Kling: Video O1

Kling: Video O1 é um modelo de geração de vídeo feito pela Kling, a linha de vídeo com IA da Kuaishou. Ele fica na categoria de vídeo e é identificado na api14 pelo id de modelo kwaivgi/kling-video-o1. Se você está construindo algo que precisa de filmagens em movimento geradas em vez de texto ou imagens estáticas, esta é a família de modelos a considerar, e vem de um provedor cujo foco é vídeo em vez de trabalho de linguagem de propósito geral.

O modelo recebe entradas de texto e imagem e retorna vídeo. Isso significa que fluxos de trabalho de texto para vídeo e de imagem para vídeo são suportados, e você também pode fornecer imagens de quadro como um first_frame ou um last_frame para ancorar como um clipe começa ou termina. A saída está disponível em 720p em três proporções de aspecto, 16:9, 9:16 e 1:1, e as durações dos clipes são de 5 ou 10 segundos. A geração de áudio também está disponível, então uma única requisição pode produzir um clipe com som em vez de filmagem silenciosa. Não há comprimento de contexto publicado para este modelo, então trate-o como um gerador de vídeo em vez de algo para o qual você passa documentos longos.

Os usos práticos decorrem diretamente dessas entradas e saídas. Texto para vídeo serve para tomadas cinematográficas curtas, visualização de conceitos e clipes sociais onde você descreve a cena e deixa o modelo renderizá-la. Imagem para vídeo é útil quando você já tem uma imagem estática, como uma foto de produto, uma ilustração ou um quadro de storyboard, e quer animá-la. Fornecer um primeiro quadro e um último quadro dá a você um grau de controle sobre o movimento entre dois estados conhecidos, o que ajuda com transições e tomadas que devem começar ou terminar em uma composição específica. A proporção 9:16 se ajusta a feeds verticais, 16:9 se ajusta à reprodução widescreen padrão, e 1:1 cobre posicionamentos quadrados. A duração de 5 segundos funciona para loops rápidos e teasers, enquanto 10 segundos dá a uma tomada mais espaço para se desenvolver. A geração de áudio significa que você pode entregar um clipe finalizado sem uma passagem de som separada.

Você o chama através da API compatível com OpenAI da api14 usando o id de modelo kwaivgi/kling-video-o1, então código de cliente e ferramentas no estilo OpenAI existentes são aproveitados com mudança mínima. Os parâmetros de requisição expostos para este modelo são max_tokens, temperature e top_p. Temperature e top_p dão a você controle sobre quão variada ou determinística é a geração, e max_tokens limita a requisição. Resolução, proporção de aspecto, duração, imagens de quadro e áudio são propriedades da saída de vídeo do modelo em vez de parâmetros de requisição listados, então verifique o esquema atual na página do modelo antes de conectá-los a uma requisição.

Uma coisa a ter em mente é que este modelo só produz vídeo. Se sua tarefa é geração de texto, raciocínio, classificação ou criação de imagens, um modelo diferente na api14 se encaixará melhor. Também não há comprimento de contexto declarado, então evite tratá-lo como um modelo de contexto longo. Dentro de sua área, porém, ele cobre os casos comuns: clipes curtos em 720p, três proporções de aspecto, duas durações, áudio opcional e ancoragem de quadro para trabalho orientado por imagem.