kling-video-o3/standard/text-to-video
Gere vídeos cinematográficos de 3–15 s a partir de texto, com som opcional.
O Kling Video O3 4k Reference To Video, da Kuaishou, transforma até sete imagens de referência e um briefing em clipes cinematográficos 4K de 3 a 15 segundos pela tarifa fixa de US$ 0,419 por segundo, com som sintetizado opcional sem custo adicional.
Uma geração orientada substitui novas filmagens, rigs manuais de personagens e composição quadro a quadro, oferecendo a equipes de cinema, agências, estúdios de marca e grupos de produto material 4K que preserva o elemento principal durante todo o clipe.
Na RunComfy, o modelo funciona no navegador e pela API HTTP, sem hospedagem nem escala por conta do desenvolvedor.
Ideal para: campanhas 4K centradas em personagens | reels premium de produto | filmes de marca com personagens visualmente consistentes
Este é o modelo 4K da família O3 da Kuaishou orientado por referências, ajustado para a renderização final e para manter o elemento principal estável ao longo de toda a cena. Forneça até sete imagens — ou quatro junto com um vídeo de referência — e uma descrição para gerar um clipe 4K de 3 a 15 segundos com movimento fisicamente realista e áudio opcional.
É indicado para vídeo 4K com padrão de transmissão de uma pessoa, produto ou estilo específico, sem filmagem, rotoscopia manual ou GPUs próprias.
| Parâmetro | Obrigatório | Tipo | Padrão | Faixa / Opções | Descrição |
|---|---|---|---|---|---|
| prompt* | Sim (*) | string | — | Texto livre | Cena, elemento principal, ação, câmera e iluminação. |
| images | Não | array de URLs | — | Até 7 sem vídeo, até 4 com vídeo | Imagens que fixam identidade e estilo. |
| aspect_ratio | Não | string | 16:9 | 16:9, 9:16, 1:1 | Proporção do quadro. |
| duration | Não | integer | 5 | De 3 a 15 | Duração em segundos; cobrança linear. |
| sound | Não | boolean | false | true / false | Gera áudio correspondente, somente sem vídeo. |
| shot_type | Não | string | customize | customize, intelligent | Modo de edição: intelligent define automaticamente o ritmo e a estrutura; customize segue o prompt com precisão. |
Gere vídeos cinematográficos de 3–15 s a partir de texto, com som opcional.
Crie um vídeo com o Wan 2.1 a partir de um prompt e configure resolução, proporção, número de quadros, taxa de quadros e outras opções.
Anime uma imagem estática em um clipe de 3 a 30 segundos com quadros intermediários e finais opcionais.
Gere vídeos cinematográficos com áudio sincronizado a partir de um prompt de texto.
Transforme imagens estáticas em conteúdo de vídeo sincronizado com movimento e alta definição com controle flexível usando Wan 2.6.
Crie um vídeo de seis ou dez segundos a partir de um prompt de texto obrigatório com Hailuo 02 e expansão de prompt opcional.
É o modelo O3 4K da Kuaishou orientado por referências, ajustado para clipes cinematográficos de 3 a 15 segundos que preservam a identidade. Serve para filmes de marca centrados em personagens, reels premium de produto e campanhas com personagens visualmente consistentes, onde movimento fisicamente realista e detalhes 4K são essenciais.
Busca a maior resolução e os melhores detalhes finais da linha O3 reference-to-video. O Pro entrega saída HD por um preço menor; o Standard custa ainda menos e é voltado a rascunhos e grande volume, segundo informações públicas.
São aceitas até sete imagens sem vídeo de referência e até quatro quando um vídeo também é usado. Referências nítidas em ângulos diferentes costumam melhorar a preservação da identidade.
Sim. Sem vídeo de referência, o controle sound pode sintetizar áudio ambiente na mesma geração. Vem desativado e o preço é o mesmo com ou sem som.
São aceitas 16:9, 9:16 e 1:1 para cinema, social vertical e quadrado. A duração vai de 3 a 15 segundos em incrementos de um segundo. Confira os limites atuais no painel da RunComfy.
Ele extrai características do elemento principal de vários pontos de vista e as carrega por todos os quadros, principal vantagem de reference-to-video em relação a text-to-video. Referências nítidas, bem iluminadas e em ângulos variados oferecem a maior consistência.
Somente o prompt é obrigatório; images, aspect_ratio, duration, sound, shot_type, multi-prompt e element_list são opcionais. As URLs devem ser públicas. Os limites podem variar por modo ou provedor, portanto consulte o painel da RunComfy.
Sim. Faça o protótipo na interface da RunComfy e depois chame o mesmo modelo pelo backend usando a API HTTP e os mesmos parâmetros, sem gerenciar hospedagem, GPUs ou escala.
A tarifa fixa é $0.419 por segundo de vídeo, com ou sem som. Um clipe de 5 segundos custa cerca de $2.095 e um de 15 segundos, cerca de $6.285. O valor é descontado do saldo em USD/créditos da RunComfy e novos usuários normalmente recebem um valor de teste.
RunComfy é a principal ComfyUI plataforma, oferecendo ComfyUI online ambiente e serviços, juntamente com fluxos de trabalho do ComfyUI apresentando visuais impressionantes. RunComfy também oferece AI Models, permitindo que artistas utilizem as mais recentes ferramentas de AI para criar arte incrível.
