. Приведённые ниже тарифы взяты со страницы цен hiapi на момент написания:

Уровень	Цена за секунду	5-секундный клип	10-секундный клип
720p	$0.10	$0.50	$1.00
720p + звук	$0.143	$0.72	$1.43
1080p	$0.129	$0.65	$1.29
1080p + звук	$0.193	$0.97	$1.93
4K	$0.479	$2.40	$4.79

Для вертикальных видео, ориентированных на ленты, 720p — честный выбор: TikTok и Reels всё равно перерисовывают всё, и это самый дешёвый способ перебирать промпты. Оставьте 1080p/4K для клипов, которые вы будете монтировать в другие форматы.

Входная схема, которую мы фактически проверили в этой статье: prompt (строка), duration (целые секунды — мы запускали 5 и 10 секунд), resolution (720p / 1080p / 4K), aspect_ratio (9:16 для вертикали) и sound (булево, по умолчанию выключено). Одно поведение, о котором стоит знать до того, как вы будете строить вокруг него: если опустить sound, возвращаемый .mp4 вообще не имеет аудиодорожки — не тихой дорожки, а никакой. Если ваш нижестоящий монтажный конвейер ожидает, что каждый файл будет иметь аудиопоток, либо всегда задавайте sound: true, либо явно обрабатывайте файлы без дорожки.

Отправка → опрос → скачивание: жизненный цикл задачи

Всё происходит через POST /v1/tasks. Отправьте задачу, сразу получите ID задачи, опрашивайте до завершения, затем скачайте вывод. 5-секундный клип 720p обычно рендерится за несколько минут.

Отправка через curl:

curl -s -X POST https://api.hiapi.ai/v1/tasks \
  -H "Authorization: Bearer $HIAPI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling-3.0-omni/text-to-video",
    "input": {
      "prompt": "Вертикальное короткое видео. Бариста в залитом солнцем кофе-баре одним плавным движением наливает идеальный латте-арт розеттой, поднимается пар, утренний свет через окно, малая глубина резкости, чёткая фотореалистичная детализация, лёгкий медленный наезд камеры.",
      "duration": 5,
      "resolution": "720p",
      "aspect_ratio": "9:16"
    }
  }'

Ответ возвращается немедленно:

{"code": 200, "data": {"taskId": "tk-hiapi-01KWZYC1VKGV2CCSBK6AY9862H"}, "message": "success"}

Затем опрашивайте GET /v1/tasks/{taskId}, пока status не станет success (или fail), и скачайте output[0].url. Ниже — полный вспомогательный скрипт на Python: это именно тот шаблон, который мы использовали для генерации каждого клипа в этом руководстве:

import json, subprocess, time, os

API = "https://api.hiapi.ai/v1/tasks"
TOKEN = os.environ["HIAPI_API_KEY"]

def submit(input_fields: dict) -> str:
    payload = {"model": "kling-3.0-omni/text-to-video", "input": input_fields}
    out = subprocess.run(
        ["curl", "-s", "-X", "POST", API,
         "-H", f"Authorization: Bearer {TOKEN}",
         "-H", "Content-Type: application/json",
         "-d", json.dumps(payload)],
        capture_output=True, text=True, timeout=70).stdout
    return json.loads(out)["data"]["taskId"]

def wait(task_id: str, timeout_s: int = 900) -> dict:
    deadline = time.time() + timeout_s
    while time.time() < deadline:
        out = subprocess.run(
            ["curl", "-s", f"{API}/{task_id}",
             "-H", f"Authorization: Bearer {TOKEN}"],
            capture_output=True, text=True, timeout=40).stdout
        task = json.loads(out)["data"]
        if task["status"] == "success":
            return task
        if task["status"] == "fail":
            raise RuntimeError(f"task failed: {task.get('error')}")
        time.sleep(8)
    raise TimeoutError(task_id)

task_id = submit({
    "prompt": "...",
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16",
})
task = wait(task_id)
video_url = task["output"][0]["url"]
subprocess.run(["curl", "-s", "-o", "clip.mp4", video_url], timeout=120)

Важная операционная деталь для продакшена: output[0].url, который вы получаете, — это подписанная ссылка с ограниченным сроком действия (с временем истечения). Скачайте байты сразу после успеха задачи и сохраните их в свой бакет или CDN — никогда не сохраняйте исходный URL задачи в базу данных или CMS.

