Kling: Video v3.0 Standard

Kling: Video v3.0 Standard è un modello di generazione video di Kling, il ramo video associato a Kuaishou. Si colloca nella categoria video ed è identificato su api14 con il model id kwaivgi/kling-v3.0-std. Se stai costruendo una pipeline che trasforma prompt scritti o immagini statiche in brevi clip video, questo è il modello da valutare per primo.

Il modello accetta input di testo e immagini e produce video come unico output. Copre due flussi di lavoro principali: text-to-video, dove un prompt scritto guida la generazione, e image-to-video, dove un'immagine fornita ancora il risultato. Per la composizione guidata della scena supporta il controllo del primo frame e dell'ultimo frame, così puoi fissare i fotogrammi di apertura e chiusura di un'inquadratura e lasciare che il modello riempia il movimento tra di essi. L'output viene renderizzato a 720p, con aspect ratio di 16:9, 9:16 e 1:1, e durate delle clip selezionabili da 3 fino a 15 secondi. È disponibile anche la generazione audio, il che significa che una singola chiamata può restituire una clip con audio invece che con footage silenzioso.

Queste capacità si mappano su un insieme piuttosto specifico di attività di produzione. Il rapporto 9:16 e le durate brevi si adattano ai formati social verticali come feed short-form e storie, mentre il 16:9 si adatta alla consegna widescreen standard. Il controllo del primo frame e dell'ultimo frame è utile quando hai bisogno di una transizione o di un'inquadratura che deve iniziare e terminare su composizioni esatte, per esempio collegando due visual chiave in un montaggio. Image-to-video è una scelta naturale per animare still di prodotto, illustrazioni o concept art, e text-to-video funziona per una rapida esplorazione di concept prima di impegnarsi in uno shooting completo. Poiché l'audio può essere generato insieme al video, puoi produrre una clip breve completa senza una passata audio separata.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando il model id kwaivgi/kling-v3.0-std, quindi il codice client in stile OpenAI esistente necessita solo della modifica del base URL e del model id. I parametri di richiesta esposti per questo modello sono max_tokens, temperature e top_p. Nota che il modello non riporta alcuna context length in token e un valore maxOutput di 0, quindi considera la lunghezza della generazione come governata dalle impostazioni video (durata, risoluzione, aspect ratio) piuttosto che da un budget di token. Temperature e top_p ti danno il solito controllo sul comportamento di campionamento se desideri risultati più prevedibili o più vari tra le esecuzioni.

Non c'è una context window dichiarata o un limite di token su cui pianificare, e l'output è solo video, quindi questo modello non è adatto a deliverable di testo, immagini o audio da soli. Se hai bisogno di una risoluzione diversa da 720p, o di una clip più lunga di 15 secondi, dovrai guardare altrove o unire più generazioni insieme. Per il lavoro diretto di text-to-video e image-to-video entro questi limiti, la combinazione di controllo dei frame, durate selezionabili e audio opzionale lo rende una scelta pratica.