Kling V4 Generación de vídeos

curl --request POST \
  --url https://api.apimart.ai/v1/videos/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "kling-v4",
    "prompt": "A paper boat drifts along a gutter on a rainy night, with the gentle sound of rain",
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16"
  }'

import requests

response = requests.post(
    "https://api.apimart.ai/v1/videos/generations",
    headers={"Authorization": "Bearer <token>"},
    json={
        "model": "kling-v4",
        "prompt": "A paper boat drifts along a gutter on a rainy night, with the gentle sound of rain",
        "duration": 5,
        "resolution": "720p",
        "aspect_ratio": "9:16"
    }
)
response.raise_for_status()
print(response.json())

const response = await fetch("https://api.apimart.ai/v1/videos/generations", {
  method: "POST",
  headers: {
    Authorization: "Bearer <token>",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "kling-v4",
    prompt: "A paper boat drifts along a gutter on a rainy night, with the gentle sound of rain",
    duration: 5,
    resolution: "720p",
    aspect_ratio: "9:16"
  })
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

POST

videos

generations

curl --request POST \
  --url https://api.apimart.ai/v1/videos/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "kling-v4",
    "prompt": "A paper boat drifts along a gutter on a rainy night, with the gentle sound of rain",
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16"
  }'

import requests

response = requests.post(
    "https://api.apimart.ai/v1/videos/generations",
    headers={"Authorization": "Bearer <token>"},
    json={
        "model": "kling-v4",
        "prompt": "A paper boat drifts along a gutter on a rainy night, with the gentle sound of rain",
        "duration": 5,
        "resolution": "720p",
        "aspect_ratio": "9:16"
    }
)
response.raise_for_status()
print(response.json())

const response = await fetch("https://api.apimart.ai/v1/videos/generations", {
  method: "POST",
  headers: {
    Authorization: "Bearer <token>",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "kling-v4",
    prompt: "A paper boat drifts along a gutter on a rainy night, with the gentle sound of rain",
    duration: 5,
    resolution: "720p",
    aspect_ratio: "9:16"
  })
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

Este endpoint es asíncrono. Tras enviar la solicitud, usa el task_id devuelto con GET /v1/videos/generations/{task_id} para consultar el estado y el resultado.

curl --request POST \
  --url https://api.apimart.ai/v1/videos/generations \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '{
    "model": "kling-v4",
    "prompt": "A paper boat drifts along a gutter on a rainy night, with the gentle sound of rain",
    "duration": 5,
    "resolution": "720p",
    "aspect_ratio": "9:16"
  }'

import requests

response = requests.post(
    "https://api.apimart.ai/v1/videos/generations",
    headers={"Authorization": "Bearer <token>"},
    json={
        "model": "kling-v4",
        "prompt": "A paper boat drifts along a gutter on a rainy night, with the gentle sound of rain",
        "duration": 5,
        "resolution": "720p",
        "aspect_ratio": "9:16"
    }
)
response.raise_for_status()
print(response.json())

const response = await fetch("https://api.apimart.ai/v1/videos/generations", {
  method: "POST",
  headers: {
    Authorization: "Bearer <token>",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "kling-v4",
    prompt: "A paper boat drifts along a gutter on a rainy night, with the gentle sound of rain",
    duration: 5,
    resolution: "720p",
    aspect_ratio: "9:16"
  })
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());

Selección del modo

Los cinco modos usan el mismo modelo, kling-v4. El modo se selecciona según los recursos enviados y omni_reference_task_type.

Modo	Entrada
Texto a vídeo	Sin recursos de imagen, vídeo ni audio
Imagen a vídeo	Un fotograma inicial; opcionalmente, uno final y hasta 8 intermedios
Generación con referencias	Envía `video_urls`, `audio_urls` o `reference_image` en `image_with_roles`; también puedes indicar explícitamente `omni_reference_task_type: "reference"`
Edición de vídeo	Establece `omni_reference_task_type: "edit"` y proporciona un vídeo de entrada
Extensión de vídeo	Establece `omni_reference_task_type: "extend"` y proporciona un vídeo de entrada

omni_reference_task_type usa auto por defecto, equivalente a omitirlo. Con reference explícito, las imágenes de image_urls se tratan como referencias.

