Kling 4.0 Flash API 指南：三种模式、每秒 $0.1225 与调用示例

Kling 4.0 Flash 是什么

Kling 4.0 Flash 是可灵 4.0 的快速版视频模型，在 HiAPI 上拆成三个模型 ID，分别对应三种输入方式：

• kling-4.0-flash/text-to-video：只写提示词，生成视频。
• kling-4.0-flash/image-to-video：给一张首帧图，再用提示词描述动作和运镜。
• kling-4.0-flash/reference-to-video：给 1–10 张参考图，在提示词里用 @Image1、@Image2 指代，让人物、商品或风格在视频里保持一致。

三个模型的共同点：输出 720p，时长 3–20 秒（整数秒，默认 5 秒），画面和原生音频一起生成，不需要另外配音轨。

价格：每秒 $0.1225，三种模式同价

按输出时长计费，每秒 $0.1225，音频不另收费，参考图也不加价。算几个常用时长：

• 5 秒（默认）：$0.6125
• 10 秒：$1.225
• 20 秒（上限）：$2.45

费用只和 duration 有关，所以先用 3–5 秒试提示词和构图，确定后再拉长，是最直接的省钱办法。任务失败会全额退还。

参数

三个模型共用 prompt、duration、resolution，差别在图片输入和画幅：

• prompt：最多 2500 字符。文生视频和参考生视频必填；图生视频可以不写，但写上动作和运镜效果更可控。
• duration：3–20 的整数，默认 5。
• resolution：目前只有 720p。
• aspect_ratio：文生视频可选 16:9（默认）、9:16、1:1、21:9；参考生视频在这四种之外还有 auto（默认）；图生视频没有这个参数，画幅跟随首帧图。
• image_urls：图生视频必须且只能 1 张；参考生视频 1–10 张；文生视频不用。

请求示例

HiAPI 的视频任务是异步的：先创建任务，再轮询结果。model 放顶层，其余参数放进 input。

文生视频，竖屏 8 秒：

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": "雨夜的霓虹街口，一位撑透明伞的女孩回头看向镜头，镜头缓慢推近，雨声和远处的车流声",
      "aspect_ratio": "9:16",
      "duration": 8
    }
  }'

这一单 8 × $0.1225 = $0.98。

参考生视频，用两张图固定人物和商品：

{
  "model": "kling-4.0-flash/reference-to-video",
  "input": {
    "prompt": "@Image1 的女生在咖啡店窗边拿起 @Image2 的保温杯，转向镜头微笑，自然光",
    "image_urls": [
      "https://example.com/model.jpg",
      "https://example.com/bottle.jpg"
    ],
    "aspect_ratio": "16:9",
    "duration": 5
  }
}

创建成功后用返回的任务 ID 调 GET https://api.hiapi.ai/v1/tasks/{taskId} 轮询，成功后从输出里取视频地址。

三种模式怎么选

• 只有想法，没有素材：用文生视频，适合找方向、做分镜预演。
• 已经有一张定好的画面（海报、商品主图、角色设定图）：用图生视频，构图和配色跟着首帧走，提示词只写怎么动。
• 需要同一个人或同一件商品出现在不同镜头里：用参考生视频，每张图在提示词里用 @ImageN 点名，说清楚它在画面里做什么。

当前限制

• 只有 720p，没有 1080p 档位。
• 单次最长 20 秒，更长的成片需要分段生成再剪辑。
• 图片必须是公网可访问的 http(s) 地址，JPEG 或 PNG，两边至少 300px，宽高比在 2:5 到 5:2 之间。
• 音频随画面一起生成，没有关闭开关；想要什么声音（环境声、音效、氛围），直接写进提示词。