kling-4.0

Text to Video

Image to Video

Reference to Video

Video to Video

Model:

Generuj wideo o długości 3–30 sekund na podstawie tekstu, pierwszej i ostatniej klatki lub referencji wizualnych oraz edytuj istniejące wideo za pomocą Kling 4.0 w PoYo. Korzystaj z promptów wieloujęciowych oraz obiektów w postaci obrazów lub wideo przez API albo Playground w 720p lub 1080p.

Pobierz klucz API

Dokumentacja API

Wejście

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. Jeden obraz początkowy i opcjonalny obraz końcowy, w tej kolejności. Przy referencjach użyj tylko jednego obrazu początkowego.

Video Url

Drop files here, paste files, or add a URL. Wideo źródłowe do edycji, 3–30 sekund. Edycja przyjmuje wyłącznie obrazy referencyjne i obiekty obrazowe.

Reference Image UrlsAdded 2/10

Drop files here, paste files, or add a URL. Do 10 obrazów, wliczając opcjonalną klatkę początkową. Odwołuj się do nich jako @Image1, @Image2 itd. Limit przesyłania: JPEG, PNG lub WebP, 10 MB na plik.

——

——

@Image1@Image2

Reference Video Urls

Drop files here, paste files, or add a URL. Do 5 wideo, każde o długości 3–30 sekund. Wideo referencyjne i obiekty wideo muszą łącznie trwać nie dłużej niż 30 sekund. Limit przesyłania: MP4 lub MOV, 200 MB na plik.

Po usunięciu lub zmianie kolejności referencji albo obiektów sprawdź ich etykiety w każdym prompcie.

Kling Elements

0/7 · Element Input Video Urls 0/3

Duration

Resolution

Aspect Ratio

Wyjście

Przykładowy wynik

To przykładowe dane. Wygeneruj nowy wynik, aby zobaczyć prawdziwy rezultat.

ID zadania:BIIA0RLIILB65JTXUtworzono:2026-10-23T10:50:05

Status:finishedPostęp:100%

Examples

Szczegóły cennika

Płatność za użycie. Bez subskrypcji i ukrytych opłat.

1 kredyt = $0.005

Poziom	Cena PoYo	Oryginał / rabat
720p · Bez wideo wejściowego	$0.142/s Kredyty: 28.5/s	$0.157/sOszczędzasz 9% Fal
720p · Z wideo wejściowym	$0.085/rozliczana s Kredyty: 17/rozliczana s	$0.094/rozliczana sOszczędzasz 10% Fal
1080p · Bez wideo wejściowego	$0.212/s Kredyty: 42.5/s	$0.235/sOszczędzasz 10% Fal
1080p · Z wideo wejściowym	$0.128/rozliczana s Kredyty: 25.5/rozliczana s	$0.141/rozliczana sOszczędzasz 10% Fal

Jak jest rozliczane: Rozliczane za każdą sekundę wygenerowanego wideo. Przy wideo wejściowym rozliczane sekundy = czas trwania wyniku + dłuższa z dwóch wartości: łącznego czasu trwania wideo wejściowych (zaokrąglonego w górę) i czasu trwania wyniku.

Opłaty zależą od końcowego wyniku.

KLING 4.0 · Generowanie i edycja wideo

Twórz filmowe historie dzięki pierwszej i ostatniej klatce, referencjom multimodalnym i natywnemu dźwiękowi

Kling 4.0 API: 30-sekundowe filmowe wideo AI

Kling 4.0 zamienia tekst i obrazy w wideo o długości 3–30 sekund z wyjściem w 720p i 1080p. Pierwsza i ostatnia klatka wyznaczają kompozycję początku i końca, a klip możesz podzielić na ujęcia z własnymi promptami i czasem trwania, nadając filmowym ujęciom, prezentacjom produktów i krótkim historiom wyraźny rytm wizualny.

Połącz do 15 referencji multimodalnych, aby zachować tożsamość postaci i styl wizualny w kolejnych scenach. Reżyseruj ruch kamery filmowymi instrukcjami i scalaj występy z natywnym dźwiękiem stereo, dialogami w wielu językach i synchronizacją ust, łącząc obraz, akcję i dźwięk w spójną scenę.

