文本转图像
从文本提示词创建 AI 图像
Kuaishou/kling-video-o3-std-reference-to-video
kling-video-o3-std-reference-to-video
Kling O3 Std API 提供参考视频生成，一致性表现强，性能稳定，定价实惠。适合需要身份保持和个性化定制的视频工作流，轻松支持大规模批量生产，实现内容统一性与创新高效率。适合开发者和团队接入图片、视频或多模态生成流程。你可以先体验核心效果，再用于创意设计、营销素材、批量内容生产和自动化工作流。在测试提示词、参数组合和视觉风格时，帮助更快获得稳定且有吸引力的输出。
Reference to Video
Kling Video O3 Std 相关模型
API 示例
提交示例
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-video-o3-std-reference-to-video',
prompt: 'Match motion to reference subjects, natural pacing',
video_url: 'https://example.com/source.mp4',
images: ['https://example.com/ref1.jpg', 'https://example.com/ref2.jpg'],
duration: 5
})
});
const { data } = await response.json();
const taskId = data.task_id;
// Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
// Placeholder numbering is 1-based for each media array:
// <<<image_1>>> = images[0], <<<image_2>>> = images[1], <<<video_1>>> = videos[0]
const mediaReferenceResponse = 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-video-o3-std-reference-to-video',
prompt: 'Make the athlete from <<<image_1>>> follow the motion in <<<video_1>>> while preserving the uniform details from <<<image_2>>>',
images: [
'https://example.com/athlete-reference.jpg',
'https://example.com/uniform-reference.jpg'
],
videos: ['https://example.com/motion-reference.mp4'],
aspect_ratio: '16:9',
duration: 5,
sound: false
})
});
const { data: mediaReferenceData } = await mediaReferenceResponse.json();
const mediaReferenceTaskId = mediaReferenceData.task_id;
轮询示例
// 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[0].url);
break;
}
if (status === 'failed') {
console.error(pollResultData.data.task_status_msg);
break;
}
await new Promise(resolve => setTimeout(resolve, 10000));
}
提交示例
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-video-o3-std-reference-to-video',
'prompt': 'Match motion to reference subjects, natural pacing',
'video_url': 'https://example.com/source.mp4',
'images': ['https://example.com/ref1.jpg', 'https://example.com/ref2.jpg'],
'duration': 5
}
)
task_id = response.json()['data']['task_id']
# Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
# Placeholder numbering is 1-based for each media array:
# <<<image_1>>> = images[0], <<<image_2>>> = images[1], <<<video_1>>> = videos[0]
media_reference_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-video-o3-std-reference-to-video',
'prompt': 'Make the athlete from <<<image_1>>> follow the motion in <<<video_1>>> while preserving the uniform details from <<<image_2>>>',
'images': [
'https://example.com/athlete-reference.jpg',
'https://example.com/uniform-reference.jpg'
],
'videos': ['https://example.com/motion-reference.mp4'],
'aspect_ratio': '16:9',
'duration': 5,
'sound': False
}
)
media_reference_task_id = media_reference_response.json()['data']['task_id']
轮询示例
# 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)
提交示例
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-video-o3-std-reference-to-video",
"prompt": "Match motion to reference subjects, natural pacing",
"video_url": "https://example.com/source.mp4",
"images": ["https://example.com/ref1.jpg", "https://example.com/ref2.jpg"],
"duration": 5
}'
# Use the @ (AT) reference feature in prompt through <<<...>>> placeholders.
# Placeholder numbering is 1-based for each media array:
# <<<image_1>>> = images[0], <<<image_2>>> = images[1], <<<video_1>>> = videos[0]
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-video-o3-std-reference-to-video",
"prompt": "Make the athlete from <<<image_1>>> follow the motion in <<<video_1>>> while preserving the uniform details from <<<image_2>>>",
"images": [
"https://example.com/athlete-reference.jpg",
"https://example.com/uniform-reference.jpg"
],
