Home
Verkennen
Kling Models
kwaivgi/kling-v2.1-t2v-master
Kling v2.1 t2v Master
Tekst-naar-Video

Kling v2.1 t2v Master API by Kuaishou

kwaivgi/kling-v2.1-t2v-master
Kling-v2.1-t2v-master

Interprets complex text prompts with advanced motion logic and enhanced dynamic-camera rendering.

Invoer

Parameterconfiguratie laden...

Uitvoer

Inactief
Uw gegenereerde video's verschijnen hier
Configureer parameters en klik op Uitvoeren om te beginnen met genereren

Elke uitvoering kost $0.238. Voor $10 kunt u ongeveer 42 keer uitvoeren.

U kunt doorgaan met:

Parameters

Codevoorbeeld

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-v2.1-t2v-master",
    "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()

Installeren

Installeer het vereiste pakket voor uw programmeertaal.

bash
pip install requests

Authenticatie

Alle API-verzoeken vereisen authenticatie via een API-sleutel. U kunt uw API-sleutel ophalen via het Atlas Cloud dashboard.

bash
export ATLASCLOUD_API_KEY="your-api-key-here"

HTTP-headers

python
import os

API_KEY = os.environ.get("ATLASCLOUD_API_KEY")
headers = {
    "Content-Type": "application/json",
    "Authorization": f"Bearer {API_KEY}"
}
Bescherm uw API-sleutel

Stel uw API-sleutel nooit bloot in client-side code of openbare repositories. Gebruik in plaats daarvan omgevingsvariabelen of een backend-proxy.

Een verzoek indienen

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())

Een verzoek indienen

Dien een asynchroon generatieverzoek in. De API retourneert een voorspellings-ID waarmee u de status kunt controleren en het resultaat kunt ophalen.

POST/api/v1/model/generateVideo

Verzoekinhoud

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-v2.1-t2v-master",
    "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']}")

Antwoord

{
  "id": "pred_abc123",
  "status": "processing",
  "model": "model-name",
  "created_at": "2025-01-01T00:00:00Z"
}

Status controleren

Bevraag het voorspellings-eindpunt om de huidige status van uw verzoek te controleren.

GET/api/v1/model/prediction/{prediction_id}

Polling-voorbeeld

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)

Statuswaarden

processingHet verzoek wordt nog verwerkt.
completedDe generatie is voltooid. Resultaten zijn beschikbaar.
succeededDe generatie is geslaagd. Resultaten zijn beschikbaar.
failedDe generatie is mislukt. Controleer het foutveld.

Voltooid antwoord

{
  "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"
  }
}

Bestanden uploaden

Upload bestanden naar Atlas Cloud opslag en ontvang een URL die u kunt gebruiken in uw API-verzoeken. Gebruik multipart/form-data om te uploaden.

POST/api/v1/model/uploadMedia

Upload-voorbeeld

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}")

Antwoord

{
  "data": {
    "download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
    "file_name": "image.png",
    "content_type": "image/png",
    "size": 1024000
  }
}

Invoer-Schema

De volgende parameters worden geaccepteerd in de verzoekinhoud.

Totaal: 0Vereist: 0Optioneel: 0

Geen parameters beschikbaar.

Voorbeeld verzoekinhoud

json
{
  "model": "kwaivgi/kling-v2.1-t2v-master"
}

Uitvoer-Schema

De API retourneert een voorspellingsantwoord met de gegenereerde uitvoer-URL's.

idstringrequired
Unique identifier for the prediction.
statusstringrequired
Current status of the prediction.
processingcompletedsucceededfailed
modelstringrequired
The model used for generation.
outputsarray[string]
Array of output URLs. Available when status is "completed".
errorstring
Error message if status is "failed".
metricsobject
Performance metrics.
predict_timenumber
Time taken for video generation in seconds.
created_atstringrequired
ISO 8601 timestamp when the prediction was created.
Format: date-time
completed_atstring
ISO 8601 timestamp when the prediction was completed.
Format: date-time

Voorbeeldantwoord

json
{
  "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 integreert meer dan 300 AI-modellen rechtstreeks in uw AI-codeerassistent. Eén commando om te installeren, gebruik daarna natuurlijke taal om afbeeldingen, video's te genereren en te chatten met LLMs.