Enviar solo video_url sin indicar edit o extend devuelve HTTP 400. Para usar un vídeo como referencia, utiliza video_urls.

Cabeceras de la solicitud

string

requerido

Autenticación Bearer: Bearer <token>, donde <token> es tu clave API de APIMart.

Parámetros de la solicitud

string

requerido

Debe ser kling-v4.

string

Describe el contenido que se generará o editará. Opcional para imagen a vídeo; obligatorio en los demás modos.En la generación con referencias, usa @Image1, @Video1 y @Audio1 para referirte a los recursos, numerados desde 1 según el orden de cada lista. En la edición, el vídeo de entrada es @Video1 y las imágenes de referencia son @Image1, @Image2, etc.

integer

Duración generada en segundos, de 3 a 30; valor predeterminado: 5.

Edición de vídeo: si se omite, la duración de salida sigue la del vídeo de entrada.
Extensión de vídeo: duración del segmento nuevo. Se devuelve el vídeo completo, con el original y el segmento nuevo concatenados.

string

predeterminado:"720p"

Resolución de salida: 720p o 1080p. Usa este campo para elegir la resolución; V4 no admite mode.

string

Admite 16:9, 9:16, 1:1 y 21:9. La generación con referencias también admite auto.

Modo	Comportamiento predeterminado
Texto a vídeo	`16:9`
Imagen a vídeo	Sigue el fotograma inicial
Generación con referencias	`auto`
Edición de vídeo	Sigue el vídeo de entrada
Extensión de vídeo	No admite este campo; conserva la relación de aspecto original

string[]

Lista de URL de imágenes, interpretada según el modo:

Imagen a vídeo: la primera imagen es el fotograma inicial y la segunda es el final; máximo 2 imágenes.
Generación con referencias y edición de vídeo: hasta 10 imágenes de referencia. Para generar usando solo imágenes de referencia, indica explícitamente omni_reference_task_type: "reference".

Las URL de los recursos deben ser accesibles públicamente.

object[]

Lista de imágenes con roles. Cada elemento contiene url y role.

`role`	Uso
`first_frame`	Fotograma inicial para imagen a vídeo; se requiere exactamente 1
`last_frame`	Fotograma final para imagen a vídeo, o fotograma final de destino para extensión
`keyframe`	Fotograma intermedio para imagen a vídeo; también acepta `middle_frame`. Se usan en el orden de la lista, hasta 8 imágenes
`reference_image`	Imagen de referencia para generación con referencias

En imagen a vídeo, los fotogramas inicial, final e intermedios no pueden superar las 10 imágenes en total.

string

URL del fotograma inicial para imagen a vídeo. También puede enviarse como first_frame en image_with_roles o como primera imagen de image_urls.

string

URL del fotograma final para imagen a vídeo, o del fotograma final de destino para extensión.

string[]

Vídeos de referencia para generación con referencias: hasta 5 clips, con un máximo de 30 segundos utilizados en total.Para edición o extensión, también puedes enviar exactamente 1 URL de vídeo en lugar de video_url, indicando omni_reference_task_type: "edit" o "extend".

string

URL del vídeo de entrada para edición o extensión. Requiere omni_reference_task_type: "edit" o "extend".En edición, el vídeo de entrada debe durar al menos 3 segundos; una duración inferior devuelve HTTP 400. Si supera los 30 segundos, se usan los primeros 30.

string[]

Audio de referencia para generación con referencias: hasta 3 clips de 5–30 segundos cada uno.En generación con referencias, las imágenes, vídeos y audios no pueden superar los 15 recursos en total.

string

predeterminado:"auto"

Admite auto, reference, edit y extend.

auto: selecciona texto a vídeo, imagen a vídeo o generación con referencias según los recursos; equivale a omitir el campo.
reference: generación con referencias; las imágenes de image_urls se tratan como referencias.
edit: edición de vídeo; requiere un vídeo de entrada.
extend: extensión de vídeo; requiere un vídeo de entrada.

string

Admite origin (conservar el audio del vídeo de entrada) y auto (generar audio nuevo). Solo para edición o generación con referencias que incluya vídeos.

