Skorzystaj z edycji wideo w Kling 4.0, gdy chcesz zmodyfikować istniejące nagranie, a model ma zachować jego akcję, rytm, kadrowanie lub bohatera. Żądanie powinno wskazywać, co się zmienia, a co zostaje. Wideo referencyjne, które inspiruje nowe generowanie, to inny workflow niż wideo źródłowe poddawane edycji.
Ten przewodnik korzysta z API Kling 4.0 w PoYo oraz z zapisanego, zakończonego przykładu z PoYo: rudy lis idący przez śnieg, zamieniony w jesienny las. To przykład zmiany sceny, a nie dowód, że każda zamiana produktu czy edycja z zachowaniem tożsamości się powiedzie.
Zobacz źródło i wynik po edycji
Źródło: zimowe ujęcie przyrodnicze. Zapisane zadanie 9DRXDJ5XGW41B9IW, żądane pięć sekund w 720p, wygenerowane z pierwszej klatki. Zapisane obciążenie: 142,5 kredytu.
Wynik po edycji: jesienny las. Zapisane zadanie 84PEDOWZ40C5D7VM, żądane pięć sekund w 720p, z użyciem wideo źródłowego i jesiennego obrazu referencyjnego. Zapisane obciążenie: 187 kredytów.
Pobierz dokładne żądanie edycji i metadane próbki. Porównaj oba klipy bezpośrednio: liczą się umaszczenie lisa, chód, ruch głowy, kontakt z podłożem, tor kamery i granice listowia. Zmienione tło samo w sobie nie wystarczy, jeśli akcja, na której ci zależało, się zmieniła.
Wybierz edycję jawnie za pomocą video_url
Poniższy skrócony szablon pokazuje pola; pobierany plik zawiera pełny prompt zapisanego zadania.
{
"model": "kling-4.0",
"input": {
"video_url": "https://storage.poyo.ai/blog/kling-4-0-series-20261024/fox-video-d0100387a0e0.mp4",
"reference_image_urls": ["https://storage.poyo.ai/blog/kling-4-0-series-20261024/autumn-reference-0773c88cbeb3.png"],
"prompt": "Edit @Video1 into the autumn woodland shown in @Image1. Replace snow with dry fallen leaves and distant conifers with silver birches. Preserve the same fox, its markings, proportions, walking and head movements, timing, framing and camera tracking. Match shadows and light to the new environment. Return one coherent live-action scene, not a montage or transition.",
"duration": 5,
"resolution": "720p"
}
}
Źródło jest wskazywane jako @Video1, a referencja obrazu jako @Image1. Obrazy określają nowy wygląd, a źródło dostarcza ruch do zachowania. video_url wybiera edycję przed trybami generowania, więc nie dodawaj go do żądania, które ma wygenerować nowe ujęcie na podstawie referencji ruchu.
Co akceptuje schemat edycji w PoYo
Źródło musi trwać od 3 do 30 rzeczywistych sekund. Edycja wymaga prompt i obsługuje 720p lub 1080p. Można w niej używać obrazów referencyjnych i bohaterów zdefiniowanych obrazem, ale odrzuca image_urls, reference_video_urls, bohaterów zdefiniowanych wideo, multi_prompt oraz aspect_ratio.
Nie wysyłaj nieobsługiwanych pól z wartością null ani pustych, próbując je wyłączyć. Pomiń je. Obecny interfejs edycji w PoYo przyjmuje jedno pole wideo źródłowego; wieloklipowy workflow z szerszego produktu dla twórców nie jest powodem, żeby wymyślać tu tablicę video_urls. Sprawdzaj aktualną dokumentację API, by być na bieżąco ze zmianami.
Jak napisać prompt ograniczonej edycji
Podziel instrukcję na dwa wyraźne stwierdzenia. Najpierw nazwij pożądaną zmianę: zamiana pory roku, innej kurtki albo produktu. Potem nazwij strukturę, która ma zostać: tożsamość bohatera, rytm akcji, ruch kamery, kadrowanie i nietknięte obiekty.
Przy zamianie produktu podaj czystą referencję o wyraźnej sylwetce i napisz, który obiekt ma zostać zastąpiony. Sprawdź kontakt z dłońmi i powierzchniami, ruchome przesłonięcia, cienie i odbicia. Model może zmienić więcej, niż prosisz, dlatego przed akceptacją porównaj całe ujęcie i zweryfikuj szczegóły marki. Przykład z lisem w tym artykule nie pokazuje zmierzonego odsetka udanych zamian produktu.
Unikaj zmieniania w pierwszym teście postaci, tła, stroju, kamery i dialogu naraz. Jeśli edycja się nie uda, mniejsza zmiana sprawi, że kolejna diagnoza będzie bardziej użyteczna.
Oszacuj koszt na podstawie czasu źródła i wyniku
Edycja korzysta z cennika dla wideo na wejściu. Przy obecnej cenie katalogowej PoYo 720p kosztuje 17 kredytów za rozliczaną sekundę, a 1080p 25,5. Rozliczane sekundy to output + max(ceil(source duration), output).
Dla źródła trwającego dokładnie pięć sekund i żądanego pięciosekundowego wyniku szacunek to 10 rozliczanych sekund: 170 kredytów / $0.85 w 720p. Rzeczywiste pliki mogą trwać nieco dłużej niż żądany czas generowania. Zapisane obciążenie 187 kredytów w jesiennym zadaniu odpowiada 11 rozliczanym sekundom; opieraj się na czasie źródła zmierzonym przez serwer i na zapisach zadań, zamiast zakładać, że każdy „pięciosekundowy” plik trwa dokładnie pięć sekund.
Gdy pominiesz duration, PoYo do rozliczenia wyniku przyjmuje sufit z czasu trwania źródła, a pole czasu trwania pozostaje pominięte w żądaniu do dostawcy. Przykłady z ułamkowymi czasami trwania znajdziesz w przewodniku po cenniku.
Przejrzyj przed publikacją
Obejrzyj oba klipy w odpowiadających sobie momentach, a potem w normalnym tempie. Sprawdź tożsamość obiektów, ciągłość ruchu, migotanie krawędzi, stabilność tekstur i wszelkie niezamierzone treści. Odsłuchaj całą ścieżkę dźwiękową jako osobną kontrolę; zachowany obraz nie oznacza zachowanego dźwięku.
Przy świeżym generowaniu z referencjami skorzystaj z przewodnika po Omni Reference. Przy wysyłaniu żądań i odpytywaniu o wynik skorzystaj z poradnika o API. Oficjalny przewodnik dla twórców opisuje dodatkowe workflow twórcze, zależne od dostępności na platformie.