kwaivgi/kling-v2.5-turbo-pro/text-to-video

Tekst-naar-Video

TURBOPRO

Kling v2.5 Turbo Pro Text-to-Video API by Kuaishou

kwaivgi/kling-v2.5-turbo-pro/text-to-video

Text-to-video

Delivers high-speed text-to-video generation with cinematic motion precision and enhanced temporal stability.

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 $0.06. Voor $10 kunt u ongeveer 166 keer uitvoeren.

U kunt doorgaan met:

Seedance 2.0 Kling v3 Vidu Wan2.7

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-v2.5-turbo-pro/text-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()

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-v2.5-turbo-pro/text-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']}")

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-v2.5-turbo-pro/text-to-video"
}

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.

Meer informatie

github.com/AtlasCloudAI/atlas-cloud-skills

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.

Meer informatie

github.com/AtlasCloudAI/mcp-server

API Schema

Schema niet beschikbaar

Inloggen om aanvraaggeschiedenis te bekijken

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

Inloggen

Kling 2.5 Turbo Pro (Text-to-Video)

Kling 2.5 Turbo Pro is an advanced text-to-video model that produces ultra-smooth motion, cinematic visuals, and accurate prompt adherence.

Its improved dynamic processing and text-to-motion control allow for seamless transitions while maintaining style fidelity across various looks.

What makes it different?

Enhanced multi-step instruction understanding A new text-and-timing controller processes multi-step prompts to transform static inputs into coherent, controllable narrative scenes.
High-motion quality and stability Better training and data balance create realistic dynamics, enabling quick and complex movements with fewer artifacts like jitter, tearing, or frame drops.
Faster inference Optimized pipelines reduce end-to-end delay, providing faster delivery of high-quality results without compromising visual fidelity.
Consistent style Enhanced style conditioning preserves the reference look (palette, lighting, brushwork, mood), ensuring frames stay consistent - even during dynamic scenes.

Designed for

Marketing & Brand Teams – Produce style-consistent ads, feature demos, and campaign assets fast.
Content Creators / YouTubers / Short-form Teams – Improve watch-through with stronger narrative flow and motion.
Film/Animation Studios – Use for previz, technique exploration, and style studies with reliable dynamic consistency.
Training & Education – Turn documents into clear, high-resolution explainer videos for scalable distribution.

Pricing

Duration	Price
5s	$0.35
10s	$0.70

Billing Rules

Minimum charge: 5 seconds
Per-second rate = (price per 5 seconds) ÷ 5
Billed duration = video length in seconds (rounded up), with a 5-second minimum
Total cost = billed duration × per-second rate (by output resolution)

How to use

Write the prompt – Specify subject, scene, actions, camera movement, and style keywords; include multi-step/causal logic if needed.
Choose aspect – Match output to your channel and quality targets.
Set duration – Help models understand how long of the result.
Set guidance_scale – Controls how strongly the model follows your prompt. The higher the value, the less creative freedom the model has.
Generate – Leverage accelerated inference to get a first pass quickly.
Review & iterate – Refine timing, angles, or style strength and re-render for final delivery (Set the seed).