kling-4.0

Text to Video

Image to Video

Reference to Video

Video to Video

Model:

Generér videoer på 3–30 sekunder ud fra tekst, første og sidste billedramme eller visuelle referencer, og redigér eksisterende videoer med Kling 4.0 på PoYo. Brug multi-shot-prompts og billed- eller videomotiver via API'et eller Playground i 720p eller 1080p.

Hent API-nøgle

API-dokumentation

Input

Prompt

1591/26000

Create a 15-second cinematic live-action scene in one continuous shot. Use @image_1 as the visual reference for the adult naturalist's face, short hair, mustard-yellow raincoat, brown satchel and brass lantern held in her right hand. Use @image_2 for the old glass conservatory, mist, white lotus flowers, moss-covered narrow bridge and shallow reflective water. Combine both references into the same scene; do not display reference images or a collage.
0-4 seconds: Start with a low, close dolly beside the brass lantern, showing droplets on the metal and its warm light reflected in the water. The camera gently rises to reveal the naturalist's face as she looks along the narrow bridge.
4-10 seconds: Move into a smooth side-following medium shot as she takes a few careful steps along the mossy bridge. She gradually raises the lantern from hip height to chest height with her right hand. Keep her face, haircut, raincoat and lantern design recognizable; show believable foot placement, coat movement and small water ripples.
10-15 seconds: Without a cut, ease into a slow outward arc and pull back to a wide view, revealing the curved glass dome, white lotus flowers and the woman's reflection in the still water. She stops on the bridge and looks toward the light entering through the misty roof. Preserve the greenhouse layout and clear spatial relationships throughout. Soft dawn light, restrained warm lantern light, realistic materials and reflections. Smooth continuous camera movement, natural pacing, no sudden jumps, no additional people, no subtitles, logos or on-screen text.

Multi Prompt

Image UrlsAdded 0/1

Drop files here, paste files, or add a URL. Ét startbillede og et valgfrit slutbillede, i rækkefølge. Ved brug af referencer må du kun bruge ét startbillede.

Video Url

Drop files here, paste files, or add a URL. Kildevideo til redigering, 3–30 sekunder. Redigering accepterer kun referencebilleder og billedmotiver.

Reference Image UrlsAdded 2/10

Drop files here, paste files, or add a URL. Op til 10 billeder inklusive den valgfri startramme. Henvis til dem som @Image1, @Image2 osv. Uploadgrænse: JPEG, PNG eller WebP, 10 MB pr. fil.

——

——

@Image1@Image2

Reference Video Urls

Drop files here, paste files, or add a URL. Op til 5 videoer på 3–30 sekunder hver. Referencevideoer og videomotiver må i alt højst vare 30 sekunder. Uploadgrænse: MP4 eller MOV, 200 MB pr. fil.

Når du har fjernet eller omrokeret referencer eller motiver, skal du tjekke deres betegnelser i alle prompts.

Kling Elements

0/7 · Element Input Video Urls 0/3

Duration

Resolution

Aspect Ratio

Output

Eksempel på output

Det her er eksempeldata. Generér et nyt resultat for at se det rigtige output.

Opgave-ID:BIIA0RLIILB65JTXOprettet:2026-10-23T10:50:05

Status:finishedFremdrift:100%

Examples

Prisdetaljer

Betal efter forbrug. Intet abonnement og ingen skjulte gebyrer.

1 kredit = $0.005

Niveau	PoYo-pris	Original / rabat
720p · Uden videoinput	$0.142/sek. 28.5 kreditter/sek.	$0.157/sek.Spar 9 % Fal
720p · Med videoinput	$0.085/afregnet sek. 17 kreditter/afregnet sek.	$0.094/afregnet sek.Spar 10 % Fal
1080p · Uden videoinput	$0.212/sek. 42.5 kreditter/sek.	$0.235/sek.Spar 10 % Fal
1080p · Med videoinput	$0.128/afregnet sek. 25.5 kreditter/afregnet sek.	$0.141/afregnet sek.Spar 10 % Fal

Sådan afregnes det: Afregnes pr. sekund output-video. Med videoinput er afregnede sekunder = outputvarighed + den længste af inputvideoernes samlede varighed (rundet op) og outputvarigheden.

