Kling: Video O1

Kling: Video O1 ist ein Videogenerierungsmodell von Kling, der KI-Videolinie von Kuaishou. Es gehört zur Kategorie Video und wird auf api14 durch die Modell-ID kwaivgi/kling-video-o1 identifiziert. Wenn Sie etwas entwickeln, das generiertes Bewegtbildmaterial statt Text oder Standbilder benötigt, ist dies die Modellfamilie, die Sie sich ansehen sollten, und sie stammt von einem Anbieter, dessen Schwerpunkt Video und nicht allgemeine Sprachverarbeitung ist.

Das Modell nimmt Text- und Bildeingaben entgegen und gibt Video zurück. Das bedeutet, dass sowohl Text-zu-Video- als auch Bild-zu-Video-Workflows unterstützt werden, und Sie können außerdem Frame-Bilder als first_frame oder last_frame bereitstellen, um den Anfang oder das Ende eines Clips zu verankern. Die Ausgabe ist in 720p in drei Seitenverhältnissen verfügbar, 16:9, 9:16 und 1:1, und die Clip-Dauer beträgt 5 oder 10 Sekunden. Audiogenerierung ist ebenfalls verfügbar, sodass eine einzelne Anfrage einen Clip mit Ton statt stillem Material erzeugen kann. Für dieses Modell gibt es keine veröffentlichte Kontextlänge, behandeln Sie es also als Videogenerator und nicht als etwas, dem Sie lange Dokumente übergeben.

Die praktischen Anwendungen ergeben sich direkt aus diesen Eingaben und Ausgaben. Text-zu-Video eignet sich für kurze filmische Aufnahmen, Konzeptvisualisierung und Social-Clips, bei denen Sie die Szene beschreiben und das Modell sie rendern lassen. Bild-zu-Video ist nützlich, wenn Sie bereits ein Standbild haben, etwa ein Produktfoto, eine Illustration oder ein Storyboard-Frame, und es animieren möchten. Die Bereitstellung eines ersten und eines letzten Frames gibt Ihnen ein gewisses Maß an Kontrolle über die Bewegung zwischen zwei bekannten Zuständen, was bei Übergängen und Aufnahmen hilft, die mit einer bestimmten Komposition beginnen oder enden müssen. Das Verhältnis 9:16 passt zu vertikalen Feeds, 16:9 passt zur standardmäßigen Breitbildwiedergabe, und 1:1 deckt quadratische Platzierungen ab. Die Dauer von 5 Sekunden eignet sich für schnelle Loops und Teaser, während 10 Sekunden einer Aufnahme mehr Raum zur Entwicklung geben. Audiogenerierung bedeutet, dass Sie einen fertigen Clip ohne separaten Sound-Durchlauf liefern können.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID kwaivgi/kling-video-o1 auf, sodass vorhandener Client-Code und vorhandenes Tooling im OpenAI-Stil mit minimalen Änderungen übernommen werden können. Die für dieses Modell verfügbaren Anfrageparameter sind max_tokens, temperature und top_p. Temperature und top_p geben Ihnen Kontrolle darüber, wie variiert oder deterministisch die Generierung ist, und max_tokens begrenzt die Anfrage. Auflösung, Seitenverhältnis, Dauer, Frame-Bilder und Audio sind Eigenschaften der Videoausgabe des Modells und keine aufgeführten Anfrageparameter, prüfen Sie also das aktuelle Schema auf der Modellseite, bevor Sie sie in eine Anfrage einbinden.

Eines sollten Sie beachten: Dieses Modell gibt ausschließlich Video aus. Wenn Ihre Aufgabe Textgenerierung, Reasoning, Klassifizierung oder Bilderstellung ist, passt ein anderes Modell auf api14 besser. Es gibt auch keine angegebene Kontextlänge, vermeiden Sie es also, es als Langkontextmodell zu behandeln. Innerhalb seines Bereichs deckt es jedoch die gängigen Fälle ab: kurze Clips in 720p, drei Seitenverhältnisse, zwei Dauern, optionales Audio und Frame-Verankerung für bildgesteuerte Arbeit.