Проектирование промптов для 3-секундного хука

Успех короткого видео зависит от того, что происходит на экране в первую секунду. Шаблон промпта, который стабильно работает для вертикальных хуков: один субъект, одно непрерывное приятное действие, явно описанный свет и движение камеры, выраженное языком кинематографа. Ниже — точный промпт из примера curl выше и клип, который он создал:

Вертикальное короткое видео. Бариста в залитом солнцем кофе-баре одним
плавным движением наливает идеальный латте-арт розеттой, поднимается пар,
утренний свет через окно, малая глубина резкости, чёткая
фотореалистичная детализация, лёгкий медленный наезд камеры.

Реальный вывод — kling-3.0-omni/text-to-video, 5 секунд @ 720p, 9:16, без звука. Первый прогон, без монтажа.

Роль каждого элемента:

• «Вертикальное короткое видео» в начале фиксирует решения по композиции, а не только соотношение сторон — модель компонует для экрана телефона.
• Одно непрерывное действие («одним плавным движением наливает...») даёт модели единую дугу для рендеринга, а не случайные склейки.
• «Лёгкий медленный наезд камеры» — это настоящая инструкция по движению камеры. Расплывчатые эмоциональные слова («динамичный», «увлекательный») заставят модель импровизировать; лексика камеры удерживает её в рамках.
• Свет должен занимать одно предложение («утренний свет через окно») — свет и есть разница между «AI-клипом» и «настоящей съёмкой на площадке».

Нативный звук: задайте sound: true и опишите звуковой ландшафт

Фирменная функция Kling 3.0 Omni — нативный синхронизированный звук: модель рендерит звуковую дорожку, совпадающую с картинкой, и для фуд-, ASMR- и уличного контента это большая часть удержания. Нужно сделать две вещи одновременно: задать "sound": true во входе (тарифицируется по ставке +звук, $0.143/сек при 720p) и описать звук в промпте так же, как вы описываете картинку:

Вертикальное короткое видео. Крупный план вока уличного торговца ночью:
нарезанный чеснок и чили попадают в шипящее масло с облаком пара, пламя
лижет край вока, пока торговец ритмично подбрасывает лапшу, неоновые
вывески светятся боке на фоне. Ощущение ручной камеры, аппетитно, высокая
энергия. Нативный звук: громкое шипение, звяканье вока, далёкий уличный гомон.

Реальный вывод — kling-3.0-omni/text-to-video, 5 секунд @ 720p, 9:16, sound: true. Включите звук: шипение и стук вока сгенерированы моделью и синхронизированы с движением подбрасывания.

Шаблон суффикса «Нативный звук:» — короткий список из двух-трёх ключевых звуков через запятую — надёжно превосходит прозаичные описания вроде «с реалистичными звуковыми эффектами». Назовите звуки, и модель синхронизирует их с соответствующими визуальными событиями.

Мы проверили границу биллинга на реальном выводе с помощью ffprobe: клип, отправленный без sound, содержит только видеопоток H.264, а клип с sound: true содержит дополнительную аудиодорожку AAC. Вы платите аудионадбавку только за клипы, которые требуют звука.

Многоплановое повествование в одном промпте

Ещё одна отличительная функция Omni — многоплановые последовательности: вы можете прописать явные склейки в одной генерации, а не склеивать три отдельных клипа. Пронумеруйте планы в промпте и задайте всей последовательности общий цветовой грейд, чтобы это выглядело как монтаж, а не как случайность:

Вертикальное короткое видео, последовательность из трёх планов. План 1: молодая
женщина в жёлтом дождевике выходит из выхода метро под лёгкий дождь,
раскрывает прозрачный зонт. План 2: крупный план её ботинок, шлёпающих по
луже, отражающей неон, в замедленной съёмке. План 3: она останавливается у
тележки с едой, улыбается, тёплый пар плывёт мимо, огни города боке на фоне.
Целостный бирюзово-янтарный грейд, кинематографичная энергия ручной камеры.
Нативный звук: тихий дождь, городская атмосфера, далёкий гул транспорта.

