Op den Inhalt sprangen

Kling 4.0 Reference to Video

Integréieren

Modell-ID kling/v4/reference-to-video
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/kling/v4/reference-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Dateie wéi am Beispill: 1,175 $ 1.175 API-Kreditter Är Dateie gi virun der Ausféierung gemooss Op dëser Säit ausféieren

API-Schlëssel kréien
Kling Referenz zu Video Referenzinput3–30 sbis zu 1080p #reference-to-video#multi-shot#image-reference#video-reference

Generéiert 3-30 Sekonne laang Videoen, déi de Look vu bis zu 10 Referenzbiller, 5 Referenzvideoen a 7 Elementer bäibehalen

Op Doitong erstallt

Ëffentlech Wierker, déi d'Doitong-Communautéit mat Kling 4.0 erstallt huet. Benotz e Prompt mat engem Klick nach eng Kéier.

Ëffentlech Wierker ugewisen: 16
Ultra-realistic cinematic video of a young adult woman walking naturally toward the camera while ... Video

Ultra-realistic cinematic video of a young adult woman walking naturally toward the camera while speaking, with realistic facial expressions and synchronized lip movements, as if she is promoting something to the viewer. She maintains eye contact with the camera, smiles slightly, and uses subtle...

Slow, subtle push-in on the woman's face. The light from the laptop flickers softly across her ey... Video

Slow, subtle push-in on the woman's face. The light from the laptop flickers softly across her eyes and cheeks, as if the blurry image on the screen is changing. Her eyes move slightly as she studies the screen, and she takes one slow, tense breath. Behind her, shadows of the snowstorm move...

The enormous ancient dragon descends slowly toward the snowy cliff and lands at the cave mouth. I... Video

The enormous ancient dragon descends slowly toward the snowy cliff and lands at the cave mouth. Its huge dark leathery wings beat twice with slow, heavy strokes, sending snow swirling off the cliff in big clouds. Then it folds its wings and settles on the rock, the giant elk still held in its...

**Duration: 5 seconds | Aspect ratio: 16:9 | Children's YouTube Intro | Video with Audio** Animat... Video

**Duration: 5 seconds | Aspect ratio: 16:9 | Children's YouTube Intro | Video with Audio** Animate the provided image into a bright, magical, energetic, professional YouTube intro for a children's entertainment channel, with perfectly synchronized sound effects, cheerful music, and a cute child's...

Authentic 1990s wide-angle film footage. The left man slowly pulls one wooden block from the Jeng... Video

Authentic 1990s wide-angle film footage. The left man slowly pulls one wooden block from the Jenga tower. As the block comes out, the tower naturally loses balance and realistically collapses onto the table. Frustrated, he angrily sweeps all the fallen wooden blocks off the table with both hands....

Thermal-camera view of a snowy mountain cliff at night in false-color, deep blue and violet cold ... Video

Thermal-camera view of a snowy mountain cliff at night in false-color, deep blue and violet cold rock, a huge orange-white heat shape hidden inside a rock crevice, two small bright amber spots glowing like eyes, faint noise grain. Cinematic videorealistic, ultra detailed, 16:9, volumetric light,...

**Duration: 4 seconds | Aspect ratio: 16:9 | Children's YouTube Intro | Video with Audio** Animat... Video

**Duration: 4 seconds | Aspect ratio: 16:9 | Children's YouTube Intro | Video with Audio** Animate the provided image into a bright, magical, energetic, professional YouTube intro for a children's entertainment channel, with perfectly synchronized sound effects, cheerful music, and a cute child's...

**Duration: 4 seconds | Aspect ratio: 16:9 | Children's YouTube Intro | Video with Audio** Animat... Video

**Duration: 4 seconds | Aspect ratio: 16:9 | Children's YouTube Intro | Video with Audio** Animate the provided image into a bright, magical, energetic, professional YouTube intro for a children's entertainment channel, with perfectly synchronized sound effects, cheerful music, and a cute child's...

Eng Ufro erstellen

D'Kontrolle ginn aus dem Modellschema generéiert. De Code an de Präis aktualiséiere sech, wann s du se ännerst.