Prisen beregnes ud fra det endelige output.

KLING 4.0 · Videogenerering og redigering

Form filmiske historier med første og sidste billedramme, multimodale referencer og indbygget lyd

Kling 4.0 API: Filmisk AI-videogenerering på op til 30 sekunder

Kling 4.0 forvandler tekst og billeder til videoer på 3–30 sekunder i 720p og 1080p. Brug første og sidste billedramme til at fastlægge åbnings- og slutkomposition, og del et klip op i shots med egne prompts og varigheder, så filmiske optagelser, produktafsløringer og små historier får en tydelig visuel rytme.

Kombinér op til 15 multimodale referencer for at føre karakterens identitet og den visuelle stil videre på tværs af scener. Styr kamerabevægelserne med filmiske instruktioner, og saml optrædener med indbygget stereolyd, flersproget dialog og læbesynkronisering, så billede, handling og lyd hænger sammen i én helstøbt scene.

Hent API-nøgle

Vigtigste funktioner i Kling 4.0 API

Forvandl prompts og visuelle referencer til filmiske historier med længere optagelser, præcis kreativ kontrol og synkroniseret lyd.

Forvandl tekst og billeder til filmisk video

Giv en scenebeskrivelse eller et stillbillede en tydelig fornemmelse af handling. Kling 4.0 kombinerer tekst til video og billede til video med anvisninger til motiver, komposition, bevægelse og visuel stil. Beskriv en karakter, der træder ind i et rum, eller animér en produktreference til en afsløring, så dit kreative oplæg bliver til en levende scene med et tydeligt omdrejningspunkt og et udtryksfuldt spil.

Generér karakterer, scener og handling ud fra tekstbeskrivelser
Animér produktbilleder, karakterer og storyboard-billeder
Form motivets komposition, handlingen og den visuelle stil

Styr hvert vendepunkt med billedrammer og multi-shot-prompts

Giv hvert vigtigt øjeblik i et klip et tydeligt ankerpunkt. Kling 4.0 animerer en startramme hen imod en valgfri slutramme for at styre komposition, karakterens positurer og overgange. Til sekvenser med flere vendepunkter kan du dele et klip på op til 30 sekunder op i shots, hver med sin egen prompt og varighed, så handlingen følger dit storyboard og scenens tilsigtede rytme.

Fastlæg åbnings- og slutkomposition med første og sidste billedramme
Del et klip op i shots med egne prompts og varigheder
Styr karakterens positurer, kompositioner og sceneskift

Saml din kreative vision med 15 multimodale referencer

Sørg for, at en karakter kan genkendes, selv når omgivelser og handling skifter. Kling 4.0 kombinerer op til 15 multimodale referencer via Omni Reference og samler referencebilleder, referencevideoer og genbrugelige motiver i ét sceneoplæg. Brug et karakterark til udseendet, en referencevideo til bevægelsen og et motiv til en tilbagevendende karakter eller et produkt, så identitet og stil holdes ensartet på tværs af beslægtede shots.

Kombinér op til 15 multimodale referencer i alt
Styr scener med billeder, videoer og motiver
Bevar en genkendelig karakteridentitet og visuel stil

Skab naturlig dialog med indbygget stereolyd

Lad en samtale bære både spillet og stemningen i en scene. Kling 4.0 genererer indbygget tokanals stereolyd med dialog, lydeffekter og omgivelseslyde sammen med synkroniserede læbebevægelser. Angiv sprog, accent og omgivende lyde i din scenebeskrivelse for at skabe samtaler mellem karakterer og lokaliserede historier, hvor tale, mimik og atmosfære spiller sammen.

