API ویدیوی مرجع Kling 4.0 Flash: تصویرویدیو

با تصاویر، ویدیوها و عناصر مرجع، ویدیوهای Kling 4.0 Flash بسازید. 3-20s، 720p، صدای داخلی. پرداخت به‌ازای هر تولید، بدون اشتراک. Kling 4.0 Flash Reference-to-Video از تصاویر مرجع، ویدیوهای مرجع و عناصر نام‌گذاری‌شده، کلیپ‌های 3-20 ثانیه‌ای با وضوح 720p و صدای داخلی تولید می‌کند؛ در متن درخواست می‌توان با @tags به هرکدام اشاره کرد.

کنترل‌های تعاملی مدل

Kling 4.0 Flash Reference-to-Video از تصاویر مرجع، ویدیوهای مرجع و عناصر نام‌گذاری‌شده، کلیپ‌های 3-20 ثانیه‌ای با وضوح 720p و صدای داخلی تولید می‌کند؛ در متن درخواست می‌توان با @tags به هرکدام اشاره کرد.

📝

نمای کلی

مدل‌ها

Kling 4.0 Flash Reference-to-Video با استفاده از مواد ورودی خودتان، کلیپ‌های 3-20 ثانیه‌ای با وضوح 720p و صدای داخلی می‌سازد: حداکثر 10 تصویر مرجع، 5 ویدیوی مرجع و 7 عنصر نام‌گذاری‌شده (برای هر عنصر 2-4 تصویر یا یک ویدیوی 3-8 ثانیه‌ای از شخصیت)، در مجموع حداکثر 15 مورد. در متن درخواست، هر مورد را با @image_1، @video_1 یا @name مشخص کنید و صدای شخصیت را از طریق voice_url یکی از عناصر پیوند دهید. بدون ارائه مواد، درخواست مانند تبدیل متن به ویدیو عمل می‌کند. برای خروجی 1080p، کلیپ‌های 30 ثانیه‌ای و صداهای مستقل از Kling 4.0 Reference to Video استفاده کنید؛ برای متحرک‌سازی یک تصویر ثابت از Kling 4.0 Flash Keyframe to Video استفاده کنید.

1شخصیت‌ها: با استفاده از عناصر تصویری یا ویدیویی، ظاهر یک شخصیت نام‌گذاری‌شده را در صحنه‌های مختلف ثابت نگه دارید.

2صدا: با voice_url عنصر، صدای مرجع را به یک شخصیت پیوند دهید.

3نماهای هدایت‌شده با ویدیو: حرکت و فضای یک ویدیوی مرجع را، با صدای اصلی یا بدون آن، دوباره به کار بگیرید.

4تبلیغات: تصاویر مرجع محصول، مدل و پس‌زمینه را در یک نمای سریع و کم‌هزینه ترکیب کنید.

💰

قیمت‌گذاری و ارزش

تحلیل هزینه

ارائه‌دهنده	هزینه	یادداشت‌ها
muapiapp	$0.094 به‌ازای هر ثانیه (برای هر کلیپ 5s، مبلغ $0.47)	برای درخواست‌های متنی، کی‌فریم و تصویر مرجع، هزینه ویدیوی خروجی $0.094/s است؛ در صورت استفاده از ویدیوهای مرجع یا عناصر ویدیویی، هزینه $0.126/s است. فقط 720p.

muapiapp$0.094 به‌ازای هر ثانیه (برای هر کلیپ 5s، مبلغ $0.47)

برای درخواست‌های متنی، کی‌فریم و تصویر مرجع، هزینه ویدیوی خروجی $0.094/s است؛ در صورت استفاده از ویدیوهای مرجع یا عناصر ویدیویی، هزینه $0.126/s است. فقط 720p.

** مدل‌ها。

⚙️

مشخصات فنی

طرح پیکربندی

پارامتر	نوع	توضیحات	پیش‌فرض
پرامپت (دستور متنی)	string	Video description (max 8000 chars). Reference materials with @image_1, @video_1 or @name for elements/voices.	`@Hero sits at the desk in @video_1, picks up the doll from @image_1, and greets using @Narrator`
آدرس‌های تصاویر مرجع	array	حداکثر تا 10 تصاویر مرجع. Mention as @image_1, @image_2, ... in array order.	`undefined`
آدرس‌های ویدیوهای مرجع	array	حداکثر تا 5 ویدیوهای مرجع (2-30s each, 30s combined). Mention as @video_1, @video_2, ...	`undefined`
حفظ صدای اصلی فایل ورودی	boolean	Keep the original audio of the ویدیوهای مرجع (only applies when video_urls is set).	`false`
Elements	array	حداکثر تا 7 named subjects (at most 3 can use video). Each needs 2-4 images or one 3-8 second video, not both. Mention each as @name.	`-`
مدت زمان	int	Video length به ثانیه (3-20).	`5`
وضوح تصویر	（1 ）	Output resolution (Kling 4.0 Flash is 720p only).	`720p`
نسبت ابعاد	（5 ）	Output aspect ratio. Defaults to auto when reference media is provided, otherwise 16:9.	`-`

پرامپت (دستور متنی)string

Video description (max 8000 chars). Reference materials with @image_1, @video_1 or @name for elements/voices.