Edición de vídeo: conserva el audio original por defecto; auto genera audio nuevo.
Generación con referencias que incluya vídeos: genera audio nuevo por defecto; origin conserva el audio del vídeo de referencia.
Extensión de vídeo: no admite este campo. Conserva el audio original y genera audio automáticamente para el segmento nuevo.

V4 siempre produce vídeos con audio estéreo; el sonido y la imagen se generan juntos.

Ejemplos de solicitudes

Las URL siguientes son ejemplos ficticios. Sustitúyelas por URL reales y accesibles públicamente.

Imagen a vídeo: fotogramas inicial y final

{
  "model": "kling-v4",
  "prompt": "The camera slowly moves closer",
  "image_urls": ["https://example.com/start.png", "https://example.com/end.png"]
}

La primera imagen es el fotograma inicial y la segunda es el final. prompt es opcional en imagen a vídeo.

Imagen a vídeo: fotogramas inicial, intermedios y final

{
  "model": "kling-v4",
  "prompt": "A girl walks from the window to the door, then looks back and smiles",
  "image_with_roles": [
    {"url": "https://example.com/1.png", "role": "first_frame"},
    {"url": "https://example.com/2.png", "role": "keyframe"},
    {"url": "https://example.com/3.png", "role": "keyframe"},
    {"url": "https://example.com/4.png", "role": "last_frame"}
  ],
  "duration": 10
}

Los fotogramas intermedios se usan en el orden de la lista. Se requiere exactamente 1 fotograma inicial, con un máximo de 10 imágenes entre inicial, final e intermedias.

Generación con referencias

{
  "model": "kling-v4",
  "prompt": "The girl in @Image1 runs along the beach with the camera movement from @Video1 and background music from @Audio1",
  "image_with_roles": [
    {"url": "https://example.com/girl.png", "role": "reference_image"}
  ],
  "video_urls": ["https://example.com/camera.mp4"],
  "audio_urls": ["https://example.com/bgm.mp3"],
  "aspect_ratio": "auto",
  "duration": 5
}

Hasta 10 imágenes, 5 vídeos y 3 clips de audio de referencia, con un máximo de 15 recursos en total. Los vídeos usan hasta 30 segundos en total; cada audio debe durar 5–30 segundos.

Edición de vídeo

{
  "model": "kling-v4",
  "prompt": "Change the scene to a snowy winter night",
  "omni_reference_task_type": "edit",
  "video_url": "https://example.com/in.mp4",
  "image_urls": ["https://example.com/style.png"]
}

El vídeo de entrada debe durar al menos 3 segundos; si supera los 30, se usan los primeros 30. Si se omiten duration y aspect_ratio, la duración y la relación de aspecto siguen las del vídeo de entrada. Se conserva el audio original por defecto; usa audio_setting: "auto" para generar audio nuevo.

Extensión de vídeo

{
  "model": "kling-v4",
  "prompt": "The camera continues moving forward as the sky grows darker",
  "omni_reference_task_type": "extend",
  "video_url": "https://example.com/in.mp4",
  "duration": 5
}

La extensión comienza desde el último fotograma del vídeo de entrada. El resultado combina el vídeo original y el segmento nuevo; solo se factura la duración del segmento nuevo. Proporciona un fotograma final de destino con last_frame_image o last_frame en image_with_roles. La extensión no admite aspect_ratio ni audio_setting.

Consultar una tarea

Sustituye el ID de tarea de la siguiente solicitud por el devuelto al enviarla:

curl --request GET \
  --url 'https://api.apimart.ai/v1/videos/generations/<task_id>' \
  --header 'Authorization: Bearer <token>'

Tiempo de generación orientativo: 3 minutos para un vídeo de 3 segundos en 720p y 3,5 minutos para uno de 15 segundos.