Generér tokanals stereodialog, effekter og omgivelseslyd
Synkronisér talt dialog med karakterens læbebevægelser
Styr flersproget tale og accenter via prompts

Form naturlige kamerabevægelser med instruktøranvisninger

Lad kamerabevægelsen tjene handlingen, uanset om en karakter krydser en travl gade, eller et produkt kommer til syne. Kling 4.0 fortolker anvisninger i instruktørstil til indkørsler, kredsbevægelser og følgeoptagelser og kombinerer dem med scene- og skuespilsinstruktion. Afstem billedudsnittet efter kroppens bevægelser for at opbygge dynamiske sekvenser, udtryksfulde nærbilleder og afsløringer, der fastholder opmærksomheden, mens det visuelle forløb hænger sammen.

Styr indkørsler, kredsbevægelser og følgende kamerabevægelser
Afstem kamerabevægelsen efter karakterens handling og billedudsnit
Hold komplekse bevægelser og sceneforløb visuelt sammenhængende

Fortæl fyldigere historier med optagelser på 30 sekunder

Giv et skuespil, en produktdemonstration eller en kamerabevægelse plads til at udfolde sig i én sammenhængende optagelse. Kling 4.0 genererer klip på 3 til 30 sekunder i 720p eller 1080p. Vælg 21:9, 16:9, 1:1 eller 9:16, så formatet passer til historien og til det sted, den skal vises, lige fra en ultrabred filmisk scene til en social video i højformat.

Opret videoklip i ét træk på 3–30 sekunder
Vælg outputopløsning på 720p eller 1080p
Indram scener i 21:9, 16:9, 1:1 eller 9:16

Hvem kan få glæde af Kling 4.0 API?

Filmskabere og kreative studier

Udvikl fortællende scener, skuespilstudier og sekvenser til forproduktion med Kling 4.0. Brug første og sidste billedramme og multi-shot-prompts til at planlægge de visuelle vendepunkter, referencer til at bevare karakterens identitet og kameraanvisninger til at udforske shot-retningen. Længere optagelser giver teams mulighed for at vurdere tempo, skuespil og komposition, før et koncept føres videre i et bredere produktionsforløb.

Marketing- og reklameteams

Forvandl kampagnekoncepter til produktafsløringer, karakterdrevne spots og lokaliserede brandhistorier med Kling 4.0. Kombinér produktreferencer med kamerabevægelser og indbygget dialog for at formulere et klart budskab. Teams kan organisere fælles kreative materialer, afprøve alternative sceneretninger og tilpasse et visuelt koncept til forskellige kampagnemålgrupper.

Webshops og detailhandlere

Lav produktdemonstrationer, modepræsentationer og pakningshistorier ud fra eksisterende visuelle materialer. Kling 4.0 sætter produktbilleder i bevægelse, mens referencebaseret styring hjælper med at bevare et genkendeligt udseende. Planlæg nøgleøjeblikke som et nærbillede, en afsløring eller en interaktion med en model, så du får en fokuseret visuel historie omkring produktet.

Skabere og platforme på sociale medier

Udvikl korte historier, udtryksfulde optrædener og indhold i højformat med Kling 4.0. Styr et klip med en klar prompt, genbrugelige karakterreferencer og et bevidst lydbillede. Kombinationen af visuel styring og indbygget lyd hjælper skabere med at udforske sammenhængende scener, der fører en fortælleidé fra en indledende krog til et afsluttende øjeblik.

Spiludviklere og virtuelle verdener

Udforsk præsentationer af karakterer, sekvenser til verdensopbygning og filmiske koncepter med Kling 4.0. Brug karakterark og bevægelsesreferencer til at formidle udseende og handling, og tilføj derefter kameraanvisninger og atmosfærisk lyd. Teams kan udvikle visuelle studier, der forbinder et miljø, en karakter og et fortælleøjeblik til kreativ gennemgang.

Uddannelses- og træningsteams

Planlæg undervisningsdemonstrationer, scenariebaserede lektioner og flersprogede oplægsholderscener med Kling 4.0. Multi-shot-prompts hjælper med at organisere en række læringsøjeblikke, mens indbygget dialog og læbesynkronisering understøtter karakterdrevne forklaringer. Teams kan tilpasse visuelle referencer og sceneoplæg til forskellige læringssammenhænge og samtidig holde præsentationen rettet mod et klart undervisningsmål.

