
文字生成圖像
根據文字提示詞建立 AI 圖像
使用快手 Kling 4.0 API,在 Best Image AI 讓產品照片和創意圖片動起來,透過圖片影格控制動作,用於行銷活動與品牌故事。
快手 Kling 4.0 圖片生成影片 API 讓開發者與創意團隊能在 Best Image AI 上將靜態圖片轉換為影片片段。 運用提示詞引導的動作、選用的結束影格與依序排列的中間圖片,為產品攝影、行銷視覺素材與插畫加入動畫。 彈性的輸出設定與影格引導,使這款 Kling 圖片動畫 API 適用於社群內容、品牌行銷活動、分鏡動畫 與創意製作工作流程。
以圖片建立影片: 使用起始圖片與自然語言動作指導,將產品照片、插畫與行銷圖片轉換為動畫片段。
選用結束影格: 當專案需要明確的結尾時,加入一張最終圖片,引導序列達到預期的最終視覺效果。
依序排列的中間影格: 依序提供中間圖片,引導畫面的發展。圖片順序會保留,出現時間則由模型決定。
以提示詞指導動作: 搭配提供的圖片,描述期望的主體動作、環境運動與鏡頭行為。
可選輸出解析度: 依據動畫工作流程的交付需求,以 720p 或 1080p 生成影片。
彈性的時長與構圖: 為行銷投放、社群內容與以圖片為基礎的創意專案,選擇影片長度與支援的長寬比。
便於開發者整合: 將圖片動畫功能加入已有產品攝影、行銷素材或分鏡圖片管理能力的創意應用程式與內容製作流程。
輸入: 必填的起始圖片 URL,以及描述期望動作與場景發展的自然語言提示詞。
輸出: 由起始圖片、動作提示詞與任何額外影格圖片引導生成的影片。
影格控制: 可選擇提供結束影格與依序排列的中間影格。起始、結束與中間圖片共用影格總數額度;中間影格的出現時間由模型決定。
解析度: 每次請求皆須選擇支援的輸出解析度。
長寬比: 從多種支援的格式中選擇,以符合預期構圖與發布版位。
時長: 每次請求皆須明確設定 3 至 30 秒的片段長度。
計費: 依據所選輸出解析度與生成影片的時長,按秒計費。
能力: 圖片生成影片動畫,支援起始影格輸入、選用的結束與中間影格、以提示詞指導動作,以及彈性的輸出設定。
電子商務產品動畫: 將商品目錄照片製作成動畫,用於網路商店與行銷活動中的產品展示、宣傳短片及以產品為核心的故事。
社群媒體創意: 將行銷圖片與插畫轉換為短影片,用於社群動態消息、廣告與創作者內容。
分鏡動畫: 使用依序排列的分鏡圖片與動作提示詞,引導廣告序列與敘事片段的畫面發展。
品牌行銷活動製作: 從已確認的行銷視覺素材開始,透過文字指導與選用影格圖片控制動作與結尾。
人像與編輯類視覺動畫: 為人像、時尚影像與藝術作品加入動態效果,用於編輯專題、數位作品集與社群內容。
注意 請確保上傳的圖片與提示詞符合快手與 Best Image AI 的內容安全要求,並使用您有權使用的圖片。中間影格用於引導序列,不提供精確的時間戳記控制。
Kling 4.0 與 Runway Gen-4.5 圖片生成影片比較
Runway Gen-4.5 將輸入圖片與著重動作的提示詞結合。Kling 4.0 圖片生成影片在 Best Image AI 工作流程中支援起始圖片、選用的結束圖片與依序排列的中間影格。
Kling 4.0 與 Veo 3.1 以影格引導的生成比較
Veo 3.1 支援首尾影格生成。Kling 4.0 圖片生成影片也接受依序排列的中間圖片,其在時間軸上的位置由模型決定。
Kling 4.0 圖片生成影片與 Kling 4.0 參考生成影片比較
參考生成影片接受選用的圖片、影片與音訊參考。當需要以起始圖片與一系列視覺影格引導片段時,圖片生成影片是適合的工作流程。
Kling 4.0 圖片生成影片與 Kling 4.0 文字生成影片比較
文字生成影片依據書面描述建立片段,無須來源圖片。圖片生成影片為圍繞選定攝影作品、插畫或分鏡影格建立的專案,提供必要的視覺起點。
Kling 4.0 圖片生成影片與 Kling 4.0 影片延長比較
影片延長用於接續現有影片。圖片生成影片從靜態圖片開始,以此視覺基礎生成序列,無須來源影片。
在瀏覽器中探索多種 AI 創作工具,快速完成圖像和影片工作流程,再透過 Best Image AI 可用於正式環境的模型 API 擴展成功創意。Best Image AI 為所有模型提供統一 API 層,讓工作流程的使用和擴展更輕鬆。
// Step 1: Submit generation request
const response = await fetch('https://api.flaq.ai/api/v1/video/task', {
method: 'POST',
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
body: JSON.stringify({
model_name: 'kling-v4.0-image-to-video',
prompt: 'Camera slowly pulls back from the character to reveal the surrounding mountain landscape',
image_url: 'https://example.com/start-frame.jpg',
resolution: '720p',
duration: 8,
aspect_ratio: '16:9'
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Step 2: Poll for results
const taskId = data.task_id;
const pollResult = async (taskId) => {
const res = await fetch(`https://api.flaq.ai/api/v1/video/${taskId}`, {
headers: { 'Authorization': 'Bearer YOUR_API_KEY' }
});
return res.json();
};
while (true) {
const pollResultData = await pollResult(taskId);
const status = pollResultData.data.task_status;
if (status === 'succeed') {
console.log(pollResultData.data.task_result.videos[].);
;
}
(status === ) {
.(pollResultData..);
;
}
( (resolve, ));
}
# Step 1: Submit generation request
import requests
response = requests.post(
'https://api.flaq.ai/api/v1/video/task',
headers={
'Content-Type': 'application/json',
'Authorization': 'Bearer YOUR_API_KEY'
},
json={
'model_name': 'kling-v4.0-image-to-video',
'prompt': 'Camera slowly pulls back from the character to reveal the surrounding mountain landscape',
'image_url': 'https://example.com/start-frame.jpg',
'resolution': '720p',
'duration': 8,
'aspect_ratio': '16:9'
}
)
result = response.json()
task_id = result['data']['task_id']
# Step 1: Submit generation request
curl -X POST https://api.flaq.ai/api/v1/video/task \
-H "Content-Type: application/json" \
-H "Authorization: Bearer YOUR_API_KEY" \
-d '{
"model_name": "kling-v4.0-image-to-video",
"prompt": "Camera slowly pulls back from the character to reveal the surrounding mountain landscape",
"image_url": "https://example.com/start-frame.jpg",
"resolution": "720p",
"duration": 8,
"aspect_ratio": "16:9"
}'
# Step 2: Poll for results
# Replace {task_id} with the task_id returned from the submit response
curl -X GET "https://api.flaq.ai/api/v1/video/{task_id}" \
-H "Authorization: Bearer YOUR_API_KEY"
# Step 2: Poll for results
task_id = response.json()['data']['task_id']
poll_url = f"https://api.flaq.ai/api/v1/video/{task_id}"
while True:
poll_result = requests.get(poll_url, headers={'Authorization': 'Bearer YOUR_API_KEY'}).json()
status = poll_result['data']['task_status']
if status == 'succeed':
print(poll_result['data']['task_result']['videos'][0]['url'])
break
if status == 'failed':
print(poll_result['data']['task_status_msg'])
break
time.sleep(10)