Kling v2.5 Turbo Pro Image-to-Video API by Kuaishou
Transforms stills into lifelike video clips at 2× faster speed while preserving fine texture and lighting consistency.
इनपुट
आउटपुट
निष्क्रियआपके अनुरोध की लागत $0.06 प्रति रन होगी। $10 के साथ आप इस मॉडल को लगभग 166 बार चला सकते हैं।
आगे आप यह कर सकते हैं:
कोड उदाहरण
import requests
import time
# Step 1: Start video generation
generate_url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "kwaivgi/kling-v2.5-turbo-pro/image-to-video",
"prompt": "A beautiful sunset over the ocean with gentle waves",
"width": 512,
"height": 512,
"duration": 3,
"fps": 24,
}
generate_response = requests.post(generate_url, headers=headers, json=data)
generate_result = generate_response.json()
prediction_id = generate_result["data"]["id"]
# Step 2: Poll for result
poll_url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
def check_status():
while True:
response = requests.get(poll_url, headers={"Authorization": "Bearer $ATLASCLOUD_API_KEY"})
result = response.json()
if result["data"]["status"] in ["completed", "succeeded"]:
print("Generated video:", result["data"]["outputs"][0])
return result["data"]["outputs"][0]
elif result["data"]["status"] == "failed":
raise Exception(result["data"]["error"] or "Generation failed")
else:
# Still processing, wait 2 seconds
time.sleep(2)
video_url = check_status()इंस्टॉल करें
अपनी प्रोग्रामिंग भाषा के लिए आवश्यक पैकेज इंस्टॉल करें।
pip install requestsप्रमाणीकरण
सभी API अनुरोधों के लिए API कुंजी के माध्यम से प्रमाणीकरण आवश्यक है। आप अपनी API कुंजी Atlas Cloud डैशबोर्ड से प्राप्त कर सकते हैं।
export ATLASCLOUD_API_KEY="your-api-key-here"HTTP हेडर
import os
API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {API_KEY}"
}क्लाइंट-साइड कोड या सार्वजनिक रिपॉज़िटरी में अपनी API कुंजी कभी उजागर न करें। इसके बजाय एनवायरनमेंट वेरिएबल या बैकएंड प्रॉक्सी का उपयोग करें।
अनुरोध सबमिट करें
import requests
url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "your-model",
"prompt": "A beautiful landscape"
}
response = requests.post(url, headers=headers, json=data)
print(response.json())अनुरोध सबमिट करें
एक असिंक्रोनस जनरेशन अनुरोध सबमिट करें। API एक प्रेडिक्शन ID लौटाता है जिसका उपयोग आप स्थिति जाँचने और परिणाम प्राप्त करने के लिए कर सकते हैं।
/api/v1/model/generateVideoअनुरोध बॉडी
import requests
url = "https://api.atlascloud.ai/api/v1/model/generateVideo"
headers = {
"Content-Type": "application/json",
"Authorization": "Bearer $ATLASCLOUD_API_KEY"
}
data = {
"model": "kwaivgi/kling-v2.5-turbo-pro/image-to-video",
"input": {
"prompt": "A beautiful sunset over the ocean with gentle waves"
}
}
response = requests.post(url, headers=headers, json=data)
result = response.json()
print(f"Prediction ID: {result['id']}")
print(f"Status: {result['status']}")प्रतिक्रिया
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}स्थिति जाँचें
अपने अनुरोध की वर्तमान स्थिति जाँचने के लिए प्रेडिक्शन एंडपॉइंट को पोल करें।
/api/v1/model/prediction/{prediction_id}पोलिंग उदाहरण
import requests
import time
prediction_id = "pred_abc123"
url = f"https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }
while True:
response = requests.get(url, headers=headers)
result = response.json()
status = result["data"]["status"]
print(f"Status: {status}")
if status in ["completed", "succeeded"]:
output_url = result["data"]["outputs"][0]
print(f"Output URL: {output_url}")
break
elif status == "failed":
print(f"Error: {result['data'].get('error', 'Unknown')}")
break
time.sleep(3)स्थिति मान
processingअनुरोध अभी भी प्रोसेस हो रहा है।completedजनरेशन पूर्ण हो गया है। आउटपुट उपलब्ध हैं।succeededजनरेशन सफल रहा। आउटपुट उपलब्ध हैं।failedजनरेशन विफल हो गया। एरर फ़ील्ड जाँचें।पूर्ण प्रतिक्रिया
{
"data": {
"id": "pred_abc123",
"status": "completed",
"outputs": [
"https://storage.atlascloud.ai/outputs/result.mp4"
],
"metrics": {
"predict_time": 45.2
},
"created_at": "2025-01-01T00:00:00Z",
"completed_at": "2025-01-01T00:00:10Z"
}
}फ़ाइलें अपलोड करें
Atlas Cloud स्टोरेज पर फ़ाइलें अपलोड करें और एक URL प्राप्त करें जिसका उपयोग आप अपने API अनुरोधों में कर सकते हैं। अपलोड के लिए multipart/form-data का उपयोग करें।
/api/v1/model/uploadMediaअपलोड उदाहरण
import requests
url = "https://api.atlascloud.ai/api/v1/model/uploadMedia"
headers = { "Authorization": "Bearer $ATLASCLOUD_API_KEY" }
with open("image.png", "rb") as f:
files = {"file": ("image.png", f, "image/png")}
response = requests.post(url, headers=headers, files=files)
result = response.json()
download_url = result["data"]["download_url"]
print(f"File URL: {download_url}")प्रतिक्रिया
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Input Schema
अनुरोध बॉडी में निम्नलिखित पैरामीटर स्वीकार किए जाते हैं।
कोई पैरामीटर उपलब्ध नहीं है।
अनुरोध बॉडी का उदाहरण
{
"model": "kwaivgi/kling-v2.5-turbo-pro/image-to-video"
}Output Schema
