Kling v2.6 Cinematic Video Creation

Kling v2.6 ist eine Familie von Kuaishou-KI-Videomodellen, die über Atlas Cloud verfügbar ist. Sie umfasst Pro-Generierung von Text-zu-Video und Bild-zu-Video sowie Standard- und Pro-Endpunkte für Avatare und Bewegungssteuerung.

Erstelle Videos aus Prompts, animiere Quellbilder, produziere Avatारvideos aus einem Bild und Audio oder übertrage Tanz-, Aktions- und Gestenabläufe aus Referenzclips. Die Pro-Endpunkte für Text-zu-Video und Bild-zu-Video können gleichzeitig mit den visuellen Inhalten auch Ton erzeugen.

Wähle Text-to-Video, wenn du mit einem Prompt beginnst, und Image-to-Video, wenn du ein Standbild animieren möchtest. Avatar-Endpunkte kombinieren ein Bild mit bereitgestelltem Audio, während Motion Control Bewegungen aus einem Referenzvideo auf eine Figur überträgt.

Sende eine POST-Anfrage an `/api/v1/model/generateVideo` mit deinem Atlas-Cloud-API-Schlüssel, der exakten Modell-ID und den für den jeweiligen Endpunkt erforderlichen Eingaben. Die asynchrone Antwort enthält eine Prediction-ID, die du über `/api/v1/model/prediction/{id}` abfragen kannst, bis der Task abgeschlossen ist.

Die Steuerungsmöglichkeiten variieren je nach Endpunkt. Text-to-video unterstützt Prompts, negative Prompts, die Seitenverhältnisse 1:1, 9:16 und 16:9, Dauern von 5 oder 10 Sekunden, Ton und die Guidance Scale. Die anderen Workflows ergänzen je nach Anwendungsfall Eingaben für Bild, Audio, Bewegungsvideo, Ausrichtung oder die Beibehaltung des Tons.

Bei Pro Text-to-Video und Image-to-Video steuert der Parameter `sound` die gleichzeitige Tonerzeugung. Avatar-Modelle benötigen dagegen zusammen mit dem Charakterbild eine Audioeingabe, während Motion Control den Originalton des Referenzvideos beibehalten kann.

Atlas Cloud führt Standardtarife von $0.07 pro Sekunde für Pro Text-to-Video, Pro Image-to-Video und Standard Motion Control auf. Standard Avatar kostet $0.056 pro Sekunde, während Pro Avatar und Pro Motion Control $0.112 pro Sekunde kosten. Dabei werden die Originaltarife und keine Aktionspreise verwendet.

Bereite ein JPG-, JPEG- oder PNG-Charakterbild sowie ein MP4- oder MOV-Bewegungsvideo vor. Jede Datei darf höchstens 10 MB groß sein, muss in beiden Dimensionen mindestens 300 Pixel messen und ein Seitenverhältnis zwischen 1:2.5 und 2.5:1 aufweisen.

Überprüfe zunächst die Modell-ID, die Bearer-Authentifizierung, die erforderlichen Felder und die medienbezogenen Einschränkungen des jeweiligen Endpunkts. Wenn der Task angenommen wurde, frage seine Prediction-ID ab, bis er abgeschlossen ist oder fehlschlägt, und prüfe den zurückgegebenen Fehler. Bei visuellen Inkonsistenzen solltest du die Szene vereinfachen und eindeutige Quellmedien verwenden, insbesondere bei der Übertragung von Gesichtsbewegungen oder Interaktionen mit komplexen Objekten.