Kling 4.0 vs Kling 3.0: styrker og funktioner

Kling 4.0 egner sig til længere, mere instruerede klip: den genererer op til 30 sekunder, kombinerer referencebilleder, videoer og motiver og redigerer eksisterende videoer. Kling 3.0 egner sig til afsluttende shots, der kræver native 4K, og på alle niveauer kan du slå indbygget lyd til eller fra. På PoYo genererer begge modeller video ud fra tekst eller ud fra start- og slutbilleder.

Funktion	Kling 4.0	Kling 3.0
Vigtigste styrker	Klip på 30 sekunder, multimodale referencer, videoredigering	Native 4K-output, valgfri indbygget lyd
Bedst til	Reklamer, historiesekvenser og redigeringer, der kræver længere shots, bevægelsesreferencer eller ensartede motiver	Korte afsluttende shots, der kræver native 4K-detaljer
Inputtyper	Tekst, første og sidste billedramme, referencebilleder, videoer og motiver, videoredigering	Tekst, start- og slutbilleder, elementreferencer
Videoredigering	Redigér en kildevideo på 3–30 sekunder med en prompt	Understøttes ikke
Varighed	3–30 sekunder	3–15 sekunder
Opløsning	720p, 1080p	Ca. 720p (Standard), 1080p (Pro), native 4K
Indbygget lyd	Stereolyd er med i hver video; kan ikke slås til og fra	Valgfri med lyd; påkrævet til multi-shot
Billedformater	auto, 16:9, 9:16, 1:1, 21:9	16:9, 9:16, 1:1
Referencemedier	Op til 10 billeder, 5 videoer og 7 motiver	Elementreferencer bygget af billeder eller en video
Multi-shot-prompts	multi_prompt, 3–30 sekunder i alt	multi_shots med multi_prompt, 3–15 sekunder i alt

Værdierne afspejler hver models parametre i PoYo API-dokumentationen. Priser pr. sekund fremgår af hver models pristabel.

Forbered dit Kling 4.0 API-workflow på PoYo

Trin 1: Opret din API-nøgle
Opret en PoYo-konto, og opret en API-nøgle for at gøre dit integrationsarbejdsområde klar.
Opret API-nøgle →

Trin 2: Organisér prompts og referencemateriale
Beskriv scenen, karaktererne, kamerabevægelsen og lyden. Saml referencebilleder, og kortlæg de vigtigste visuelle vendepunkter for at opbygge et genbrugeligt kreativt oplæg. Se eksisterende Kling-workflows for praktisk inspiration.
Udforsk Kling-workflows →

Trin 3: Planlæg din integration
Gennemgå PoYos platformdokumentation, så du er klar til at indsende opgaver, følge status og håndtere resultater i din videoapplikation.
Læs platformdokumentationen →

Ofte stillede spørgsmål om Kling 4.0 API

Hvad er Kling 4.0?

Kling 4.0 er Kuaishous multimodale AI-videomodel til filmisk skabelse. Den kombinerer videogenerering på 3–30 sekunder i 720p eller 1080p, indbygget stereolyd, styring med første og sidste billedramme, multi-shot-prompts og multimodale referencer. Den giver skabere flere forbundne måder at forme en scene på, fra startkompositionen og karakterens identitet til kamerabevægelser og dialog. PoYo tilbyder i øjeblikket tekst til video, billede til video med første og sidste billedramme, reference til video og videoredigering via API'et og Playground i 720p eller 1080p, med output på 3–30 sekunder, multi-shot-prompts og billed- eller videomotiver.

Kan Kling 4.0 lave videoer ud fra tekst og billeder?

Kling 4.0 understøtter workflows med tekst til video og billede til video. En tekstprompt kan beskrive karakterer, handling, scenestil, kamerabevægelser og lyd. Referencebilleder kan fastlægge et motiv eller en komposition, mens første og sidste billedramme er med til at forme et shots forløb. Tilsammen forvandler disse input et kreativt oplæg til en mere instrueret visuel sekvens.

