Kling: Video v3.0 Standard

Kling : Video v3.0 Standard est un modèle de génération vidéo de Kling, la branche vidéo associée à Kuaishou. Il appartient à la catégorie vidéo et est identifié sur api14 par l'identifiant de modèle kwaivgi/kling-v3.0-std. Si vous construisez un pipeline qui transforme des invites écrites ou des images fixes en courts clips vidéo, c'est le modèle à évaluer en premier.

Le modèle accepte des entrées texte et image et produit de la vidéo comme seule sortie. Il couvre deux flux de travail principaux : texte-vers-vidéo, où une invite écrite pilote la génération, et image-vers-vidéo, où une image fournie ancre le résultat. Pour la composition de scène guidée, il prend en charge le contrôle de la première et de la dernière image, ce qui vous permet de fixer les images d'ouverture et de fermeture d'un plan et de laisser le modèle combler le mouvement entre elles. La sortie est rendue en 720p, avec des ratios d'aspect de 16:9, 9:16 et 1:1, et des durées de clip sélectionnables de 3 à 15 secondes. La génération audio est également disponible, ce qui signifie qu'un seul appel peut renvoyer un clip avec du son plutôt qu'une séquence silencieuse.

Ces capacités correspondent à un ensemble assez spécifique de tâches de production. Le ratio 9:16 et les durées courtes conviennent aux formats sociaux verticaux tels que les fils d'actualité courts et les stories, tandis que le 16:9 correspond à une diffusion grand écran standard. Le contrôle de la première et de la dernière image est utile lorsque vous avez besoin d'une transition ou d'un plan qui doit commencer et se terminer sur des compositions exactes, par exemple pour faire le lien entre deux visuels clés dans un montage. L'image-vers-vidéo est un choix naturel pour animer des photos de produits, des illustrations ou des concept arts, et le texte-vers-vidéo fonctionne pour une exploration rapide de concepts avant de s'engager dans un tournage complet. Comme l'audio peut être généré en même temps que la vidéo, vous pouvez produire un court clip complet sans passe sonore séparée.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle kwaivgi/kling-v3.0-std, donc le code client de style OpenAI existant n'a besoin que de changer l'URL de base et l'identifiant de modèle. Les paramètres de requête exposés pour ce modèle sont max_tokens, temperature et top_p. Notez que le modèle ne rapporte aucune longueur de contexte en tokens et une valeur maxOutput de 0, donc considérez la longueur de génération comme régie par les paramètres vidéo (durée, résolution, ratio d'aspect) plutôt que par un budget de tokens. Temperature et top_p vous donnent le contrôle habituel sur le comportement d'échantillonnage si vous voulez des résultats plus prévisibles ou plus variés d'une exécution à l'autre.

Il n'y a pas de fenêtre de contexte ni de limite de tokens déclarée à prendre en compte, et la sortie est uniquement vidéo, donc ce modèle ne convient pas pour des livrables texte, image ou audio seuls. Si vous avez besoin d'une résolution différente de 720p, ou d'un clip de plus de 15 secondes, vous devrez chercher ailleurs ou assembler plusieurs générations. Pour un travail simple de texte-vers-vidéo et d'image-vers-vidéo dans ces limites, la combinaison du contrôle des images, des durées sélectionnables et de l'audio optionnel en fait un choix pratique.