Kling 4 API: 30 Second Video with Audio

Kling 4 หรือที่เรียกว่า Kling 4.0 เป็นโมเดลวิดีโอที่ Kuaishou เปิดตัวให้ผู้ใช้ทุกคนเมื่อวันที่ 15 ตุลาคม 2026 โดยสามารถสร้างวิดีโอความยาวสูงสุด 30 วินาทีพร้อมระบบเสียงสเตอริโอจากข้อความ รูปภาพ คีย์เฟรม หรือข้อมูลอ้างอิงแบบผสม และสามารถแก้ไขฟุตเทจที่มีอยู่ได้ Atlas Cloud ระบุโมเดลนี้ในชื่อ Kling V4 และให้บริการผ่าน Kling 4 API

ใช่ Kling 4 API เปิดให้ใช้งานแล้วบน Atlas Cloud โดยมี 4 เอนด์พอยต์สำหรับการสร้างวิดีโอจากข้อความ สร้างวิดีโอจากรูปภาพ สร้างวิดีโอจากรูปภาพอ้างอิง และการตัดต่อวิดีโอ คุณสามารถเรียกใช้งานเอนด์พอยต์ใดก็ได้โดยใช้คีย์ API ของ Atlas Cloud ที่คุณมีอยู่

สร้างบัญชี Atlas Cloud สร้างคีย์ API และเลือกปลายทางที่ตรงกับงานของคุณ สำหรับการสร้างตามพรอมต์ รหัสโมเดลคือ kwaivgi/kling-v4.0/text-to-video ทำตามรูปแบบคำขอบนหน้าของโมเดลนั้น จากนั้นส่งคลิปทดสอบสั้นๆ ก่อนที่จะขยายขนาดการทำงาน

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 สามารถสร้างคลิปวิดีโอความยาว 3 ถึง 30 วินาทีได้ในการประมวลผลเพียงครั้งเดียวผ่านเอนด์พอยต์สำหรับการสร้างวิดีโอจากข้อความ, วิดีโอจากรูปภาพ และวิดีโอจากข้อมูลอ้างอิง การถ่ายทำที่ยาวนานขึ้นช่วยเพิ่มพื้นที่สำหรับบทสนทนา แอ็กชัน และการเปลี่ยนฉากโดยไม่จำเป็นต้องนำวิดีโอที่สร้างแยกกันมาต่อกัน สำหรับการตัดต่อวิดีโอ คลิปอินพุตสามารถมีความยาวรวมกันได้สูงสุด 30 วินาที

ยังไม่พร้อมให้บริการ Kuaishou ได้ประกาศการส่งออกระดับ 4K และ 10-bit HDR ที่ความละเอียด 1080p และ 4K แต่ในบันทึกประจำรุ่นระบุว่าฟีเจอร์เหล่านี้จะมาในเร็วๆ นี้ ปัจจุบัน Kling 4 API บน Atlas Cloud รองรับการส่งออกที่ 720p และ 1080p ดังนั้นโปรดตรวจสอบการตั้งค่าการส่งออกของแต่ละปลายทาง (endpoint) สำหรับความละเอียดที่เปิดให้ใช้งานในวันนี้

Omni Reference รองรับแอสเซทสูงสุด 15 รายการในคำขอ Kling 4 รายการเดียว ซึ่งสามารถประกอบด้วยรูปภาพสูงสุด 10 รูป, วิดีโอสูงสุด 5 รายการที่มีความยาวรวมกันไม่เกิน 30 วินาที และซับเจกต์สูงสุด 7 รายการ โดยสามารถสร้างจากวิดีโอได้สูงสุด 3 รายการ ทั้งนี้ มีการเชื่อมโยงการอ้างอิงเสียงเข้ากับซับเจกต์ ทำให้ตัวละครสามารถรักษาเสียงเดิมไว้ได้ในทุกคลิป

คีย์เฟรมจะกำหนดลักษณะของเฟรมในจังหวะเวลาที่เฉพาะเจาะจง เพื่อให้โมเดลเติมเต็มการเคลื่อนไหวระหว่างเฟรมเหล่านั้น แอสเซทอ้างอิงจะอธิบายสิ่งที่ควรปรากฏ เช่น ตัวละคร ผลิตภัณฑ์ สไตล์ หรือการเคลื่อนไหวของกล้อง โดยไม่ผูกติดกับจุดเวลาใดเวลาหนึ่ง ใช้เอนด์พอยต์ image-to-video สำหรับคีย์เฟรม และเอนด์พอยต์ reference-to-video สำหรับ Omni Reference

ใช่ Kling 4 สร้างเสียงสเตอริโอสองช่องสัญญาณพร้อมกับวิดีโอ ซึ่งรวมถึงบทสนทนา เอฟเฟกต์เสียง และเสียงรอบทิศทาง พร้อมการซิงค์ริมฝีปากที่ดียิ่งขึ้น บทสนทนารองรับภาษาจีน อังกฤษ ญี่ปุ่น เกาหลี สเปน โปรตุเกส เยอรมัน ฝรั่งเศส ฮินดี และอื่นๆ อีกมากมาย รวมถึงสำเนียงต่างๆ เช่น ภาษาจีนกวางตุ้งและภาษาอังกฤษแบบบริติช

Kling 4 Flash เป็นระดับที่เร็วกว่าสำหรับงานดราฟต์ โดยจำกัดเวลาไว้ที่ 3 ถึง 20 วินาทีที่ความละเอียด 720p ในรูปแบบ 8-bit SDR โมเดล Kling 4 แบบเต็มจะทำงานได้นานสูงสุด 30 วินาที รองรับคีย์เฟรมสูงสุด 10 คีย์เฟรม และสามารถจัดการการตัดต่อวิดีโอได้ ดูความแตกต่างในรายละเอียดได้ที่ Kling 4 Full VS Kling Flash

Kling 4 เพิ่มความยาวคลิปสูงสุดเป็นสองเท่าจาก 15 เป็น 30 วินาที และเพิ่มการควบคุมคีย์เฟรมหลายเฟรมที่รองรับภาพคีย์เฟรมสูงสุด 10 ภาพ Omni Reference ขยายเพิ่มเป็น 15 แอสเซทแบบรวม ระบบเสียงเปลี่ยนจากช่องสัญญาณเดียวเป็นสเตอริโอสองช่องสัญญาณ และระบบบทสนทนาเพิ่มการรองรับภาษาโปรตุเกส เยอรมัน ฝรั่งเศส และฮินดี Kling 3 ยังคงเปิดให้บริการบน Atlas Cloud สำหรับเวิร์กโฟลว์ที่มีอยู่

สร้างตัวละครแต่ละตัวให้เป็นซับเจกต์ (subject) จากภาพที่ชัดเจนหลายภาพ โดยเน้นที่มุมมองด้านหน้า ด้านข้าง และด้านหลัง ดีกว่าการใช้ภาพถ่ายเพียงภาพเดียว ใช้ซับเจกต์เดิมซ้ำในหลายๆ ฉาก และเพิ่มคีย์เฟรม (keyframes) เมื่อต้องการให้ท่าทางหรือเครื่องแต่งกายคงที่ มุมมองด้านข้างและภาพมุมกว้างเป็นจุดที่มักเกิดความคลาดเคลื่อน (drift) บ่อยที่สุด ดังนั้นควรทดสอบมุมเหล่านี้ก่อนดำเนินการแบทช์รัน (batch run) ผ่าน Kling 4 API แบบเต็มรูปแบบ สำหรับเวิร์กโฟลว์แบบทีละขั้นตอน โปรดดูคู่มือความสอดคล้องของตัวละครใน Kling 4 ของเรา