Kling: Video v3.0 Standard

Kling: Video v3.0 Standard é um modelo de geração de vídeo da Kling, o braço de vídeo associado à Kuaishou. Situa-se na categoria de vídeo e é identificado na api14 pelo id de modelo kwaivgi/kling-v3.0-std. Se está a construir um pipeline que transforma prompts escritos ou imagens estáticas em clipes de vídeo curtos, este é o modelo a avaliar primeiro.

O modelo aceita entradas de texto e imagem e produz vídeo como único resultado. Cobre dois fluxos de trabalho principais: texto para vídeo, em que um prompt escrito orienta a geração, e imagem para vídeo, em que uma imagem fornecida ancora o resultado. Para composição de cena guiada, suporta controlo de primeiro frame e último frame, pelo que pode fixar os frames de abertura e fecho de um plano e deixar o modelo preencher o movimento entre eles. O resultado é renderizado a 720p, com proporções de 16:9, 9:16 e 1:1, e durações de clipe selecionáveis de 3 até 15 segundos. A geração de áudio também está disponível, o que significa que uma única chamada pode devolver um clipe com som em vez de filmagem silenciosa.

Essas capacidades mapeiam para um conjunto bastante específico de tarefas de produção. A proporção 9:16 e as durações curtas adequam-se a formatos sociais verticais, como feeds de formato curto e stories, enquanto 16:9 serve a entrega widescreen padrão. O controlo de primeiro frame e último frame é útil quando precisa de uma transição ou de um plano que tenha de começar e terminar em composições exatas, por exemplo, a ligar dois visuais-chave numa edição. Imagem para vídeo é uma escolha natural para animar imagens estáticas de produtos, ilustrações ou arte conceptual, e texto para vídeo funciona para exploração rápida de conceitos antes de se comprometer com uma filmagem completa. Como o áudio pode ser gerado juntamente com o vídeo, pode produzir um clipe curto completo sem uma passagem de som separada.

Chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo kwaivgi/kling-v3.0-std, pelo que o código de cliente existente ao estilo OpenAI só precisa de alterar o base URL e o id de modelo. Os parâmetros de pedido expostos para este modelo são max_tokens, temperature e top_p. Note que o modelo não reporta comprimento de contexto em tokens e um valor maxOutput de 0, pelo que deve tratar o comprimento da geração como governado pelas definições de vídeo (duração, resolução, proporção) e não por um orçamento de tokens. Temperature e top_p dão-lhe o controlo habitual sobre o comportamento de amostragem se quiser resultados mais previsíveis ou mais variados entre execuções.

Não há janela de contexto nem limite de tokens declarado para planear, e o resultado é apenas vídeo, pelo que este modelo não é adequado para entregáveis de texto, imagem ou áudio por si só. Se precisar de uma resolução diferente de 720p, ou de um clipe com mais de 15 segundos, terá de procurar noutro lado ou juntar várias gerações. Para trabalho direto de texto para vídeo e imagem para vídeo dentro desses limites, a combinação de controlo de frames, durações selecionáveis e áudio opcional torna-o uma escolha prática.