Реальный вывод — kling-3.0-omni/text-to-video, 10 секунд @ 720p, 9:16, sound: true. Три сценарных плана, одна генерация: $1.43.

Рассчитывайте примерно по три секунды на план — длительность 10 секунд подходит для трёхтактной истории. Повторяющийся якорь (жёлтый дождевик) — ключ к сохранению идентичности между склейками; давайте каждому многоплановому промпту заметную визуальную константу, иначе субъект будет дрейфовать между планами.

Пакетное производство: один шаблон, множество вариантов

В масштабе экономика становится интересной. Неделя ежедневных постов — это шаблон промпта с переменными слотами, отправленный параллельно — задачи рендерятся одновременно, поэтому пакет завершается примерно за время одного клипа. Мы взяли шаблон хука с латте и заменили субъект:

Вертикальное короткое видео. Керамическая чаша с матчей взбивается в яркую
зелёную пену бамбуковым венчиком, в залитом солнцем чайном баре, поднимается
пар, утренний свет через окно, малая глубина резкости, чёткая
фотореалистичная детализация, лёгкий медленный наезд камеры.

Реальный вывод — тот же шаблон, что и для клипа с латте, изменена только одна переменная. 5 секунд @ 720p, 9:16: $0.50.

Наезд камеры, свет из окна и малая глубина резкости сохранены дословно — именно этого вы хотите для визуально целостного аккаунта. В коде пакет — это отправка до ожидания:

TEMPLATE = ("Вертикальное короткое видео. {subject}, в залитом солнцем {venue}, "
            "поднимается пар, утренний свет через окно, малая глубина резкости, "
            "чёткая фотореалистичная детализация, лёгкий медленный наезд камеры.")

VARIANTS = [
    {"subject": "Бариста одним плавным движением наливает идеальный латте-арт розеттой", "venue": "кофе-баре"},
    {"subject": "Керамическая чаша с матчей взбивается в яркую зелёную пену бамбуковым венчиком", "venue": "чайном баре"},
    {"subject": "Круассан разламывается, обнажая парящие глянцевые слои", "venue": "пекарне"},
]

task_ids = [submit({
    "prompt": TEMPLATE.format(**v),
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16",
}) for v in VARIANTS]          # всё рендерится параллельно

clips = [wait(tid) for tid in task_ids]

Планирование затрат при 720p: 30 беззвучных 5-секундных хуков в месяц — $15; тот же месяц с нативным звуком — $21.45. Даже при агрессивном графике — 10-секундные клипы со звуком каждый день — это всего $42.90/мес, дешевле часа работы видеомонтажёра. Опрашивайте задачи по мере возврата результатов и считайте статус fail отдельной задачи поводом повторить только этот вариант, а не весь пакет.

Всё в этой статье обошлось в $3.15 на генерацию видео: четыре клипа, 25 секунд материала, все получены с первого раза.

Что дальше

Теперь у вас есть полный цикл: отправить задачу 9:16, опросить её, скачать .mp4 и масштабировать с помощью шаблона. Несколько подсказок на следующий шаг:

• Получите ключ API и полную справку по эндпоинтам в документации hiapi — жизненный цикл задачи выше одинаков для каждой видеомодели на платформе.
• Перед планированием крупных пакетов проверьте актуальные ставки за секунду для всех уровней на странице цен.
• Если вы выбираете между моделями для этого случая, мы прогнали тот же рабочий процесс коротких видео на бюджетной модели в Short-Form Video with seedance-2.0-mini — может служить базовой линией цена/качество для сравнения с Kling.

Начните с одного пробного клипа за $0.50 на своём субъекте, сохраните те элементы промпта, что прошли проверку лентой, а затем превратите шаблон в пакетные задачи на странице модели kling-3.0-omni/text-to-video.