API जनरेट किए गए आउटपुट URL के साथ एक प्रेडिक्शन प्रतिक्रिया लौटाता है।
प्रतिक्रिया का उदाहरण
{
"id": "pred_abc123",
"status": "completed",
"model": "model-name",
"outputs": [
"https://storage.atlascloud.ai/outputs/result.mp4"
],
"metrics": {
"predict_time": 45.2
},
"created_at": "2025-01-01T00:00:00Z",
"completed_at": "2025-01-01T00:00:10Z"
}Atlas Cloud Skills
Atlas Cloud Skills 300+ AI मॉडल को सीधे आपके AI कोडिंग असिस्टेंट में इंटीग्रेट करता है। इंस्टॉल करने के लिए एक कमांड, फिर इमेज, वीडियो जनरेट करने और LLM के साथ चैट करने के लिए प्राकृतिक भाषा का उपयोग करें।
समर्थित क्लाइंट
इंस्टॉल करें
npx skills add AtlasCloudAI/atlas-cloud-skillsAPI कुंजी सेटअप करें
Atlas Cloud डैशबोर्ड से अपनी API कुंजी प्राप्त करें और इसे एनवायरनमेंट वेरिएबल के रूप में सेट करें।
export ATLASCLOUD_API_KEY="your-api-key-here"क्षमताएँ
एक बार इंस्टॉल होने के बाद, आप सभी Atlas Cloud मॉडल तक पहुँचने के लिए अपने AI असिस्टेंट में प्राकृतिक भाषा का उपयोग कर सकते हैं।
MCP Server
Atlas Cloud MCP Server आपके IDE को Model Context Protocol के माध्यम से 300+ AI मॉडल से जोड़ता है। किसी भी MCP-संगत क्लाइंट के साथ काम करता है।
समर्थित क्लाइंट
इंस्टॉल करें
npx -y atlascloud-mcpकॉन्फ़िगरेशन
अपने IDE की MCP सेटिंग्स फ़ाइल में निम्नलिखित कॉन्फ़िगरेशन जोड़ें।
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}उपलब्ध टूल
API स्कीमा
स्कीमा उपलब्ध नहींअनुरोध इतिहास देखने के लिए कृपया साइन इन करें
अपने मॉडल अनुरोध इतिहास तक पहुंचने के लिए आपको साइन इन करना होगा।
साइन इन करेंKling 2.5 Turbo Pro (Image-to-Video)
Kling 2.5 Turbo Pro turns a single image and a text prompt into cinematic video with fluid motion and accurate intent. A new text-timing engine, improved dynamics, and faster inference enable high-speed action and complex camera moves with stable frames, while refined conditioning preserves palette, lighting, and mood.
This version additionally supports first–last frame control: you can specify both a starting image and an ending image, and the model will animate a smooth transformation between them.
What makes it stand out?
-
Better prompt understanding Precisely parses multi-step, causal instructions and turns a single image and prompt into coherent, well-paced shots that stay true to your creative idea.
-
More realistic look and greater stability Improved dynamics and balanced training data closely mimic real-world motion, even at high speeds and with complex camera moves. Playback is smooth with fewer jitters, tears, and dropped details.
-
Detail and style consistency Refined image conditioning maintains color, lighting, brushwork, and mood, keeping frames visually unified even during aggressive motion or transitions.
-
First–last frame animation When you provide both an initial image and a
last_image, Kling 2.5 Turbo Pro treats them as keyframes and generates a video that naturally evolves from the first to the last frame.
Inputs
-
image(required) The starting frame of your video. Composition, style, and subject are primarily taken from this image. -
last_image(optional) An optional target frame. If provided, the model interpolates betweenimageandlast_image, creating a smooth visual evolution from start to end. -
prompt(required) Text description of the scene, actions, camera movement, and style. -
negative_prompt(optional) Things you want the model to avoid (for example, blur, text overlays, distortions). -
guidance_scaleControls how strongly the model follows the prompt versus being more free-form.- Lower values = more creative variation.
- Higher values = stricter adherence to the prompt.
-
durationLength of the generated video:- 5 seconds
- 10 seconds
Output
A single video clip of the chosen duration, animated from the initial image (and optionally toward the last_image) according to your prompt.
Designed For
- Marketing and brand teams – Consistent, on-brand motion spots, feature demos, and campaign assets.
- Creators / YouTubers / Shorts teams – Strong narrative motion that boosts watch-through and engagement.
- Film / animation studios – Previz, style tests, and technique exploration with reliable dynamics.
- Education and training – Turn static diagrams or slides into clear, animated explainers.
How to Use
- Upload or paste the URL of your
imageas the starting frame. - (Optional) Upload a
last_imageif you want the video to end on a specific frame or design. - Write your
prompt, specifying subject, scene, motion, and style. - (Optional) Add a
negative_promptto filter out unwanted artifacts or styles. - Adjust
guidance_scaleto balance between strict prompt following and looser creativity. - Choose the
duration(5 s or 10 s). - Run the model, preview the result, then iterate by tweaking the prompt, images, or
guidance_scaleuntil you reach the desired look.
Notes
Pricing Information
| Duration | Price |
|---|---|
| 5 s | $0.2800 |
| 10 s | $0.5600 |
