Kling O1 Powered by MVL

Kling O1 是快手基于 Multi-modal Visual Language 技术构建的统一多模态视频模型。在 Atlas Cloud 上，该模型系列已验证支持 text-to-video 和 image-to-video 端点。它专注于语义提示词理解、主体一致性和自然物理模拟。

使用 text-to-video 可将文字场景描述转换为电影感片段，也可以通过 image-to-video 模式为源图像添加动画效果。这两个端点都支持适用于保持主体连贯、控制运动和呈现真实场景动态的工作流。

如果项目从文字场景描述开始，请选择 text-to-video。如果需要先使用现有图像确定主体、构图或首帧，再添加运动，请选择 image-to-video。

向 https://api.atlascloud.ai/api/v1/model/generateVideo 发送经过身份验证的 POST 请求，并提供所选模型 ID 和输入参数。使用 kwaivgi/kling-video-o1/text-to-video 或 kwaivgi/kling-video-o1/image-to-video，然后通过返回的 prediction ID 获取结果。

对于 text-to-video，请提供 prompt，并使用文档中定义的宽高比和时长控制参数。image-to-video 需要提供 prompt 和 image，last_image 为可选参数。其已验证支持的宽高比为 16:9、9:16 和 1:1，时长为 5 或 10 秒。

Atlas Cloud 为这两个已验证的视频端点列出的标准价格均为每秒 $0.112。计费金额会根据请求的输出时长变化，因此按标准费率计算，生成 10 秒视频的费用是生成 5 秒视频的两倍。

生成任务从 POST 请求开始，该请求会返回 prediction ID 和处理状态。轮询 https://api.atlascloud.ai/api/v1/model/prediction/{prediction_id}，直到任务完成或失败。成功响应会将生成的视频 URL 放入 outputs 数组中。

主体一致性是这两种可用模式均已记录的能力，而 image-to-video 会使用源帧来锚定视觉身份和构图。不过，结果仍可能受到输入质量和提示词复杂度的影响，因此建议使用清晰的源图像并提供明确的运动指令。

不包含在该系列页面已验证的两个 Atlas Cloud 端点中。目前的选项仅涵盖 text-to-video 和 image-to-video，因此除非 Atlas Cloud 发布兼容的端点和 schema，否则不应提交 Elements、参考视频或编辑参数。