
文生图
根据文本提示词创建 AI 图像
使用快手 Kling 4.0 API,在 Best Image AI 让产品照片和创意图像动起来,通过图像帧控制动作,用于营销活动与品牌故事。
快手 Kling 4.0 图生视频 API 让开发者和创意团队能够在 Best Image AI 上将静态图像转化为视频片段。 利用提示词引导的动作、可选的结束帧和按顺序排列的中间图像,为产品摄影、营销视觉素材和插画添加动画。 灵活的输出设置和帧引导,使这款 Kling 图像动画 API 适用于社交媒体内容、品牌营销活动、分镜动画 和创意制作工作流。
基于图像的视频创作: 使用起始图像和自然语言动作指导,将产品照片、插画和营销图像转化为动画片段。
可选结束帧: 当项目需要明确的结尾时,添加一张最终图像,引导序列达到预期的最终视觉效果。
有序中间帧: 按顺序提供中间图像,引导画面的发展。图像顺序会保留,其出现时间由模型决定。
基于提示词的动作指导: 结合提供的图像,描述期望的主体动作、环境运动和镜头行为。
可选输出分辨率: 根据动画工作流的交付要求,以 720p 或 1080p 生成视频。
灵活的时长与构图: 为营销投放、社交媒体内容和以图像为基础的创意项目,选择视频长度及受支持的宽高比。
便于开发者集成: 将图像动画功能加入已有产品摄影、营销素材或分镜图像管理能力的创意应用和内容生产流程。
输入: 必填的起始图像 URL,以及描述期望动作和场景发展的自然语言提示词。
输出: 由起始图像、动作提示词及任何额外帧图像引导生成的视频。
帧控制: 可选提供结束帧和有序中间帧。起始、结束和中间图像共用帧总数量额度;中间帧的出现时间由模型决定。
分辨率: 每次请求均需选择受支持的输出分辨率。
宽高比: 从多种受支持的格式中选择,以适应预期构图和发布位置。
时长: 每次请求均需明确设置 3 至 30 秒的片段长度。
计费: 根据所选输出分辨率和生成的视频时长,按秒计费。
能力: 图生视频动画,支持起始帧输入、可选的结束帧和中间帧、基于提示词的动作指导,以及灵活的输出设置。
电商产品动画: 将商品目录照片制作成动画,用于在线商店和营销活动中的产品展示、宣传短片及以产品为核心的故事。
社交媒体创意: 将营销图像和插画转化为短视频,用于社交信息流、广告和创作者内容。
分镜动画: 使用按顺序排列的分镜图像和动作提示词,引导广告序列和叙事片段的画面发展。
品牌营销活动制作: 从已确认的营销视觉素材开始,通过文字指导和可选帧图像控制动作与结尾。
人像与编辑类视觉动画: 为人像、时尚影像和艺术作品添加动态效果,用于编辑专题、数字作品集和社交媒体内容。
注意 请确保上传的图像和提示词符合快手和 Best Image AI 的内容安全要求,并使用您有权使用的图像。中间帧用于引导序列,不提供精确的时间戳控制。
Kling 4.0 与 Runway Gen-4.5 图生视频对比
Runway Gen-4.5 将输入图像与侧重动作的提示词相结合。Kling 4.0 图生视频在 Best Image AI 工作流中支持起始图像、可选结束图像和有序中间帧。
Kling 4.0 与 Veo 3.1 基于帧的生成对比
Veo 3.1 支持首尾帧生成。Kling 4.0 图生视频还接受有序中间图像,其在时间轴上的位置由模型决定。
Kling 4.0 图生视频与 Kling 4.0 参考生视频对比
参考生视频接受可选的图像、视频和音频参考。当需要以起始图像和一系列视觉帧引导片段时,图生视频是适合的工作流。
Kling 4.0 图生视频与 Kling 4.0 文生视频对比
文生视频根据书面描述创建片段,无需源图像。图生视频为围绕选定摄影作品、插画或分镜帧构建的项目提供必需的视觉起点。
Kling 4.0 图生视频与 Kling 4.0 视频延长对比
视频延长用于续接现有视频。图生视频从静态图像开始,以此视觉基础生成序列,无需源视频。
在浏览器中探索多种 AI 创作工具,快速完成图像和视频工作流,再通过 Best Image AI 面向生产环境的模型 API 扩展成功创意。Best Image AI 为所有模型提供统一 API 层,让工作流的使用和扩展更轻松。
// 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)