ace-step-1.5/text-to-audio
根据风格标签和歌词生成最长 4 分钟、带人声的歌曲。
这是 Kuaishou O3 系列中由图片驱动的 4K 版本，针对最终成片质量进行了优化，同时在整个镜头中锁定源图片里的主体。提供起始图片和一段文字描述，Kling Video O3 4k Image To Video 便会生成 3 至 15 秒的 4K 视频，呈现符合物理规律的运动，并可选生成匹配的音轨。
适合希望围绕特定照片、商品图或关键帧延展出播出级 4K 画面，又不想实拍、手动转描或自行托管 GPU 的团队。
| 参数 | 必填 | 类型 | 默认值 | 范围 / 选项 | 说明 |
|---|---|---|---|---|---|
| image* | 是（*） | string（URL） | — | 公开图片 URL | 用于锁定视频的首帧参考图片。 |
| prompt* | 是（*） | string | — | 自由文本 | 描述运动、镜头移动、光线与氛围。 |
| end_image | 否 | string（URL） | — | 公开图片 URL | 用于控制运动轨迹的可选结束帧。 |
| duration | 否 | integer | 5 | 3 至 15 | 视频时长（秒）；费用按时长线性增加。 |
| sound | 否 | boolean | false | true / false | 为视频生成匹配的环境音。 |
| shot_type | 否 | string | customize | customize, intelligent | 编辑模式；intelligent 自动判断范围，customize 按提示词执行。 |
| multi_prompt | 否 | array | — | 片段列表 | 用于场景转换的可选连续提示词片段。 |
| element_list | 否 | array | — | 元素引用列表 | 用于锁定一致性的可选命名视觉元素。 |
本模型在 RunComfy 上按秒以固定价格计费。音频不会改变价格，无论 sound 开启或关闭，费率都相同。
| 模式 | 每秒价格 |
|---|---|
| 开启或关闭声音 | $0.42 |
单次生成预估费用
| 时长 | 费用 |
|---|---|
| 3 s | $1.26 |
| 5 s | $2.10 |
| 10 s | $4.20 |
| 15 s | $6.30 |
根据风格标签和歌词生成最长 4 分钟、带人声的歌曲。
快速、低成本的多镜头 AI 视频模型，原生支持音频和参考素材。
通过智能帧插值，将静态图像平滑转换为高质量视频，提升创作表现力。
Sora 2 轻松将图像转化为逼真视频，视觉与音频自然同步，激发创意灵感。
轻松将图像转化为高质量视频，支持音效同步与场景控制，助力创意呈现
将静态图片快速生成高质量2K动态视频，精准还原创意细节，助力设计与视觉表达。
Kling Video O3 4k Image To Video 是 Kuaishou O3 系列中由图片驱动的 4K 版本，针对根据单张参考图片生成 3 至 15 秒、运动符合物理规律的电影感视频进行了优化。它适合电影感照片动画、高品质产品短片和竖屏社交广告，尤其适用于重视 4K 级细节和主体忠实还原的项目。
Kling Video O3 4k Image To Video 追求 O3 image-to-video 系列中的最高分辨率与最终成片细节。根据公开信息，Pro 版本以较低的每秒价格生成高清画面，Standard 的价格更低，适合草稿和大批量迭代。
可以。Kling Video O3 4k Image To Video 除起始参考图外，还接受可选的 end_image，用于锁定运动轨迹并准确指定视频最终停留的画面。同时提供起始帧和结束帧，可显著改善运动方向与叙事连贯性。
可以。Kling Video O3 4k Image To Video 的 sound 开关可在同一次生成中合成匹配的环境音。声音默认关闭，但无论开启还是关闭，价格都相同，因此在火焰、水流或环境声丰富的场景中开启声音无需额外费用。
Kling Video O3 4k Image To Video 支持 3 至 15 秒，并可按 1 秒步进设置，默认 5 秒。通常建议先以较短时长验证运动效果，再生成更长的重点成片。具体限制请以当前 RunComfy 参数面板为准。
Kling Video O3 4k Image To Video 会在每一帧中延续起始图片的构图、角色特征与风格，这是图生视频相较纯文生视频的主要优势。使用干净、构图良好的源图片，并可选加入结束帧，通常能获得最稳定的一致性。
Kling Video O3 4k Image To Video 必须同时提供 image 和 prompt；end_image、duration、sound、shot_type、multi_prompt 和 element_list 均为可选项。图片 URL 必须能够公开访问。限制可能随模式或服务商设置变化，请以 RunComfy 面板为准。
可以。先在 RunComfy 模型界面中调试 Kling Video O3 4k Image To Video，再从后端通过 RunComfy HTTP API 以相同参数调用模型即可。你无需自行托管 GPU 或处理模型扩缩容。
Kling Video O3 4k Image To Video 无论是否开启 sound，生成视频均按每秒 $0.42 统一计费。5 秒视频约为 $2.10，15 秒视频约为 $6.30。费用会从 RunComfy 的美元 / 积分余额中扣除，新用户通常可获得免费试用额度。
RunComfy 是首选的 ComfyUI 平台，提供 ComfyUI 在线 环境和服务，以及 ComfyUI 工作流 具有惊艳的视觉效果。 RunComfy还提供 AI Models, 帮助艺术家利用最新的AI工具创作出令人惊叹的艺术作品。
