ltx-2.5/image-to-video/fast
LTX 2.5：将静止图像动画化为带有同步音频的 4K 视频
快手科技的 Kling V3.0 Pro 是 Kling V3.0 系列的高端产品，可将文本提示转换为多镜头电影视频，无音频每秒 0.112 美元，有音频每秒 0.168 美元。它提供了 V3.0 系列中最高的视觉保真度和动作真实感，以及同步对话和一致的角色。 Kling V3.0 Pro 将手动镜头规划、逐帧编辑和单独的配音通道转换为具有角色和语音绑定的统一多镜头生成，消除了复杂的遮蔽和重新拍摄，专为专业创作者、电影制作人、品牌、营销人员和代理商而打造。对于开发人员来说，RunComfy 上的 Kling V3.0 Pro 既可以在浏览器中使用，也可以通过 HTTP API 使用，因此您无需自行托管或扩展模型。
非常适合： 优质制作 |营销与广告 |电影与讲故事
Kling V3.0 Pro 是 RunComfy 上 Kling V3.0 多模态 AI 视频生成模型的高级版本。它将文本提示转化为 V3.0 系列中具有最高视觉保真度和运动真实感的电影剪辑，支持多镜头排序、同步音频和专业摄像机控制，以实现优质的短片故事讲述和品牌内容。
输出格式：3–15 秒/16:9、9:16、1:1/可选同步音频
| 参数 | 必填 | 类型 | 默认 | 范围/选项 | 描述 |
|---|---|---|---|---|---|
| prompt* | 是（*） | string | — | — | 对所需场景、动作、相机风格和氛围的文字描述。 |
| negative_prompt | 否 | string | — | — | 要从视频中排除的元素。 |
| duration | 否 | number（秒） | 5 | 3–15 | 成片时长（秒）。 |
| 纵横比 | 没有 | 枚举 | 16:9 | 16:9、9:16、1:1 | 视频长宽比。 |
| cfg_scale | 没有 | 数量 | 0.5 | 0.5 — | 及时引导力量。 |
| 声音 | 没有 | 布尔 | 已禁用 | 启用/禁用 | 与视频一起生成同步声音。 |
| 多重提示 | 没有 | 数组/字符串 | — | — | 复杂场景合成的附加提示。 |
| 计费单位 | 音频 | 价格 |
|---|---|---|
| 每生成一秒 | 已禁用 | 每秒 0.112 美元 |
| 每生成一秒 | 已启用 | 每秒 0.168 美元 |
LTX 2.5：将静止图像动画化为带有同步音频的 4K 视频
将起始静帧动画化为可选原生音频的短视频
将图像或音频参考转为动作可精确控制的高清视频。
轻松将图片生成高品质动态视频，展现真实光影与自然运动效果。
使用参考图和源视频生成动画视频，可选择输出尺寸并设置随机种子。
根据参考图像、视频和保存的主题构建 3-30 秒的剪辑。
Kling V3.0 Pro 是 Kling V3.0 系列的高级版本。与标准变体相比，它提供了更高的视觉保真度、更强的运动真实感和增强的噪声稳定性，同时共享相同的多镜头电影序列（每个剪辑最多六个镜头）、同步的多语言音频和一致的角色渲染。其统一的多模式架构将文本、图像和视频输入处理合并在一个模型中，提供更平滑的过渡和强大的音频视频同步。
Kling V3.0 Pro 主要在持续时间（长达 15 秒）、视觉保真度以及多镜头文本到视频序列期间的时间连贯性方面超越了 Seedance 1.0 Pro 和 Wan 2.5 等模型。该模型更侧重逼真动作、对白与声音同步，以及镜头间一致的人物面部，而竞争对手通常在风格化渲染方面表现更出色，但在写实人体动作上相对较弱。
对于 Kling V3.0 Pro，文本到视频的输出被限制在每代 15 秒左右，最多连续拍摄 6 个镜头。宽高比通常包括 16:9、9:16 和 1:1。提示通常支持最多 1,200 个令牌，并且参考输入仅限于每代少量数量，具体取决于节点配置。
是的。 Kling V3.0 Pro 允许使用其先进的多镜头功能将最多六个镜头链接到一个连贯的文本到视频剪辑中。开发人员可以直接在提示中或通过 RunComfy 模型界面 中的 multi_prompt 定义镜头类型、摄像机角度和过渡。该系统在各个镜头中保持一致的灯光和角色连续性，这是早期版本无法可靠实现的。
在 RunComfy 模型界面 中验证 Kling V3.0 Pro 文本到视频工作流程后，您可以通过 RunComfy API 转移到生产环境。该 API 镜像所有 Playground 设置（包括镜头定义、多提示片段和配置选项），但通过经过身份验证的 REST 端点进行操作。您需要生成 API 密钥、分配生产美元积分，并通过 RunComfy 的作业队列结构处理异步视频检索。
是的。 Kling V3.0 Pro 包括英语、中文、日语、韩语和西班牙语的集成音频合成和动态口型同步功能。当生成带有对话描述的文本到视频剪辑时，它会自动同步生成的语音和嘴部动作，在同一代通道内提供自然的角色表演 - 无需单独的配音步骤。
Kling V3.0 Pro允许用户直接在文本提示中指定专业的摄像机语义（平移、移动、倾斜、POV）和运动描述。与早期的 Kling 模型或类似的文本到视频系统相比，这为技术美术人员提供了更多的电影控制，从而产生逼真的视差深度、镜头效果和构图平衡。
Kling V3.0 Pro 的收费为每秒 0.112 美元（不带音频）和每秒 0.168 美元（带音频），而标准版本的收费为每秒 0.084 美元（不带音频）和每秒 0.126 美元（带音频）。专业版可提供更高的视觉保真度和运动真实感，而标准版则是草稿和大批量迭代的更快、成本更低的选择。两者共享相同的多模式架构和参数控制集。
Kling V3.0 Pro文本转视频输出的商业使用取决于快手科技公布的许可条款和RunComfy的服务协议。一般来说，生成的视频可用于营销或创意项目，但您应在部署之前从官方许可页面验证任何商业用途条款或归属要求。
对于通过 RunComfy 模型界面 的标准用户来说，所有渲染都发生在云端，因此不需要本地 GPU。但是，如果通过 API 集成 Kling V3.0 Pro 文本到视频生成，则由于额外的模型和音频同步处理，预计多镜头输出的延迟会更长。高效的提示设计和适度的设置可以减少生成时间和成本。
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。