Facturación

Se factura por segundo. Consulta las tarifas de los modelos. 720p y 1080p tienen precios distintos. La edición y la generación con referencias que incluya vídeos usan la tarifa con vídeo de entrada. Los demás modos usan la tarifa de generación estándar.

Modo	Segundos facturables
Texto a vídeo, imagen a vídeo, generación con referencias solo de imágenes o audio	Segundos de salida
Extensión de vídeo	Segundos del segmento nuevo
Edición de vídeo, generación con referencias que incluya vídeos	Segundos de salida + max(segundos de salida, segundos de vídeo de entrada)

Los segundos de vídeo de entrada se calculan sumando las duraciones, redondeando al segundo superior y limitando el total a 30 segundos. Por ejemplo, editar un vídeo de 3,04 segundos sin duration produce 4 segundos y se factura como 4 + 4 = 8 segundos. En edición y generación con referencias que incluya vídeos, se analiza la duración del vídeo de entrada al enviar la solicitud. Si falla el análisis, se devuelve HTTP 400 sin cobrar. Las generaciones fallidas reciben un reembolso completo.

Parámetros no admitidos

Los siguientes parámetros o valores devuelven HTTP 400:

mode: V4 no tiene niveles std, pro ni 4k. Usa resolution.
negative_prompt, watermark: true, audio: false.
multi_shot, multi_prompt, element_list, video_list.
camera_control, voice_list.

Errores frecuentes

Error	Solución
`video_url needs omni_reference_task_type edit ... or extend`	Indica `edit` o `extend` con `video_url`; usa `video_urls` para vídeos de referencia
`image-to-video requires exactly 1 first frame`	Envía exactamente 1 fotograma inicial; no basta con fotogramas finales o intermedios
`first frame, last frame and keyframes together are at most 10 images`	Reduce el total de fotogramas inicial, final e intermedios a un máximo de 10
`reference images, videos and audios together are at most 15 files`	Reduce el total de recursos de referencia a un máximo de 15
`video edit requires an input video of at least 3 seconds`	Usa un vídeo de entrada de al menos 3 segundos
`Failed to probe the input video duration`	Comprueba que la URL sea accesible y apunte a un archivo de vídeo válido
`has no std/pro/4k mode`	Elimina `mode` y usa `resolution`
`Could not download the input from ... (HTTP 403)`	Usa una URL pública sin protección contra enlaces directos

Visión general

Modelos

Serie de texto

Serie de imágenes

Serie de video

Serie de audio

Serie de Moderación

Gestión de subidas

Gestión de tareas

Gestión de cuenta

Kling V4 Generación de vídeos

Selección del modo

Cabeceras de la solicitud

Parámetros de la solicitud

Ejemplos de solicitudes

Imagen a vídeo: fotogramas inicial y final

Imagen a vídeo: fotogramas inicial, intermedios y final

Generación con referencias

Edición de vídeo

Extensión de vídeo

Consultar una tarea

Facturación

Parámetros no admitidos

Errores frecuentes

​Selección del modo

​Cabeceras de la solicitud

​Parámetros de la solicitud

​Ejemplos de solicitudes

​Imagen a vídeo: fotogramas inicial y final

​Imagen a vídeo: fotogramas inicial, intermedios y final

​Generación con referencias

​Edición de vídeo

​Extensión de vídeo

​Consultar una tarea

​Facturación

​Parámetros no admitidos

​Errores frecuentes

Selección del modo

Cabeceras de la solicitud

Parámetros de la solicitud

Ejemplos de solicitudes

Imagen a vídeo: fotogramas inicial y final

Imagen a vídeo: fotogramas inicial, intermedios y final

Generación con referencias

Edición de vídeo

Extensión de vídeo

Consultar una tarea

Facturación

Parámetros no admitidos

Errores frecuentes