从文字构思到短镜头
文生视频适合把场景描述转成可观看的镜头草案。创作时可围绕主体、动作、环境和光线组织提示词，将一段内容集中在一个明确事件上。V2 Master 的均衡定位适合比较不同创意表达，再把选中的结果用于分镜讨论或后续剪辑。
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、首帧图生视频
- 视频时长
- 本平台视频生成：5秒或10秒
- 画幅选项
- 16:9、9:16、1:1
- 型号控制范围
- 单一模式；不支持尾帧与camera_control
- 音频工作流
- 视频生成不支持同步伴音；会说话照片使用外部音频
- 照片配音输入
- 照片URL与音频URL；音频支持mp3/wav/m4a/aac，≤5MB
- 结果与任务
- 返回视频链接、任务ID及状态；支持异步与回调
以上时长、画幅及素材要求对应本平台的调用范围，会说话照片是组合创作流程，不等同于模型原生伴音。
核心能力
了解 kling-v2-master 能为你的工作带来什么。
用首帧建立视觉起点
图生视频以已有图片作为开场基础，再通过提示词描述希望发生的动作。相比完全从文字开始，这种方式能让商品图、人物照或场景稿直接参与创作。它强调从指定起点展开画面，不提供尾帧锁定，因此更适合允许结尾自由发展的短镜头。
照片动画与配音衔接
会说话照片流程接收人物照片和已有音频，先完成照片动画化，再按音频进行口型处理。指定 V2 Master 后，它承担其中的动画生成部分。该流程适合已有配音的角色介绍或简短口播，不需要把台词误写成视频模型自动生成声音的指令。
适用场景
从具体任务出发，找到模型发挥作用的位置。
商品静图制作动态素材
输入商品展示图，并描述轻微旋转、背景氛围或展示动作，生成用于短视频剪辑的动态片段。可按投放位置选择横屏、竖屏或方形画幅，再由剪辑环节添加卖点字幕与音乐。建议一次突出一个展示重点，而不是在同一镜头安排整套广告情节。
概念分镜与镜头预演
将脚本中的单个场景整理为主体、动作和环境描述，用文生视频制作镜头草案；已有美术设定时，也可从场景图开始。交付物是便于团队讨论的短片段，适合比较情绪、构图与动作表达，再决定哪些内容进入正式制作或人工精修。
已有配音的人物短片
准备清晰的单人正脸照片和一段配音，通过会说话照片入口制作人物介绍、角色问候或简短讲解。音频应控制在所选视频时长内，提示词主要描述表情与动作。完成后获取最终视频链接，接入现有内容发布或剪辑流程。
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。
与 V2.1 Master 如何取舍
V2 Master 适合文字或首帧驱动的短镜头任务；V2.1 Master 的定位更强调质量与一致性。两者在这里都采用单一模式，时长为5或10秒，也都不提供尾帧、伴音和结构化运镜。若任务重视画面一致性，可用相同素材对比结果，而不是把版本号直接当作效果保证。
何时选择其他可灵版本
若任务必须锁定结尾画面，可考虑支持尾帧的 V2.5 Turbo pro；需要同步伴音时，可选择 V2.6 pro 或 V3。多图、参考视频及已有视频编辑更适合 O1 或 V3 Omni。V2 Master 的选择价值在于清晰的文字与首帧创作流程，不在于覆盖这些不同的控制需求。
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。
- V2 Master 不支持 end_image_url 尾帧约束和 camera_control 运镜参数。提示词可以表达希望呈现的动作或镜头感觉，但这不等于结构化控制，也不能据此保证最终画面停在指定构图。
- 视频生成不支持 generate_audio 同步伴音，也不支持4K模式。会说话照片需要另行提供音频，其声音来自输入素材；如需对白、环境音与画面一起生成，应选择具备相应能力的型号。
- 不要把 image_list、video_list 当作本型号的多素材创作能力。参考视频编辑和 Omni 多图参考属于其他型号；V2 Master 的图生视频以首帧图片为起点，复杂素材组合应拆分制作或改选模型。
常见问题
解答使用 kling-v2-master 时的常见疑问。
调用时应该填写哪个模型名称？
在 /kling/videos 或 /kling/talking-photo 中显式填写 model=kling-v2-master。这样可以明确选择 V2 Master，而不是依赖入口默认值。kling-v2-1-master 是另一个型号，不应当作同一模型的替代写法。
图生视频需要哪些核心输入？
使用 /kling/videos，将 action 设为 image2video，提供 start_image_url，并用 prompt 描述动作与场景变化。时长选择5或10秒即可。本型号不支持尾帧控制，创作时应把首帧视为起点，而不是同时约束起点与终点。
能让照片直接说出提示词里的台词吗？
不能把视频提示词当作语音生成输入。制作会说话照片时，需要向 /kling/talking-photo 提供 image_url 和 audio_url；prompt 用于照片动画化阶段的动作或表情。建议先准备配音，再让照片按这段音频完成口型处理。
可以生成任意长度的视频吗？
该型号的视频生成时长为5或10秒，会说话照片也提供这两个时长选项。更长内容可以按镜头拆分，再进行剪辑；若需要更灵活的单次时长，可考虑 V3，而不是给 V2 Master 传入任意秒数。
如何把生成任务接入应用？
可使用 async=true 获取 task_id，再查询任务结果；也可设置 callback_url 接收完成通知。应用应将任务ID与创作记录关联，完成后读取 state 和 video_url。任务提交成功与视频生成完成是不同阶段，不宜混为同一状态。
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。