Kling v2.6 Pro Text-to-Video API by Kuaishou
kwaivgi/kling-v2.6-pro/text-to-video
Text-to-video
Latest text-to-video model from Kuaishou with sound generation, flexible aspect ratios, and cinematic quality.
Inmatning
Laddar parameterkonfiguration...
Utmatning
VilandeDina genererade videor visas här
Konfigurera parametrar och klicka på Kör för att börja generera
Varje körning kostar $0.06. För $10 kan du köra cirka 166 gånger.
Du kan fortsätta med:
Kodexempel
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-v2.6-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()Installera
Installera det nödvändiga paketet för ditt programmeringsspråk.
bash
pip install requestsAutentisering
Alla API-förfrågningar kräver autentisering via en API key. Du kan hämta din API key från Atlas Cloud-instrumentpanelen.
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}"
}Håll din API key säker
Exponera aldrig din API key i klientkod eller publika arkiv. Använd miljövariabler eller en backend-proxy istället.
Skicka en förfrågan
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())Skicka en förfrågan
Skicka en asynkron genereringsförfrågan. API:et returnerar ett prediction ID som du kan använda för att kontrollera statusen och hämta resultatet.
POST
/api/v1/model/generateVideoFörfrågningsinnehåll
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-v2.6-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']}")Svar
{
"id": "pred_abc123",
"status": "processing",
"model": "model-name",
"created_at": "2025-01-01T00:00:00Z"
}Kontrollera status
Polla prediction-endpointen för att kontrollera den aktuella statusen för din förfrågan.
GET
/api/v1/model/prediction/{prediction_id}Polling-exempel
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)Statusvärden
processingFörfrågan bearbetas fortfarande.completedGenereringen är klar. Utdata är tillgängliga.succeededGenereringen lyckades. Utdata är tillgängliga.failedGenereringen misslyckades. Kontrollera error-fältet.Slutfört svar
{
"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"
}
}Ladda upp filer
Ladda upp filer till Atlas Cloud-lagring och få en URL som du kan använda i dina API-förfrågningar. Använd multipart/form-data för uppladdning.
POST
/api/v1/model/uploadMediaUppladdningsexempel
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}")Svar
{
"data": {
"download_url": "https://storage.atlascloud.ai/uploads/abc123/image.png",
"file_name": "image.png",
"content_type": "image/png",
"size": 1024000
}
}Input Schema
Följande parametrar accepteras i förfrågningsinnehållet.
Totalt: 0Obligatorisk: 0Valfri: 0
Inga parametrar tillgängliga.
Exempel på förfrågningsinnehåll
json
{
"model": "kwaivgi/kling-v2.6-pro/text-to-video"
}Output Schema
API:et returnerar ett prediction-svar med de genererade utdata-URL:erna.
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.
completed_atstring
ISO 8601 timestamp when the prediction was completed.
Exempelsvar
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 integrerar 300+ AI-modeller direkt i din AI-kodassistent. Ett kommando för att installera, sedan använd naturligt språk för att generera bilder, videor och chatta med LLM.
Stödda klienter
Claude Code
OpenAI Codex
Gemini CLI
Cursor
Windsurf
VS Code
Trae
GitHub Copilot
Cline
Roo Code
Amp
Goose
Replit
40+ stödda klienter
Installera
bash
npx skills add AtlasCloudAI/atlas-cloud-skillsKonfigurera API Key
Hämta din API key från Atlas Cloud-instrumentpanelen och ställ in den som en miljövariabel.
bash
export ATLASCLOUD_API_KEY="your-api-key-here"Funktioner
När det är installerat kan du använda naturligt språk i din AI-assistent för att komma åt alla Atlas Cloud-modeller.
BildgenereringGenerera bilder med modeller som Nano Banana 2, Z-Image och fler.
VideoskapandeSkapa videor från text eller bilder med Kling, Vidu, Veo m.fl.
LLM-chattChatta med Qwen, DeepSeek och andra stora språkmodeller.
MediauppladdningLadda upp lokala filer för bildredigering och bild-till-video-arbetsflöden.
MCP Server
Atlas Cloud MCP Server ansluter din IDE med 300+ AI-modeller via Model Context Protocol. Fungerar med alla MCP-kompatibla klienter.
Stödda klienter
Cursor
VS Code
Windsurf
Claude Code
OpenAI Codex
Gemini CLI
Cline
Roo Code
100+ stödda klienter
Installera
bash
npx -y atlascloud-mcpKonfiguration
Lägg till följande konfiguration i din IDE:s MCP-inställningsfil.
json
{
"mcpServers": {
"atlascloud": {
"command": "npx",
"args": [
"-y",
"atlascloud-mcp"
],
"env": {
"ATLASCLOUD_API_KEY": "your-api-key-here"
}
}
}
}Tillgängliga verktyg
atlas_generate_imageGenerera bilder från textpromptar.
atlas_generate_videoSkapa videor från text eller bilder.
atlas_chatChatta med stora språkmodeller.
atlas_list_modelsBläddra bland 300+ tillgängliga AI-modeller.
atlas_quick_generateInnehållsskapande i ett steg med automatiskt modellval.
atlas_upload_mediaLadda upp lokala filer för API-arbetsflöden.
API Schema
Schema ej tillgängligtLogga in för att visa förfrågningshistorik
Du måste vara inloggad för att få tillgång till din modellförfrågningshistorik.
Logga InKling 2.6 Audio Model - Text to Video
Kling 2.6 introduces audio–video co-generation for the very first time, pairing superb visuals with natural, native audio to deliver a fully coherent, immersive experience — more than just a video clip.
Model Highlights
- Audio–video co-generation introduced for the very first time in the Kling series.
- Voices that sync flawlessly with the character — natural, native, and instantly immersive.
- Generates an entire experience, not just a clip — coherent looking & sounding output that opens up rich narrative possibilities.
- When superb visuals are paired with natural voiceovers, matching sound effects, and immersive ambient sounds, the 2.6 model generates coherent looking & sounding outputs as an entire experience — more than a video clip.
Aspect Ratios
Kling 2.6 supports the following aspect ratios:
- 16:9 – Standard landscape video (YouTube, web, most displays)
- 9:16 – Vertical video (TikTok, Reels, Shorts, Stories)
- 1:1 – Square video (feeds, social posts, ads)
Use Cases
- Marketing and launch videos with native, character-synced voiceover.
- Storytelling and narrative content where visuals and audio must feel like one.
- Product explainers and demo videos with both strong visuals and natural narration.
- Cinematic social media content with immersive ambient sound and effects.
Price
- Without Audio 5s video – $0.35
- Without Audio 10s video – $0.70
- With Audio 5s video – $0.70
- With Audio 10s video – $1.40
How to Use
- Describe your desired scene, characters, motion, and audio mood (voiceover tone, ambience, SFX).
- Choose an aspect ratio (16:9, 9:16, or 1:1) and configure video duration (e.g., 5s or 10s).
- Run generation to create a coherent audio–video experience — See the Sound, Hear the Visual.
- Refine and regenerate as needed for alternative versions or platforms.