مقدار پیش‌فرض@Hero sits at the desk in @video_1, picks up the doll from @image_1, and greets using @Narrator

آدرس‌های تصاویر مرجعarray

حداکثر تا 10 تصاویر مرجع. Mention as @image_1, @image_2, ... in array order.

مقدار پیش‌فرضundefined

آدرس‌های ویدیوهای مرجعarray

حداکثر تا 5 ویدیوهای مرجع (2-30s each, 30s combined). Mention as @video_1, @video_2, ...

مقدار پیش‌فرضundefined

حفظ صدای اصلی فایل ورودیboolean

Keep the original audio of the ویدیوهای مرجع (only applies when video_urls is set).

مقدار پیش‌فرضfalse

Elementsarray

حداکثر تا 7 named subjects (at most 3 can use video). Each needs 2-4 images or one 3-8 second video, not both. Mention each as @name.

مقدار پیش‌فرض-

مدت زمانint

Video length به ثانیه (3-20).

مقدار پیش‌فرض5

وضوح تصویر（1 ）

Output resolution (Kling 4.0 Flash is 720p only).

مقدار پیش‌فرض720p

نسبت ابعاد（5 ）

Output aspect ratio. Defaults to auto when reference media is provided, otherwise 16:9.

مقدار پیش‌فرض-

📖

راهنمای پیاده‌سازی

مستندات توسعه‌دهندگان

نحوه استفاده از Kling 4.0 Flash Reference to Video

آماده‌سازی مواد ورودی: هر یک از image_urls (حداکثر 10)، video_urls (حداکثر 5، در ترکیب با عناصر ویدیویی مجموعاً 2-20s) و elements (حداکثر 7، که حداکثر 3 موردشان ویدیویی باشند) را ارائه کنید.
اشاره به آن‌ها در متن درخواست: ترتیب @image_1 و @video_1 مطابق ترتیب آرایه است؛ @Hero از مقدار name یک عنصر استفاده می‌کند. هر اشاره باید با یکی از موارد موجود در درخواست مطابقت داشته باشد.
تنظیم خروجی: duration (3-20s)، aspect_ratio (auto, 16:9, 9:16, 1:1, 21:9) و keep_original_sound را تنظیم کنید. وضوح خروجی همیشه 720p است.
ارسال درخواست و دریافت نتیجه: وضعیت را از /api/v1/predictions/{request_id}/result پیگیری کنید یا webhook_url را ارسال کنید.

curl -X POST https://api.muapi.ai/api/v1/kling-4.0-flash-reference-to-video \
  -H "Content-Type: application/json" \
  -H "x-api-key: YOUR_API_KEY" \
  -d '{"prompt": "@Hero sits at the desk, picks up the doll from @image_1 and greets the camera", "image_urls": ["https://example.com/doll.png"], "elements": [{"name": "Hero", "image_urls": ["https://example.com/hero-front.jpg", "https://example.com/hero-side.jpg"], "tag": "character", "voice_url": "https://example.com/hero-voice.mp3"}], "duration": 10}'

❓

پرسش‌های متداول

سوالات پرتکرار

محدودیت مدت‌زمان و وضوح تصویر چیست؟

مدت هر کلیپ 3 تا 20 ثانیه و وضوح آن فقط 720p است.

از چند مرجع می‌توانم استفاده کنم؟

حداکثر 10 تصویر، 5 ویدیو و 7 عنصر (حداکثر 3 عنصر ویدیویی) و در مجموع حداکثر 15 مورد مجاز است. تعداد ویدیوهای مرجع به‌علاوه عناصر ویدیویی نباید از 5 بیشتر شود و مدت‌زمان ترکیبی آن‌ها باید 2-20 ثانیه باشد.

چطور در متن درخواست به مواد ورودی ارجاع بدهم؟

برای تصاویر و ویدیوها، بر اساس ترتیب آرایه از @image_1 و @video_1 استفاده کنید؛ برای عناصر از @name استفاده کنید. اگر اشاره‌ای با هیچ موردی مطابقت نداشته باشد، درخواست رد می‌شود.

چطور صدا اضافه کنم؟

صداهای مستقل در Flash پشتیبانی نمی‌شوند. برای پیوند دادن صدای مرجع به شخصیت، voice_url را در عنصر شخصیت تنظیم کنید.

هزینه چطور محاسبه می‌شود؟

هزینه به‌ازای هر ثانیه ویدیوی خروجی است: با تصاویر مرجع یا بدون مرجع $0.094/s و در صورت استفاده از ویدیوهای مرجع یا عناصر ویدیویی $0.126/s. هزینه یک کلیپ 5 ثانیه‌ای $0.47 یا $0.63 است.

چطور نتیجه را دریافت کنم؟

این endpoint به‌صورت ناهمگام کار می‌کند. وضعیت را از /api/v1/predictions/{request_id}/result پیگیری کنید یا webhook_url را ارسال کنید تا پس از آماده‌شدن ویدیو مطلع شوید.