Kling 4.0

Kling 4.0 es el modelo de vídeo de Kuaishou anunciado en septiembre de 2026. Un ID de modelo cubre cinco modos: texto a vídeo, vídeo de imagen con hasta 10 fotogramas, generación basada en referencias a partir de imágenes, vídeos y audio, edición de vídeo y extensión de vídeo. Cada clip dura de 3 a 30 segundos en 720p o 1080p con sonido estéreo. Envía la solicitud, guarda el ID de tarea devuelto y lee el vídeo terminado desde la tarea. La multimedia se introduce como URL.

ID de modelo

Consulta la página del modelo para ver los precios actuales.

Ejemplo rápido

curl https://api.seedrouter.ai/v1/videos/generations \
  -H "Authorization: Bearer $SEEDROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling-4-0",
    "prompt": "A woman with a red umbrella walks down a neon-lit street on a rainy night, signs shimmering in the puddles, the camera tracking low beside her. No text, no logos.",
    "resolution": "720p",
    "duration": 5,
    "aspect_ratio": "16:9"
  }'

Endpoint

POST https://api.seedrouter.ai/v1/videos/generations

La respuesta es una tarea ({"id": "task_...", "status": "processing"}), no el vídeo terminado. Sondea GET /v1/tasks/{task_id} para obtener el resultado. Guarda las claves de API en código del lado del servidor.

Parámetros

Cada clip viene con sonido estéreo; no hay ningún interruptor de sonido. No hay campo mode, negative_prompt, watermark o multitoma. El esquema es estricto: los campos desconocidos se rechazan en lugar de ignorarse. callback_url no está disponible; sondea la tarea en su lugar.

Modos

El modo sigue la multimedia que envías y omni_reference_task_type:

Los fotogramas y medios de referencia no pueden mezclarse en una solicitud. Al lado de vídeos de referencia o audio, image_urls cuentan como imágenes de referencia solo con omni_reference_task_type: "reference"; usa roles reference_image en caso contrario. Un video_url sin edit o extend se rechaza.

Fotogramas clave

{
  "model": "kling-4-0",
  "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": "last_frame"}
  ],
  "duration": 10
}

Referencia

{
  "model": "kling-4-0",
  "prompt": "The woman from @Image1 walks along the beach with the camera movement of @Video1",
  "image_with_roles": [{"url": "https://example.com/woman.png", "role": "reference_image"}],
  "video_urls": ["https://example.com/camera.mp4"],
  "aspect_ratio": "auto",
  "duration": 5
}

Editar

{
  "model": "kling-4-0",
  "prompt": "Change the scene to a snowy winter evening",
  "omni_reference_task_type": "edit",
  "video_url": "https://example.com/in.mp4"
}

El vídeo de entrada debe durar al menos 3 segundos; solo se usan sus primeros 30 segundos. Sin duration, la salida sigue el vídeo de entrada.

Extender

{
  "model": "kling-4-0",
  "prompt": "The camera keeps moving forward as the sky grows darker",
  "omni_reference_task_type": "extend",
  "video_url": "https://example.com/in.mp4",
  "duration": 5
}

La extensión continúa desde el último fotograma del vídeo de entrada y devuelve el original más la nueva parte. Añade last_frame_image para elegir dónde termina.

Entradas multimedia

Las imágenes, vídeos y audio son URL HTTP(S) públicas. Los URI de datos en base64 no se aceptan: carga los archivos a tu propio almacenamiento y pasa sus URL. Las imágenes, vídeos y audio juntos son como máximo 15 archivos de referencia.

Dimensiones de precios

Consulta la sección de precios del modelo para ver las tarifas actuales. Kling 4.0 se factura por segundo de vídeo, a una tarifa establecida por la resolución:

text, image, reference without videos:  cost = duration × standard rate
extend:                                 cost = new seconds × standard rate
edit, reference with videos:            cost = (output + max(output, input)) × video-input rate

input es la duración combinada de los vídeos de entrada, redondeada al alza a segundos completos y limitada a 30. Se mide cuando se acepta la solicitud, por lo que la cantidad reservada es la cantidad cobrada. Un vídeo cuya duración no se puede leer se rechaza antes de que se cobre nada. Ejemplo: editar un vídeo de 5,2 segundos en un resultado de 3 segundos factura 3 + 6 = 9 segundos. Las tareas fallidas no se cobran.

Esquema de salida

El envío devuelve la tarea:

{"id": "task_...", "model": "kling-4-0", "status": "processing", "created_at": 1789689600}

Obtén la tarea

GET https://api.seedrouter.ai/v1/tasks/{task_id}

Sondea cada 10 a 20 segundos hasta que status sea completed o failed. Un agotamiento de tiempo de espera de red mientras sondea no significa que la generación falló: guarda el ID de tarea y reanuda su comprobación. No crees otra tarea para comprobar el progreso.

Tarea completada

{
  "id": "task_...",
  "model": "kling-4-0",
  "status": "completed",
  "created_at": 1789689600,
  "finished_at": 1789689800,
  "output": {
    "video_url": "https://static.seedrouter.ai/media/tasks/task_example/0.mp4"
  }
}

En nuestras pruebas, los clips de 3 segundos 720p volvieron como MP4 (H.264) a 1280 × 720 con una pista AAC estéreo, de 2 min 41 s a 4 min 22 s después del envío. Un vídeo extendido de 5,2 segundos volvió 8,1 segundos.

Errores

Las solicitudes rechazadas antes de que se cree una tarea devuelven un error HTTP con un objeto error y no se cobran. Una tarea que falla después de la aceptación devuelve HTTP 200 cuando se consulta, con status: "failed" y un objeto error.

Consulta el catálogo de errores compartido para códigos, estados HTTP y orientación de reintentos.

{
  "id": "task_...",
  "model": "kling-4-0",
  "status": "failed",
  "error": {
    "code": 60001,
    "message": "The request was rejected by the content policy. Please revise the prompt or input images."
  }
}

Si el envío en sí agota el tiempo de espera, comprueba tus tareas antes de enviar de nuevo: la primera solicitud puede haber sido aceptada.

Consejos

• Describe sujeto, lugar, movimiento de cámara, luz y sonido; el audio del clip sigue el prompt.
• Borrador en 720p, luego renderiza la toma final en 1080p con la misma solicitud.
• Dale fotogramas clave a clips más largos para que la escena se mueva donde quieres.
• Añade no text, no logos para mantener marcas inventadas fuera.

Relacionado

• Playground y precios de Kling 4.0
• Referencia de API de Kling 3.0
• Descargar OpenAPI
• Markdown copiable