Kling V3.0 API: AI Director Video with Native Audio

ด้วยการบูรณาการการอ้างอิงวัตถุวิดีโอ การอ้างอิงวัตถุรูปภาพ และการอ้างอิงเสียง/น้ำเสียง

เวอร์ชัน Standard สร้างความสมดุลระหว่างความเร็วในการสร้างและคุณภาพ ทำให้เหมาะสำหรับเนื้อหาโซเชียลมีเดียและการสร้างต้นแบบอย่างรวดเร็ว ส่วนเวอร์ชัน Pro ได้รับการออกแบบมาเพื่อความต้องการด้านภาพยนตร์และวิดีโอระดับมืออาชีพ โดยมอบการจำลองพลวัตทางฟิสิกส์ที่สมจริงยิ่งขึ้นและผลลัพธ์พื้นผิววัสดุที่ละเอียดยิ่งขึ้น

R2V มุ่งเน้นไปที่ "การปรับเปลี่ยนรูปแบบโดยรวม" เช่น การแปลงวิดีโอคนแสดงจริง (live-action) ให้เป็นสไตล์แอนิเมชันหรือศิลปะที่สมจริง ในทางตรงกันข้าม Video Edit มุ่งเน้นไปที่ "การแก้ไขตามคำสั่ง" ซึ่งช่วยให้สามารถดำเนินการขั้นตอนหลังการผลิต (post-production) ได้อย่างแม่นยำ เช่น การเพิ่ม การลบ หรือการแก้ไของค์ประกอบเฉพาะภายในวิดีโอ

Kling 3.0 produces clips in the 5 to 10 second range, with resolution options up to 4K on the dedicated 4K models. Standard and Pro tiers cover everyday and high-fidelity work, while the 4K variants are there when you need maximum detail. Set the resolution and duration per request to balance quality, speed, and cost.

Standard balances speed and quality for social content and rapid prototyping. Pro targets professional film and video work, with more realistic physics and finer material detail. Turbo is the accelerated option for faster turnaround. All tiers share the same endpoints, so you can move a job between them without changing your integration.

Kling 3.0 renders crisp, readable text directly in the frame and generates natural lip-sync across several languages, including Chinese, English, Japanese, Korean, and Spanish, with mixed-language delivery in one clip. You can assign dialogue to specific characters so scenes with multiple speakers stay clear, which suits e-commerce, localization, and global marketing.

Kling O3 extracts a subject's appearance and voice from a short 3 to 8 second video or an image, then reproduces that character across new clips with matching lip-sync. Combined with reference images for props and scenes, this keeps a face, build, and voice stable from shot to shot, which is what serialized stories and digital hosts need.

Yes. The Kling O3 video editing endpoint applies natural-language instructions to footage, including object removal and replacement, background changes, and added effects. Reference-to-video also handles broader restyling, such as converting live footage into a different visual style, so you can revise content without regenerating it from scratch.

Generation is asynchronous: each request returns a task ID that you poll until the clip is ready, which fits queues and high-volume pipelines. Rate limits and concurrency vary by account tier, so add exponential backoff and a retry on a 429 response, and contact support to raise limits as you scale. The Enterprise plan offers higher ceilings and custom limits.

Uploads that contain real human faces are subject to platform content rules and identity protections, and may be restricted. For consistent characters, use Kling O3's subject reference workflow with original or licensed material rather than a real person's photo, and review Atlas Cloud's acceptable use terms before building face-based workflows.