Pobierz klucz API

Kluczowe funkcje Kling 4.0 API

Zamieniaj prompty i referencje wizualne w filmowe historie dzięki dłuższym ujęciom, precyzyjnej kontroli twórczej i zsynchronizowanemu dźwiękowi.

Zamień tekst i obrazy w filmowe wideo

Nadaj opisowi sceny lub nieruchomemu obrazowi wyraźną dynamikę. Kling 4.0 łączy tryby tekst na wideo i obraz na wideo z instrukcjami dotyczącymi obiektów, kompozycji, ruchu i stylu wizualnego. Opisz postać wchodzącą do pokoju albo ożyw referencję produktu w efektowną prezentację – twój brief twórczy staje się ruchomą sceną z wyraźnym punktem uwagi i wyrazistą grą aktorską.

Generuj postacie, sceny i akcję na podstawie opisów tekstowych
Ożywiaj zdjęcia produktów, postacie i klatki storyboardu
Kształtuj kompozycję obiektu, akcję i styl wizualny

Reżyseruj każdy moment historii za pomocą klatek i promptów wieloujęciowych

Daj każdemu ważnemu momentowi klipu wyraźny punkt zaczepienia. Kling 4.0 animuje klatkę początkową w stronę opcjonalnej klatki końcowej, aby kierować kompozycją, pozami postaci i przejściami. Przy sekwencjach z kilkoma momentami podziel klip o długości do 30 sekund na ujęcia, każde z własnym promptem i czasem trwania, tak aby akcja rozwijała się zgodnie z twoim storyboardem i oddawała zamierzony rytm sceny.

Wyznaczaj kompozycję początku i końca za pomocą pierwszej i ostatniej klatki
Dziel klip na ujęcia z własnymi promptami i czasem trwania
Kieruj pozami postaci, kompozycją i przejściami między scenami

Połącz swoją wizję twórczą dzięki 15 referencjom multimodalnym

Zadbaj, by postać pozostała rozpoznawalna mimo zmian otoczenia i akcji. Kling 4.0 łączy do 15 referencji multimodalnych za pomocą Omni Reference, scalając obrazy referencyjne, wideo referencyjne i obiekty wielokrotnego użytku w jednym briefie sceny. Użyj karty postaci do określenia wyglądu, wideo referencyjnego do ruchu, a obiektu dla powracającej postaci lub produktu, aby zachować spójną tożsamość i styl w powiązanych ujęciach.

Łącz do 15 multimodalnych materiałów referencyjnych
Kieruj scenami za pomocą obrazów, wideo i obiektów
Zachowaj rozpoznawalną tożsamość postaci i styl wizualny

Twórz naturalne dialogi z natywnym dźwiękiem stereo

Pozwól, by rozmowa oddała zarówno grę aktorską, jak i atmosferę sceny. Kling 4.0 generuje natywny dwukanałowy dźwięk stereo z dialogami, efektami dźwiękowymi i dźwiękami otoczenia oraz zsynchronizowanym ruchem ust. Wskaż język, akcent i otaczające dźwięki w opisie sceny, aby tworzyć rozmowy postaci i zlokalizowane historie, w których mowa, mimika i tło dźwiękowe współgrają ze sobą.

Generuj dwukanałowe dialogi, efekty i tło dźwiękowe w stereo
Synchronizuj wypowiadane dialogi z ruchem ust postaci
Reżyseruj mowę w wielu językach i akcenty za pomocą promptów

Kształtuj naturalny ruch kamery instrukcjami w stylu reżyserskim

Spraw, by ruch kamery służył akcji – niezależnie od tego, czy postać przechodzi przez ruchliwą ulicę, czy w kadrze pojawia się produkt. Kling 4.0 rozumie instrukcje w stylu reżyserskim dla najazdów, orbit i ujęć śledzących i łączy je z reżyserią sceny oraz gry aktorskiej. Zgraj kadrowanie z ruchem ciała, aby budować dynamiczne sekwencje, wyraziste zbliżenia i efektowne odsłonięcia, które przyciągają uwagę, a postęp wizualny pozostaje spójny.