88 / 2500

Generatiounsinstruktiounen, déi d'Ufuerderung erfëllen, entweder `prompt` oder `multi_prompt` unzeginn. Fir geliwwert Inputen ze referenzéieren, benotzt @Image1, @Video1, @Element1 an esou weider.

video_urls
Fichier erofzéien, oder · bis zu 5

Bis zu 5 Referenzvideoen, mat @Video1, @Video2 an esou weider adresséiert; all eenzel dauert 3–30 Sekonnen (maximal 30.05 Sekonnen), an hir Gesamtdauer zesumme mat den Elementvideoen däerf 30 Sekonnen net iwwerschreiden. All Datei däerf net méi wéi 300 MB hunn, mat Breet an Héicht tëscht 700 px an 4553 px. D'Bildverhältnis muss tëscht 0.40 an 2.50 leien, d'Frame-Rate tëscht 23.9 an 60.05 FPS.

resolution Standard 1080p

Opléisung vum Output.

aspect_ratio Standard 16:9

Video-Proportiounen, explizitt ausgewielt oder aus de Referenze mat 'auto' ofgeleet.

Standard 5

Video-Längt a Sekonnen, vun 3 bis 30.

Erweidert image · images · multi_prompt · elements
start_image_url
Fichier erofzéien, oder

Optional Bild vum éischte Frame, dat op d'Limitt vun de Bildreferenze gerechent gëtt. Maximal Dateigréisst 30.0 MB; Breet an Héicht mussen all 300 px erreechen, mat engem Bildverhältnis tëscht 0.40 an 2.50.

image_urls
Fichier erofzéien, oder · bis zu 10

Bildreferenzen, mat @Image1, @Image2 an esou weider adresséiert, mat maximal 10 Biller. All Datei ass op 30.0 MB limitéiert, erfuerdert op d'mannst 300 px a béiden Dimensiounen a muss e Bildverhältnis tëscht 0.40 an 2.50 hunn.

Generatiounsinstruktioune Shot fir Shot, wou all Prompt e Shot definéiert, deem seng Dauer zur Gesamtdauer vum Video bäidréit.

Sammlung vu bis zu 7 Personnagen oder Objeten, vun deenen héchstens 3 e `voice_id` kënnen enthalen an héchstens 3 e Video benotze kënnen. Adresséiert dës Elementer als @Element1, @Element2 an esou weider.

POST /run/kling/v4/reference-to-video?wait=20 Präis → 1,175 $
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.com/v1/run/kling/v4/reference-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.com/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"

Dës Ufro ausféieren

Äre Schlëssel bleift an dësem Browser: e gëtt nëmmen un d'Doitong API geschéckt an nëmme gespäichert (localStorage), wann s du „Erënneren“ aktivéiers. En API-Schlëssel kréien

Iwwer Kling 4.0 Reference to Video

Erstellt e Video aus engem Text-`prompt` plus Referenzbiller, Referenzvideoen a Charakter- oder Objektelementer, déi am Prompt als @Image1, @Video1 oder @Element1 zitéiert ginn. D'Dauer reecht vun 3 bis 30 Sekonnen (Standard 5), mat enger Ausgab an 720p oder 1080p an den Aspektverhältnisser auto, 16:9, 9:16, 1:1 oder 21:9. Benotzt `multi_prompt` fir Prompte pro Shot; an deem Fall ass d'Gesamtlängt d'Zomm vun den Dauer vun de Shots. Limite si 10 Biller, 5 Videoe vun all Kéier 3-30s an 7 Elementer, vun deenen bis zu 3 eng Stëmm kënne mat sech féieren.

Parameteren

Schéck entweder den kanoneschen Numm oder den natierlechen Numm, net béid. Kanonesch Nimm

