从文字或图片开始一个镜头
没有现成画面时，可用文字描述主体、动作和环境进行文生视频；已有商品图或场景图时，可把图片作为首帧进行图生视频。两种方式分别适合构思探索和基于既定画面的动画化，输出视频链接，便于继续剪辑。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 创作方式
- 文生视频、图生视频、已有视频扩展
- 生成时长
- 5秒或10秒，默认5秒
- 模式与画幅
- std / pro；16:9、9:16、1:1
- 首尾帧控制
- 5秒图生视频可使用首帧与尾帧；尾帧必须配合首帧
- 运镜控制
- 仅5秒任务；支持camera_control
- 提示词控制
- cfg_scale：0–1；negative_prompt：最多200字符；扩展任务不支持两者
- 交付与照片口型
- 返回视频链接与任务信息；照片口型功能输入图片和已有音频，支持5秒或10秒
以上为本平台中kling-v1的调用规格；照片口型同步是组合创作功能，不代表模型原生生成伴音。
核心能力
了解 kling-v1 能为你的工作带来什么。
用首尾帧安排短镜头
五秒图生视频可同时指定首帧和尾帧，为镜头提供明确的起点与终点；五秒任务还可设置运镜控制。实际创作时，可以先确定构图，再描述中间动作，把镜头方向作为单独控制项，而不是仅靠一段笼统提示词。
生成之后继续扩展
得到满意片段后，可保存返回的video_id，使用extend并补充下一段提示词继续生成。扩展围绕已有生成视频展开，不等同于任意视频编辑。应用可用task_id跟踪任务，以异步查询或回调方式接收视频结果。
适用场景
从具体任务出发，找到模型发挥作用的位置。
商品静图转展示片段
输入商品首帧图片，描述背景氛围和希望出现的动作，制作短展示镜头。需要控制收尾时，可采用五秒首尾帧方案；需要运镜时同样选择五秒任务。交付的视频可作为广告剪辑素材，字幕和配乐在后续制作中添加。
分镜构想转动态草案
把分镜中的主体、场景与动作写成提示词，生成五秒或十秒片段，用于观察构想的动态呈现。横屏、竖屏和方形画幅可对应不同版式需求。已有满意镜头时再尝试扩展，逐段组织素材，而不是一次要求完整长片。
人物照片配音口型
提供清晰单人正脸照片和预先录制的音频，通过会说话的照片功能制作短口播视频。调用时明确选择kling-v1，提示词用于描述动画化阶段的动作或表情。结果包含最终口型视频，也可获得中间的照片动画视频。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
需要五秒运镜时，保留v1的选择价值
如果任务重点是静图动画化，并需要五秒首尾帧或运镜控制，kling-v1具有明确的功能组合。kling-v1-6虽然属于后续版本，但不支持运镜，不能仅因版本较新就直接替换。选择时应围绕镜头控制需求，而不是把版本号当作全部判断依据。
伴音、4K与素材编辑选择其他型号
需要生成视频同时产生伴音时，可考虑kling-v2-6的pro模式或kling-v3；需要4K及更灵活时长时，可考虑kling-v3。多图参考或已有视频编辑则应选择kling-o1或kling-v3-omni。v1更适合文字、首帧和短镜头控制组成的基础创作。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 十秒生成不能沿用五秒的全部控制：kling-v1的首尾帧与运镜仅适用于五秒任务。尾帧只能用于图生视频，并必须同时提供首帧；如果镜头必须落到指定结束画面，应先按五秒方案设计。
- kling-v1不支持原生伴音或4K模式，也不支持Omni多图参考与参考视频编辑。会说话的照片需要提供已有音频，通过照片动画化与口型同步完成，不能代替音乐、对白或环境声生成。
- 扩展任务不支持negative_prompt与cfg_scale，不能把初次生成的全部控制参数原样复用。照片口型任务建议使用清晰单人正脸；音频时长不宜超过所选视频时长，避免素材与交付长度不匹配。
常见问题
解答使用 kling-v1 时的常见疑问。
kling-v1的五秒与十秒任务如何选择？
需要首尾帧或运镜控制时选五秒，这是本型号的明确功能边界。十秒适合不依赖这两项控制的生成任务。时长应按镜头内容决定；若需要继续展开已有片段，可以使用视频扩展，而不是直接假定支持任意长度。
图生视频可以只提供尾帧吗？
不可以。图生视频需要start_image_url，尾帧end_image_url只是可选的结束参考，必须与首帧一起使用。kling-v1使用首尾帧时还要选择五秒任务；只有首帧时，可围绕这张图片描述希望出现的动作。
怎样让生成内容更贴近提示词？
初次生成可通过cfg_scale调整提示词相关性，范围为0至1，值越大越贴合提示词；negative_prompt可表达不希望出现的内容，最多200字符。两者都不适用于extend，续写时应把重点放在下一段动作描述上。
怎样让照片开口说话？
使用/kling/talking-photo，提交image_url和audio_url，并显式设置model为kling-v1。音频支持mp3、wav、m4a、aac，大小不超过5MB；视频可选五秒或十秒。它使用已有音频同步口型，不会自行创作对白。
生成结果如何交给应用继续处理？
视频任务返回video_url、video_id、task_id和状态等信息：视频链接用于获取成片，视频ID用于后续扩展，任务ID用于关联处理进度。设置async=true可先取得任务ID，再查询结果；也可以配置回调地址接收完成信息。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。