Reżyseruj najazdy, orbity i ujęcia śledzące
Zgrywaj ruch kamery z akcją postaci i kadrowaniem
Dbaj o wizualną spójność złożonego ruchu i przebiegu sceny

Opowiadaj pełniejsze historie w 30-sekundowych ujęciach

Daj występowi, prezentacji produktu lub ruchowi kamery miejsce, by rozwinęły się w jednym ujęciu. Kling 4.0 generuje klipy od 3 do 30 sekund w 720p lub 1080p. Wybierz kadr 21:9, 16:9, 1:1 lub 9:16 odpowiednio do historii i miejsca publikacji – od ultraszerokiej sceny filmowej po pionowe wideo do social mediów.

Twórz klipy wideo w jednym przebiegu o długości 3–30 sekund
Wybierz rozdzielczość wyjściową 720p lub 1080p
Kadruj sceny w formacie 21:9, 16:9, 1:1 lub 9:16

Komu może pomóc Kling 4.0 API?

Filmowcy i studia kreatywne

Rozwijaj sceny fabularne, studia gry aktorskiej i sekwencje przedprodukcyjne z Kling 4.0. Pierwsza i ostatnia klatka oraz prompty wieloujęciowe pomagają planować momenty wizualne, referencje utrzymują tożsamość postaci, a instrukcje kamery pozwalają badać reżyserię ujęć. Dłuższe ujęcia dają zespołom przestrzeń, by ocenić tempo, grę aktorską i kompozycję, zanim koncepcja trafi do szerszego procesu produkcyjnego.

Zespoły marketingu i reklamy

Zamieniaj koncepcje kampanii w prezentacje produktów, spoty z postaciami w roli głównej i zlokalizowane historie marek dzięki Kling 4.0. Połącz referencje produktu z ruchem kamery i natywnym dialogiem, aby ukształtować czytelny przekaz. Zespoły mogą porządkować wspólne materiały kreatywne, sprawdzać alternatywne kierunki scen i dopasowywać koncepcję wizualną do różnych odbiorców kampanii.

Marki e-commerce i sprzedawcy detaliczni

Twórz pokazy produktów, prezentacje mody i historie o opakowaniach na podstawie istniejących materiałów wizualnych. Kling 4.0 wprawia obrazy produktów w ruch, a reżyseria oparta na referencjach pomaga zachować rozpoznawalny wygląd. Zaplanuj kluczowe momenty, takie jak zbliżenie, odsłonięcie czy interakcja człowieka z produktem, by zbudować skupioną historię wizualną wokół produktu.

Twórcy social mediów i platformy

Rozwijaj krótkie formy, wyraziste występy i treści w orientacji pionowej z Kling 4.0. Prowadź klip za pomocą jasnego promptu, referencji postaci wielokrotnego użytku i przemyślanej ścieżki dźwiękowej. Połączenie reżyserii wizualnej z natywnym dźwiękiem pomaga twórcom badać spójne sceny, które niosą ideę narracyjną od chwytliwego otwarcia po finałowy moment.

Deweloperzy gier i wirtualnych światów

Eksploruj prezentacje postaci, sekwencje budowania świata i koncepcje filmowe z Kling 4.0. Użyj kart postaci i referencji ruchu, aby przekazać wygląd i akcję, a następnie dodaj reżyserię kamery i dźwięk budujący atmosferę. Zespoły mogą tworzyć studia wizualne łączące otoczenie, postać i moment narracyjny na potrzeby przeglądu twórczego.

Zespoły edukacji i szkoleń

Planuj pokazy instruktażowe, lekcje oparte na scenariuszach i wielojęzyczne sceny z prezenterem z Kling 4.0. Prompty wieloujęciowe pomagają uporządkować sekwencję momentów nauczania, a natywny dialog i synchronizacja ust wspierają wyjaśnienia prowadzone przez postać. Zespoły mogą dostosowywać referencje wizualne i briefy scen do różnych kontekstów nauki, zachowując skupienie prezentacji na jasnym celu edukacyjnym.

Kling 4.0 vs Kling 3.0: mocne strony i funkcje

Kling 4.0 sprawdza się przy dłuższych, bardziej wyreżyserowanych klipach: generuje do 30 sekund, łączy obrazy referencyjne, wideo i obiekty oraz edytuje istniejące wideo. Kling 3.0 sprawdza się przy finałowych ujęciach wymagających natywnego 4K, a na każdym poziomie możesz włączyć lub wyłączyć natywny dźwięk. W PoYo oba modele generują wideo z tekstu lub z klatki początkowej i końcowej.