"videos": ["https://example.com/motion-reference.mp4"],
"aspect_ratio": "16:9",
"duration": 5,
"sound": false
}'
轮询示例
# 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"
立即体验 AI 视频生成
Kling O3 Std Reference to Video 价格
| 参数 | 价格 | 原价 | 折扣 |
|---|
相关模型
kling-v3.0-std-text-to-videotext-to-videokling-v3.0-std-image-to-videoimage-to-videokling-v3.0-pro-text-to-videotext-to-videokling-v3.0-pro-image-to-videoimage-to-videokling-3.0-turbo-text-to-videotext-to-videokling-3.0-turbo-image-to-videoimage-to-videokling-video-o3-std-text-to-videotext-to-videokling-video-o3-std-image-to-videoimage-to-videokling-video-o3-std-reference-to-videoreference-to-videokling-video-o3-std-video-editvideo-editkling-video-o3-pro-text-to-videotext-to-videokling-video-o3-pro-image-to-videoimage-to-videokling-video-o3-pro-reference-to-videoreference-to-videokling-video-o3-pro-video-editvideo-editkling-4-0-text-to-videotext-to-videokling-4-0-image-to-videoimage-to-videoREADME
快速且经济实惠的 Kling Video O3 Standard Reference-to-Video API（快手基于 MVL 的参考视频生成）
快手 Kling Video O3 Standard Reference-to-Video API 为开发者和创意团队提供高性价比的生产级 AI 视频生成服务。这个基于 MVL 的参考视频转视频 API 集成使您能够生成由参考视频引导的专业视频片段，支持 3-15 秒时长和可选音效。基于快手的多模态视觉语言（MVL）架构，Kling Video O3 Standard 模型使用参考视频输入来引导运动风格、摄像机行为和场景演变，为 Flaq AI 上的可扩展生产工作流提供服务。
Kling Video O3 Standard Reference-to-Video API 的核心功能
- 参考视频引导生成： 使用快手的 MVL 技术，通过参考视频输入生成新的视频片段——实现对运动风格、摄像机行为和场景动态的精确控制，产生一致、有方向性的输出。
- 基于 MVL 的场景推理： Kling Video O3 Standard 模型在统一过程中从参考视频推理场景构图、空间关系和运动模式，实现连贯、风格一致的输出。
- 灵活的时长控制： 生成 3 到 15 秒的参考引导视频，精确设置时长，为多样化内容需求提供完全控制。
- 可选音效集成： 直接通过 API 为生成的视频添加同步音效，实现沉浸式输出——无需后期音频制作。
- 定价： 采用按秒分层计费，兼顾稳定性与性价比。
- 灵活的宽高比支持： API 支持 16:9 横向、9:16 竖向和 1:1 方形格式，针对社交媒体内容和数字营销活动进行优化。
- 上下文感知的运动迁移： 通过 MVL 架构，在生成新视觉内容的同时，从参考视频迁移运动模式、摄像机运动和场景动态。
如何在 Flaq AI 上使用 Kling Video O3 Standard Reference-to-Video API 进行视频生成
- 输入： 参考视频加上自然语言提示（描述所需的场景内容、修改和生成方向）
- 输出： 通过 Kling Video O3 Standard Reference-to-Video API 集成，经由安全 CDN URL 交付的参考引导视频（MP4 格式）
- 时长： 3 到 15 秒，每次请求可配置
- 宽高比： 支持 3 种格式 - 16:9（横向）、9:16（竖向/纵向）和 1:1（方形）
- 定价： 采用按秒分层计费，兼顾稳定性与性价比。
- 功能： 通过 Kling Video O3 Standard API 实现基于 MVL 的参考引导视频生成、运动风格迁移、电影级摄像机运动复制和可选音频集成。
Kling Video O3 Standard Reference-to-Video API 集成的最佳使用场景
- 一致的品牌视频制作： 通过高性价比的 API 集成，生成保持参考品牌视频一致运动风格、摄像机行为和视觉动态的新视频内容。
- 社交媒体内容系列： 为 Instagram Reels、TikTok 和 YouTube Shorts 大规模制作具有一致运动模式和可选音频的平台优化视频系列。
- 创意方向控制： 使用参考视频引导视频生成，实现特定的电影风格、运动模式和场景动态，进行精确的创意控制。
- 快速变体生成： 由单个参考视频引导，快速生成多个视频变体，实现高效的 A/B 测试和内容多样化工作流。
- 自动化内容管道： 通过可预测的按秒定价和灵活的时长控制，为高吞吐量生产系统提供自动化参考引导视频生成工作流。
注意 请确保您的提示符合快手的内容安全指南。如果发生错误，请检查提示中的受限内容，调整后重试。
Kling Video O3 Standard Reference-to-Video 与竞品对比分析
-
Kling Video O3 Standard vs. Kling Video O3 Pro Reference-to-Video Kling Video O3 Pro 以更高的按秒定价提供增强的运动保真度和高级渲染质量。Kling Video O3 Standard 以较低价格点提供强大的基于 MVL 的参考引导生成——使其成为成本效率优先的大批量工作流的首选。
-
Kling Video O3 Standard vs. Kling Video O3 Standard Image-to-Video Kling Video O3 Standard Image-to-Video 将静态图像动画化为视频片段。Kling Video O3 Standard Reference-to-Video 使用现有视频片段作为运动和风格指南——非常适合需要从参考素材精确控制运动模式和摄像机行为的应用。
-
Kling Video O3 Standard vs. Runway Gen-3 Reference Generation Runway Gen-3 提供强大的创意控制和艺术灵活性。Kling Video O3 Standard Reference-to-Video API 通过经济实惠的按秒定价、灵活的 3-15 秒时长控制、可选集成音效和基于 MVL 的运动推理实现差异化——使其对预算有限的开发者更易获取。
-
Kling Video O3 Standard vs. Pika Reference-to-Video Pika 擅长风格化动画和用户友好界面。Kling Video O3 Standard 提供程序化 API 访问、最长 15 秒的扩展时长、可选音效和高性价比的按秒定价——非常适合构建可扩展参考引导视频管道的开发者。
-
Kling Video O3 Standard vs. Vidu Q3 (Vidu) Vidu Q3 擅长视频生成能力和 Smart Cuts 多镜头叙事。Kling Video O3 Standard Reference-to-Video API 通过参考视频引导生成、基于 MVL 的运动迁移和灵活的计费方式实现差异化——使其成为需要精确运动风格控制的应用的首选。
直接在强大的 AI 工具中使用 Kling O3 Std Reference to Video 模型
在浏览器中探索多种 AI 创作工具，用于快速图像和视频工作流，然后通过 Flaq AI 可用于生产的模型 API 扩展成功创意。Flaq AI 为所有模型提供统一 API 层，让你的工作流更容易使用和扩展。