Ondersteunde clients

Claude Code
OpenAI Codex
Gemini CLI
Cursor
Windsurf
VS Code
Trae
GitHub Copilot
Cline
Roo Code
Amp
Goose
Replit
40+ ondersteunde clients

Installeren

bash
npx skills add AtlasCloudAI/atlas-cloud-skills

API-sleutel instellen

Haal uw API-sleutel op via het Atlas Cloud dashboard en stel deze in als omgevingsvariabele.

bash
export ATLASCLOUD_API_KEY="your-api-key-here"

Mogelijkheden

Eenmaal geïnstalleerd kunt u natuurlijke taal gebruiken in uw AI-assistent om toegang te krijgen tot alle Atlas Cloud modellen.

BeeldgeneratieGenereer afbeeldingen met modellen zoals Nano Banana 2, Z-Image en meer.
VideocreatieMaak video's van tekst of afbeeldingen met Kling, Vidu, Veo, enz.
LLM-chatChat met Qwen, DeepSeek en andere grote taalmodellen.
Media uploadenUpload lokale bestanden voor beeldbewerking en afbeelding-naar-video workflows.

MCP-server

De Atlas Cloud MCP-server verbindt uw IDE met meer dan 300 AI-modellen via het Model Context Protocol. Werkt met elke MCP-compatibele client.

Ondersteunde clients

Cursor
VS Code
Windsurf
Claude Code
OpenAI Codex
Gemini CLI
Cline
Roo Code
100+ ondersteunde clients

Installeren

bash
npx -y atlascloud-mcp

Configuratie

Voeg de volgende configuratie toe aan het MCP-instellingenbestand van uw IDE.

json
{
  "mcpServers": {
    "atlascloud": {
      "command": "npx",
      "args": [
        "-y",
        "atlascloud-mcp"
      ],
      "env": {
        "ATLASCLOUD_API_KEY": "your-api-key-here"
      }
    }
  }
}

Beschikbare tools

atlas_generate_imageGenereer afbeeldingen op basis van tekstprompts.
atlas_generate_videoMaak video's van tekst of afbeeldingen.
atlas_chatChat met grote taalmodellen.
atlas_list_modelsBlader door meer dan 300 beschikbare AI-modellen.
atlas_quick_generateContentcreatie in één stap met automatische modelselectie.
atlas_upload_mediaUpload lokale bestanden voor API-workflows.

API Schema

Schema niet beschikbaar

Inloggen om aanvraaggeschiedenis te bekijken

U moet ingelogd zijn om toegang te krijgen tot uw modelaanvraaggeschiedenis.

Inloggen

Kling v2.1

Kling v2.1 is an AI video generation model developed by KlingAI (Kuaishou). It is purpose-built for creators, artists, and production teams seeking fast, realistic video generation from image and text prompts. Ideal for rapid prototyping, rough drafts, and creative iteration, it balances performance with affordability—while maintaining high-quality motion dynamics and visual coherence.


🔍 Overview

Kling 2.1 leverages 3D spatiotemporal attention, advanced motion synthesis, and cinematic camera simulation to transform static inputs into dynamic, photorealistic video clips. The i2v-standard variant provides a lightweight version for scalable generation tasks without sacrificing essential quality.


✨ Key Features

  • Smooth Motion

    • Advanced stabilization techniques ensure jitter-free movement across frames, even during complex sequences.
  • High-Fidelity Rendering

    • Realistic modeling of skin, fluids, materials, and reflections to preserve physical consistency.
  • Prompt Understanding

    • Enhanced context-aware interpretation of complex actions, camera directives, and stylistic cues.
  • Camera Control

    • Supports cinematic moves like dolly zooms, panning, and programmable motion paths for enhanced visual storytelling.

🎯 Use Cases

  • Short-Form Video Production

    • Generate fast and engaging clips for TikTok, YouTube Shorts, Instagram Reels, etc.
  • Storyboarding and Previsualization

    • Create visual drafts for films, ads, or animation projects with dynamic composition.
  • Promotional Content

    • High-resolution marketing videos for commercial brands or product showcases.
  • Artistic Video Creation

    • Stylized, experimental outputs suitable for NFTs, video art, and immersive storytelling.
  • Game and Simulation Previews

    • Generate scene previews for virtual environments and narrative cutscenes in game development.

Begin met 300+ Modellen,

Verken alle modellen

Join our Discord community

Join the Discord community for the latest model updates, prompts, and support.