Hvordan styrer første og sidste billedramme og multi-shot-prompts en video?

På PoYo accepterer Kling 4.0 en startramme og en valgfri slutramme, så du kan bestemme, hvor et shot begynder, og hvor det lander. Til sekvenser med flere vendepunkter kan du bruge multi_prompt til at dele et klip på op til 30 sekunder op i shots, hver med sin egen prompt på op til 512 tegn og sin egen varighed.

Hvad kan Omni Reference tilføre en scene?

På PoYo samler Omni Reference op til 15 materialer: op til 10 billeder inklusive en valgfri startramme, 5 referencevideoer og 7 motiver bygget af billeder eller en video. Karakterark kan styre udseendet, produktbilleder kan fastlægge designdetaljer, og videoreferencer kan formidle bevægelse eller tempo. Ved at kombinere disse materialer får skabere en struktureret måde at føre identitet, stil og instruktion af skuespillet videre til beslægtede scener.

Genererer Kling 4.0 lyd sammen med videoen?

Kling 4.0's lydfunktioner omfatter stereooutput, naturlig flersproget dialog, synkroniserede læbebevægelser, lydeffekter og omgivelseslyd. Et sceneoplæg kan beskrive talte replikker, sprog eller accent og omgivende lyd sammen med den visuelle handling. Det hjælper skabere med at forme en komplet audiovisuel optræden med en ensartet stemning og fortælletempo. Videoer, der genereres på PoYo, indeholder et tokanals stereolydspor.

Hvilken opløsning understøtter Kling 4.0?

På PoYo genererer Kling 4.0 video i 720p eller 1080p med en varighed fra 3 til 30 sekunder og billedformater som 21:9, 16:9, 1:1 og 9:16. Brug 720p til billigere udkast og 1080p til den endelige levering. Kuaishou har annonceret 4K-output til Kling 4.0 som en kommende funktion. Hvis du allerede nu har brug for native 4K, tilbyder PoYo også Kling 3.0 4K.

Hvordan adskiller Kling 4.0 sig fra Kling 3.0 og Kling 2.6?

Kling 4.0 lægger vægt på længere optagelser, multimodale referencer og videoredigering. Kling 3.0 kombinerer klip på 3–15 sekunder med multi-shot-prompts, elementreferencer, indbygget lyd og output i Standard, Pro eller native 4K. Kling 2.6 fokuserer på scener på 5 eller 10 sekunder med tekst til video og billede til video med synkroniseret dialog, sang, lydeffekter og omgivelseslyd.

Hvorfor vælge PoYo til at planlægge din Kling 4.0 API-integration

Overskueligt modelvalg

Sammenlign Kling-versioner, og udforsk PoYos modelkatalog via beskrivelser af funktioner og specifikationer side om side. Afstem klippets længde, referenceinput, lyd og kreativ kontrol efter dit projekt, så dit team kan vælge en modelretning med en fælles forståelse af det tilsigtede resultat.

Udviklervenlige integrationsressourcer

Brug PoYos arbejdsområde til API-nøgler og platformdokumentationen til at forberede godkendelse og integration i din applikation. Saml de relevante guides med dine kreative krav, så udviklere kan tilrettelægge håndtering af anmodninger, sporing af opgaver og levering af resultater omkring den oplevelse, din applikation er designet til at give.

Opgaver, du kan følge

PoYos platformdokumentation dækker statusforespørgsler og callbacks til asynkrone workflows. Brug disse ressourcer til at planlægge, hvordan din applikation følger fremdriften, modtager besked om fuldførelse og håndterer resultater, så udviklere får et solidt grundlag for at forbinde genereringsopgaver i baggrunden med brugeroplevelsen.

Sammenhængende kreative workflows på tværs af modeller

Udforsk PoYos katalog over billed- og videomodeller for at forbinde konceptudvikling, oprettelse af referencer og levende scener. Organisér genbrugelige prompts og visuelle materialer omkring hvert produktionstrin, så dit team kan føre et ensartet kreativt oplæg gennem forskellige modelworkflows, efterhånden som projektet udvikler sig.