用文字组织一个完整短镜头
通过 text2video 描述主体、场景、动作与光线，把镜头构想转化为视频。创作时可将重点放在一个主要事件，例如人物转身或商品进入画面，再用反向提示词排除不想出现的元素，便于比较不同描述形成的视觉方案。
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 text2video；图生视频 image2video
- 生成时长
- 本平台支持5秒或10秒
- 画幅比例
- 16:9、9:16、1:1
- 模式与参考帧
- std、pro；首帧引导图生视频，pro可配合尾帧
- 提示词控制
- cfg_scale范围0–1；negative_prompt最多200字符
- 交付形式
- 视频URL、视频ID、任务ID及状态；支持异步与回调
- 照片说话工作流
- 图片与已有音频输入；支持5秒或10秒，组合完成动画化与对口型
以上时长与控制范围对应本平台调用入口；照片说话是组合创作流程，不代表模型原生生成伴音。
核心能力
了解 kling-v2-5-turbo 能为你的工作带来什么。
以首尾画面安排视觉变化
图生视频以首帧作为视觉起点，适合已有商品图、角色图或分镜画面的项目。pro 模式还可加入尾帧，让创作同时具有起点和结束目标。首尾帧用于引导生成，并不等于逐帧编辑，中间动作仍需通过提示词清楚表达。
让人物照片配合已有台词
在照片说话流程中，提交人物图片和已准备好的音频即可制作动态口播视频。V2.5 Turbo 负责照片动画化，随后按音频完成对口型；提示词可描述动画阶段的动作与表情，结果同时包含最终成片和中间动画视频链接。
适用场景
从具体任务出发，找到模型发挥作用的位置。
商品短片与展示素材
输入商品首帧图片，描述希望呈现的动作、环境与光线，生成用于商品页或宣传剪辑的短镜头。需要指定结束构图时，可选择 pro 并加入尾帧；先确定横屏、竖屏或方形用途，再组织素材，减少后期裁切造成的构图损失。
分镜试作与创意比较
将脚本中的单个镜头拆成主体、动作和场景描述，以文字生成不同视觉版本；已有分镜图时则用首帧启动。交付物是可查看和剪辑的视频片段，适合比较镜头方向与画面氛围，而不是把整段多场景叙事集中在一次生成中。
照片口播与角色介绍
准备清晰单人正脸照片及录制好的台词音频，通过 /kling/talking-photo 生成角色介绍或短口播。音频长度建议不超过所选视频时长，动作提示以表情和轻量动作描述为主；完成后可获取对口型成片及未对口型的动画片段。
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。
需要首尾帧时选择 pro
如果目标是从一张图片出发制作短镜头，可按任务选择 std 或 pro；当结束画面也必须参与引导时，应选择 pro。与 kling-v2-1-master 相比，V2.5 Turbo 的 pro 提供首尾帧创作方式，因此更适合已经准备起止分镜的任务，但不意味着中间过程能够被精确逐帧锁定。
按音频、时长与编辑需求选版本
选择 V2.5 Turbo 的重点是文字或图片驱动的短视频创作。需要同步生成伴音，可考虑 kling-v2-6 的 pro；需要3至15秒时长或4K模式，可考虑 kling-v3。若任务是多图参考或直接编辑已有视频，应选择 kling-o1 或 kling-v3-omni，而不是给本型号加入这些素材字段。
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。
- 本型号的普通视频生成不支持 generate_audio，也不支持原生4K模式。需要台词时，可以使用已有音频制作照片说话视频，或在后期配音；照片说话与普通视频生成是不同工作流，不能用开启伴音参数替代。
- 本型号不支持 camera_control 专用运镜控制。可在提示词中描述镜头意图，但不要将其视为可精确执行的相机轨迹。首尾帧也只在 pro 图生视频中配合使用，尾帧不能单独提交。
- 图生视频需提供首帧图片链接；照片说话需提供可访问的图片与音频链接。驱动音频支持 mp3、wav、m4a、aac，大小不超过5MB；人物照片建议清晰单人正脸，音频长度应与5秒或10秒成片安排相匹配。
常见问题
解答使用 kling-v2-5-turbo 时的常见疑问。
调用时怎样确保使用 V2.5 Turbo？
在 /kling/videos 或 /kling/talking-photo 请求中明确填写 model=kling-v2-5-turbo，不要依赖默认模型。视频创作同时选择 text2video 或 image2video；图生视频需要首帧，照片说话则需要图片与音频。
std 和 pro 在首尾帧上有什么区别？
V2.5 Turbo 的 std 不支持尾帧，pro 支持首尾帧引导。需要指定结束画面时，选择 image2video 和 pro，同时提交 start_image_url 与 end_image_url；只提交尾帧不成立，也不能用尾帧代替首帧。
V2.5 Turbo 能直接生成带声音的视频吗？
普通视频生成不支持 generate_audio。若已有配音，可使用照片说话入口，把人物图片与音频组合成对口型视频；这不是模型自行创作声音。需要同步生成伴音的视频任务，可选择支持该能力的可灵版本。
能用多张参考图或参考视频编辑画面吗？
本型号适合文字、首帧以及 pro 首尾帧创作，不应按 Omni 工作流提交多图或参考视频。需要参考多个主体、借用视频特征或修改已有视频时，应选择 kling-o1 或 kling-v3-omni，按对应素材规则组织任务。
怎样接收生成完成的视频？
完成结果提供 video_url、video_id、task_id 和状态信息。批量或后台任务可使用 async=true 获取任务ID，再查询结果，也可配置 callback_url 接收完成通知；照片说话结果另外提供中间动画的 source_video_url。
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。