Kling 4 API: 30 Second Video with Audio

Kling 4, även kallad Kling 4.0, är videomodellen som Kuaishou släppte till alla användare den 15 oktober 2026. Den genererar upp till 30 sekunder video med stereoljud från text, bilder, nyckelbildrutor eller blandade referenser, och kan redigera befintligt filmmaterial. Atlas Cloud listar den som Kling V4 och tillhandahåller den via Kling 4 API.

Ja. Kling 4 API är live på Atlas Cloud med fyra ändpunkter (endpoints) för text-till-video, bild-till-video, referens-till-video och videoredigering. Du kan anropa vilken som helst av dem med din befintliga Atlas Cloud API-nyckel.

Skapa ett Atlas Cloud-konto, generera en API-nyckel och välj den slutpunkt som matchar din uppgift. För promptbaserad generering är modell-ID:t kwaivgi/kling-v4.0/text-to-video. Följ begärandeschemat på den modellens sida och skicka sedan in ett kort testklipp innan du skalar upp.

The Kling 4.0 API on Atlas Cloud starts at $0.11 per second of video, 30% below the $0.157 list price. Billing is pay-as-you-go with no subscription. To budget a project, multiply the clip length by the per-second rate and allow for a few retakes per usable shot.

Kling 4 genererar klipp på 3 till 30 sekunder i en enda körning på ändpunkterna för text-till-video, bild-till-video och referens-till-video. Längre tagningar ger utrymme för dialog, action och scenbyten utan att separata genereringar behöver sammanfogas. För videoredigering kan inmatningsklipp vara upp till totalt 30 sekunder.

Inte ännu. Kuaishou har tillkännagivit 4K-utdata och 10-bitars HDR i 1080p och 4K, men deras versionsanteckningar listar dem som kommande. Kling 4 API på Atlas Cloud matar för närvarande ut 720p och 1080p, så kontrollera varje slutpunkts (endpoint) utdatainställningar för de upplösningar som är tillgängliga idag.

Omni Reference accepterar upp till 15 tillgångar i en och samma Kling 4-förfrågan. Det kan inkludera upp till 10 bilder, upp till 5 videor med en sammanlagd längd på 30 sekunder och upp till 7 subjekt, varav upp till 3 kan skapas från video. Röstens referenser kopplas till subjekten, vilket gör att en karaktär kan behålla samma röst i olika klipp.

Nyckelbilder fastställer hur bildrutan ser ut vid specifika ögonblick, så att modellen fyller i rörelsen mellan dem. Referenstillgångar beskriver vad som bör visas, till exempel en karaktär, produkt, stil eller kamerarörelse, utan att binda det till en viss tidpunkt. Använd slutpunkten image-to-video för nyckelbilder och slutpunkten reference-to-video för Omni Reference.

Ja. Kling 4 genererar tvåkanaligt stereoljud med videon, inklusive dialog, ljudeffekter och omgivningsljud, med förbättrad läppsynkronisering. Dialogen stöder bland annat kinesiska, engelska, japanska, koreanska, spanska, portugisiska, tyska, franska och hindi, samt accenter som kantonesiska och brittisk engelska.

Kling 4 Flash är en snabbare nivå för utkast, begränsad till 3 till 20 sekunder i 720p i 8-bitars SDR. Den fullständiga Kling 4-modellen körs upp till 30 sekunder, stöder upp till 10 nyckelbildrutor och hanterar videoredigering. Se skillnaden i detalj på Kling 4 Full VS Kling Flash.

Kling 4 fördubblar den maximala klipplängden från 15 till 30 sekunder och lägger till multinyckelbildskontroll med upp till 10 nyckelbilder. Omni Reference utökas till 15 kombinerade tillgångar, ljudet övergår från enkanaligt till tvåkanalig stereo, och dialogfunktionen får stöd för portugisiska, tyska, franska och hindi. Kling 3 finns kvar på Atlas Cloud för befintliga arbetsflöden.

Bygg varje karaktär som ett subjekt (subject) från flera tydliga bilder, helst fram-, sido- och bakvyer, i stället för ett enda foto. Återanvänd samma subjekt i olika scener och lägg till nyckelbildrutor (keyframes) när en pose eller klädsel måste vara fast. Sidovyer och vida bilder är de platser där avvikelse (drift) oftast uppstår, så testa dessa vinklar före en fullständig Kling 4 API-batchkörning. För ett steg-för-steg-arbetsflöde, se vår guide för Kling 4-karaktärskonsekvens.