NummTyp StandardErlaabt Beschreiwung
promptoptional
Typstring | null
≤ 2.500 Zeechen
Generatiounsinstruktiounen, déi d'Ufuerderung erfëllen, entweder `prompt` oder `multi_prompt` unzeginn. Fir geliwwert Inputen ze referenzéieren, benotzt @Image1, @Video1, @Element1 an esou weider.
multi_promptoptional
Typobject[]
Generatiounsinstruktioune Shot fir Shot, wou all Prompt e Shot definéiert, deem seng Dauer zur Gesamtdauer vum Video bäidréit.
multi_prompt[].promptobligatoresch
Typstring
1 – 512 characters
Textinstruktioune fir den aktuelle Shot.
multi_prompt[].durationoptional
Typinteger
Standard5
1 – 30
Dauer vun engem eenzele Shot, gemooss a Sekonnen.
durationoptional
Typinteger
Standard5
3 – 30
Video-Längt a Sekonnen, vun 3 bis 30.
start_image_urloptional image
Typurl · image
Optional Bild vum éischte Frame, dat op d'Limitt vun de Bildreferenze gerechent gëtt. Maximal Dateigréisst 30.0 MB; Breet an Héicht mussen all 300 px erreechen, mat engem Bildverhältnis tëscht 0.40 an 2.50.
image_urlsoptional images
Typurl[] · image
≤ 10 Elementer
Bildreferenzen, mat @Image1, @Image2 an esou weider adresséiert, mat maximal 10 Biller. All Datei ass op 30.0 MB limitéiert, erfuerdert op d'mannst 300 px a béiden Dimensiounen a muss e Bildverhältnis tëscht 0.40 an 2.50 hunn.
video_urlsoptional videos
Typurl[] · video
≤ 5 Elementer
Bis zu 5 Referenzvideoen, mat @Video1, @Video2 an esou weider adresséiert; all eenzel dauert 3–30 Sekonnen (maximal 30.05 Sekonnen), an hir Gesamtdauer zesumme mat den Elementvideoen däerf 30 Sekonnen net iwwerschreiden. All Datei däerf net méi wéi 300 MB hunn, mat Breet an Héicht tëscht 700 px an 4553 px. D'Bildverhältnis muss tëscht 0.40 an 2.50 leien, d'Frame-Rate tëscht 23.9 an 60.05 FPS.
elementsoptional
Typobject[]
≤ 7 Elementer
Sammlung vu bis zu 7 Personnagen oder Objeten, vun deenen héchstens 3 e `voice_id` kënnen enthalen an héchstens 3 e Video benotze kënnen. Adresséiert dës Elementer als @Element1, @Element2 an esou weider.
elements[].frontal_image_urloptional
Typurl · image
Frontalbild mat der Haaptusiicht vum Element. Maximal Dateigréisst 30.0 MB; béid Dimensioune mussen op d'mannst 300 px sinn, an d'Bildverhältnis muss tëscht 0.40 an 2.50 leien.
elements[].reference_image_urlsoptional
Typurl[] · image
≤ 3 items
Zousazbiller aus verschiddene Wénkele vum Element, mat 1 bis 3 Usiichten. All Datei däerf héchstens 30.0 MB hunn, muss a béiden Dimensioune mindestens 300 px hunn an e Bildverhältnis tëscht 0.40 an 2.50 hunn.
elements[].video_urloptional
Typurl · video
Video-Duerstellung vun engem Element amplaz vu Biller, mat enger Dauer vun 3–30 Sekonnen (maximal 30.05 Sekonnen). D'Datei däerf net méi wéi 300 MB hunn; Breet an Héicht mussen tëscht 700–4553 px leien. Ënnerstëtzt Bildverhältnisser reeche vun 0.40–2.50, mat Frame-Raten vun 23.9–60.05 FPS.
elements[].voice_idoptional
Typstring | null
Stëmm, déi dem Element zougewisen ass.
resolutionoptional
Typenum
Standard1080p
720p1080p
Opléisung vum Output.
aspect_ratiooptional
Typenum
Standard16:9
auto16:99:161:121:9
Video-Proportiounen, explizitt ausgewielt oder aus de Referenze mat 'auto' ofgeleet.
obligatoresch Kanoneschen Numm, och akzeptéiert

Fichierparameter akzeptéieren eng ëffentlech https:// URL, eng data: URI bis zu 10 MB oder de file_url vun engem Upload. Fichieren

Output

GET /requests/req_8k2m4q7x1z9c3v5b6n0p2r4t
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "kling/v4/reference-to-video",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 1175,
    "usd": "1.175",
    "charged": 1175,
    "refunded": 0
  },
  "input": {
    "prompt": "A red fox trots through fresh snow at sunrise, soft golden light, shallow depth of field"
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.com/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
Är Fichieren, Är WielAll outputs[].url ass eng Kopie an eiser Späicherung: fir ëmmer gespäichert (bezuelbar pro GB-Mount) oder 7 Deeg gratis, jee no Ärer Kontastellung oder ?storage=.
D'selwecht Struktur bei all Modelltype, url, content_type, width, height an duration, fir Biller, Video an Audio gläichermoossen. output ass dem Modell säin eegent Resultatobjet.
Output-Felder
video
object {url, content_type, file_name, file_size}Video, dee vum Modell produzéiert gëtt.

Méi Modeller: Referenz zu Video

Fir AI-Agenten: dës Säit als Markdown ass ënner https://doitong.com/lb/developers/models/kling/v4/reference-to-video.md. All Modeller a Guiden: https://doitong.com/developers/llms.txt