Funkcja	Kling 4.0	Kling 3.0
Kluczowe mocne strony	Klipy 30-sekundowe, referencje multimodalne, edycja wideo	Natywne wyjście 4K, opcjonalny natywny dźwięk
Najlepsze do	Reklam, sekwencji fabularnych i edycji wymagających dłuższych ujęć, referencji ruchu lub spójnych obiektów	Krótkich ujęć finałowych wymagających natywnych detali 4K
Tryby wejścia	Tekst, pierwsza i ostatnia klatka, obrazy, wideo i obiekty referencyjne, edycja wideo	Tekst, klatka początkowa i końcowa, referencje elementów
Edycja wideo	Edytuj źródłowe wideo o długości 3–30 sekund za pomocą promptu	Brak obsługi
Czas trwania	3–30 sekund	3–15 sekund
Rozdzielczość	720p, 1080p	Około 720p (Standard), 1080p (Pro), natywne 4K
Natywny dźwięk	Dźwięk stereo w każdym wideo; bez opcji włączania i wyłączania	Opcjonalny z dźwiękiem; wymagany przy wielu ujęciach
Proporcje obrazu	auto, 16:9, 9:16, 1:1, 21:9	16:9, 9:16, 1:1
Materiały referencyjne	Do 10 obrazów, 5 wideo i 7 obiektów	Referencje elementów zbudowane z obrazów lub wideo
Prompty wieloujęciowe	multi_prompt, łącznie 3–30 sekund	multi_shots z multi_prompt, łącznie 3–15 sekund

Wartości odzwierciedlają parametry każdego modelu w dokumentacji API PoYo. Stawki za sekundę znajdziesz w tabeli cen każdego modelu.

Przygotuj swój workflow z Kling 4.0 API w PoYo

Krok 1: utwórz klucz API
Załóż konto PoYo i utwórz klucz API, aby uporządkować przestrzeń roboczą integracji.
Utwórz klucz API →

Krok 2: uporządkuj prompty i materiały referencyjne
Opisz scenę, postacie, ruch kamery i dźwięk. Zbierz obrazy referencyjne i rozpisz kluczowe momenty wizualne, aby zbudować brief twórczy do wielokrotnego użytku. Zajrzyj do istniejących workflows Kling po praktyczną inspirację.
Poznaj workflows Kling →

Krok 3: zaplanuj integrację
Przejrzyj dokumentację platformy PoYo, aby przygotować wysyłanie zadań, śledzenie statusu i obsługę wyników w swojej aplikacji wideo.
Przeczytaj dokumentację platformy →

Najczęstsze pytania o Kling 4.0 API

Czym jest Kling 4.0?

Kling 4.0 to multimodalny model wideo AI firmy Kuaishou do filmowej twórczości. Jego możliwości obejmują generowanie wideo o długości 3–30 sekund w 720p lub 1080p, natywny dźwięk stereo, kontrolę pierwszej i ostatniej klatki, prompty wieloujęciowe i referencje multimodalne. Daje twórcom kilka powiązanych sposobów kształtowania sceny, od kompozycji początkowej i tożsamości postaci po ruch kamery i dialogi. PoYo oferuje obecnie przez API i Playground tryby tekst na wideo, obraz na wideo z pierwszą i ostatnią klatką, referencje na wideo oraz edycję wideo w 720p lub 1080p, z wyjściem o długości 3–30 sekund, promptami wieloujęciowymi oraz obiektami w postaci obrazów lub wideo.

Czy Kling 4.0 tworzy wideo z tekstu i obrazów?

Kling 4.0 obsługuje tryby tekst na wideo i obraz na wideo. Prompt tekstowy może opisywać postacie, akcję, styl sceny, ruch kamery i dźwięk. Obrazy referencyjne mogą określać obiekt lub kompozycję, a pierwsza i ostatnia klatka pomagają ukształtować przebieg ujęcia. Razem te dane wejściowe zamieniają brief twórczy w bardziej wyreżyserowaną sekwencję wizualną.

Jak pierwsza i ostatnia klatka oraz prompty wieloujęciowe kierują wideo?

W PoYo Kling 4.0 przyjmuje klatkę początkową i opcjonalną klatkę końcową, więc możesz określić, gdzie ujęcie się zaczyna, a gdzie kończy. Przy sekwencjach z kilkoma momentami użyj multi_prompt, aby podzielić klip o długości do 30 sekund na ujęcia, każde z własnym promptem do 512 znaków i własnym czasem trwania.

