kwaivgi/kling-v3.0-std/text-to-video

text-till-video

Kling v3.0 Std Text-to-Video API by Kuaishou

kwaivgi/kling-v3.0-std/text-to-video

Text-to-video

Kling v3.0 Standard Text-to-Video model by Kuaishou. High-quality video generation from text prompts.

Inmatning

Laddar parameterkonfiguration...

Utmatning

Vilande

Dina genererade videor visas här

Konfigurera parametrar och klicka på Kör för att börja generera

Varje körning kostar $0.071. För $10 kan du köra cirka 140 gånger.

Du kan fortsätta med:

Seedance 2.0 Kling v3 Vidu Wan2.7

Parametrar

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-v3.0-std/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 requests

Autentisering

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/generateVideo

Förfrågningsinnehåll

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-v3.0-std/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/uploadMedia

Uppladdningsexempel

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-v3.0-std/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.

Format: date-time

completed_atstring

ISO 8601 timestamp when the prediction was completed.

Format: date-time

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-skills

Konfigurera 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.

Läs mer

github.com/AtlasCloudAI/atlas-cloud-skills

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-mcp

Konfiguration

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.

Läs mer

github.com/AtlasCloudAI/mcp-server

API Schema

Schema ej tillgängligt

Inga exempel tillgängliga

Logga in för att visa förfrågningshistorik

Du måste vara inloggad för att få tillgång till din modellförfrågningshistorik.

Logga In

Kling V3.0 Standard Text-to-Video

Kling V3.0 Standard is Kuaishou's latest text-to-video generation model, delivering cinematic video from text descriptions with optional synchronized sound and voice generation. Support for negative prompts, multiple aspect ratios, and a CFG scale for creative control.

Why Choose This?

Latest Kling generation V3.0 brings improved motion quality and visual fidelity over V2.6.

Sound generation Optional synchronized sound effects generated alongside the video.

Voice list support Add up to 2 custom voice entries for character dialogue.

Negative prompt support Exclude unwanted elements for precise control over the output.

CFG scale control Fine-tune the balance between prompt adherence and creative freedom.

Parameters

Parameter	Required	Description
prompt	Yes	Text description of the video scene and motion
negative_prompt	No	Elements to exclude from generation
duration	No	Video length: 5 or 10 seconds (default: 5)
aspect_ratio	No	Output ratio: 16:9 (default), 9:16, 1:1
cfg_scale	No	Prompt adherence strength (default: 0.5)
sound	No	Generate synchronized sound (default: disabled)
voice_list	No	Custom voice entries, up to 2 (click "+ Add Item")

How to Use

Run — submit and download your video.
Add voices (optional) — add up to 2 voice entries for character dialogue.
Enable sound (optional) — generate synchronized audio with the video.
Adjust cfg_scale (optional) — higher for stricter prompt following, lower for more creative freedom.
Select aspect ratio — match your target platform.
Set duration — 5 seconds or 10 seconds.
Add negative prompt (optional) — specify what you want to avoid.
Write your prompt — describe the scene, characters, motion, and style in detail.

Best Use Cases

Storyboarding — Visualize narrative scenes with sound design.
Marketing Videos — Produce promotional content with audio.
Concept Visualization — Bring creative ideas to life from text.
Social Media Content — Generate videos for TikTok, Reels, and Stories.
Short Films — Create cinematic scenes with sound and dialogue.

Pro Tips

Add voice_list entries for videos with character dialogue.
Lower cfg_scale for more creative variation, higher for strict prompt adherence.
Use negative prompts to avoid common issues (e.g., "blurry, low quality, distorted").
Enable sound for a complete video experience with synchronized audio.
Match aspect ratio to your platform: 16:9 for YouTube, 9:16 for TikTok/Reels, 1:1 for Instagram.
Use the Prompt Enhancer (if available) to refine your descriptions.

Notes

Voice list supports a maximum of 2 entries.
Duration options are 5 or 10 seconds only.
Only prompt is required; other parameters have defaults.

Kling V2.6 Standard Image-to-Video — Previous generation image-to-video.
Kling V2.6 Standard Text-to-Video — Previous generation text-to-video.
Kling V3.0 Standard Image-to-Video — Image-to-video with V3.0 quality.

Utforska Liknande Modeller

NEW

bild-till-video

Kling v3.0 Std Image-to-Video

Kling v3.0 Standard Image-to-Video model by Kuaishou. High-quality video generation from images.

Kling v3.0 Pro Image-to-Video

Kling v3.0 Professional Image-to-Video model by Kuaishou. Premium quality video generation from images with advanced features.

Kling v3.0 Pro Text-to-Video

Kling v3.0 Professional Text-to-Video model by Kuaishou. Premium quality video generation from text prompts with advanced features.

Kling v2.6 Pro Avatar

Kling V2 AI Avatar Pro generates high-quality AI avatar videos with clean detail, stable motion, and strong identity consistency—ideal for profiles, intros, and social content.

From$0.112/SEK

$0.095/SEK

-15%

Börja från 300+ Modeller,

Utforska alla modeller

Kling v3.0 Std Text-to-Video API by Kuaishou

Inmatning

Utmatning

Parametrar

Kodexempel

Installera

Autentisering

HTTP Headers

Skicka en förfrågan

Skicka en förfrågan

Förfrågningsinnehåll

Svar

Kontrollera status

Polling-exempel

Statusvärden

Slutfört svar

Ladda upp filer

Uppladdningsexempel

Svar

Input Schema

Exempel på förfrågningsinnehåll

Output Schema

Exempelsvar

Atlas Cloud Skills

Stödda klienter

Installera

Konfigurera API Key

Funktioner

MCP Server

Stödda klienter

Installera

Konfiguration

Tillgängliga verktyg

API Schema

Logga in för att visa förfrågningshistorik

Kling V3.0 Standard Text-to-Video

Why Choose This?

Parameters

How to Use

Best Use Cases

Pro Tips

Notes

Related Models

Utforska Liknande Modeller

Kling v3.0 Std Image-to-Video

Kling v3.0 Pro Image-to-Video

Kling v3.0 Pro Text-to-Video

Kling v2.6 Pro Avatar

Börja från 300+ Modeller,

Join our Discord community