Co Omni Reference wnosi do sceny?

W PoYo Omni Reference łączy do 15 materiałów: do 10 obrazów, w tym opcjonalną klatkę początkową, 5 wideo referencyjnych i 7 obiektów zbudowanych z obrazów lub wideo. Karty postaci mogą kierować wyglądem, obrazy produktów określać szczegóły projektu, a wideo referencyjne przekazywać ruch lub tempo. Połączenie tych materiałów daje twórcom uporządkowany sposób przenoszenia tożsamości, stylu i wskazówek dotyczących gry aktorskiej do powiązanych scen.

Czy Kling 4.0 generuje dźwięk razem z wideo?

Możliwości audio Kling 4.0 obejmują wyjście stereo, naturalne dialogi w wielu językach, zsynchronizowany ruch ust, efekty dźwiękowe i dźwięki otoczenia. Brief sceny może opisywać wypowiadane kwestie, język lub akcent oraz dźwięk tła obok akcji wizualnej. Pomaga to twórcom ukształtować pełny występ audiowizualny o spójnym nastroju i tempie narracji. Wideo generowane w PoYo zawierają dwukanałową ścieżkę dźwiękową stereo.

Jaką rozdzielczość obsługuje Kling 4.0?

W PoYo Kling 4.0 generuje wideo w 720p lub 1080p, o czasie trwania od 3 do 30 sekund i proporcjach obrazu, takich jak 21:9, 16:9, 1:1 i 9:16. Użyj 720p do tańszych wersji roboczych, a 1080p do finalnej wersji. Kuaishou zapowiedziało wyjście 4K dla Kling 4.0 jako nadchodzącą funkcję. Jeśli potrzebujesz natywnego 4K już dziś, PoYo oferuje też Kling 3.0 4K.

Czym Kling 4.0 różni się od Kling 3.0 i Kling 2.6?

Kling 4.0 stawia na dłuższe ujęcia, referencje multimodalne i edycję wideo. Kling 3.0 łączy klipy o długości 3–15 sekund z promptami wieloujęciowymi, referencjami elementów, natywnym dźwiękiem i wyjściem Standard, Pro lub natywnym 4K. Kling 2.6 skupia się na scenach tekst na wideo i obraz na wideo trwających 5 lub 10 sekund, z zsynchronizowanymi dialogami, śpiewem, efektami dźwiękowymi i tłem dźwiękowym.

Dlaczego warto wybrać PoYo do zaplanowania integracji Kling 4.0 API

Czytelny wybór modelu

Porównuj wersje Kling i przeglądaj katalog modeli PoYo dzięki opisom możliwości i zestawieniom specyfikacji obok siebie. Dopasuj długość klipu, dane referencyjne, dźwięk i kontrolę twórczą do swojego projektu, aby zespół mógł wybrać kierunek modelu ze wspólnym rozumieniem oczekiwanego efektu.

Zasoby integracyjne przyjazne programistom

Skorzystaj z przestrzeni klucza API PoYo i dokumentacji platformy, aby przygotować uwierzytelnianie i integrację z aplikacją. Zbierz odpowiednie przewodniki razem z wymaganiami twórczymi, aby programiści mogli uporządkować obsługę żądań, śledzenie zadań i dostarczanie wyników wokół doświadczenia, które ma oferować twoja aplikacja.

Zadania, które możesz śledzić

Dokumentacja platformy PoYo opisuje zapytania o status zadań i callbacki dla procesów asynchronicznych. Wykorzystaj te zasoby, aby zaplanować, jak aplikacja śledzi postęp, odbiera powiadomienia o zakończeniu i obsługuje wyniki, dając programistom jasną podstawę do połączenia zadań generowania w tle z doświadczeniem użytkownika.

Połączone workflows wielu modeli

Przeglądaj katalog modeli obrazu i wideo PoYo, aby połączyć rozwijanie koncepcji, tworzenie referencji i ruchome sceny. Uporządkuj prompty i materiały wizualne do wielokrotnego użytku wokół każdego etapu produkcji, aby zespół mógł przenosić spójny brief twórczy przez różne workflows modeli w miarę rozwoju projektu.