从文字构想到图片动画
没有现成画面时，可用提示词描述主体、环境与动作生成镜头；已有产品图、角色图或场景图时，则以首帧固定起点，再说明希望发生的变化。这两种方式适合分别处理概念探索与素材再创作，让短片从明确的视觉目标开始。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 视频创作方式
- 文生视频、图生视频、已有视频延展
- 生成时长
- 本平台视频入口：5 秒或 10 秒
- 生成模式
- std / pro；不支持 4k 模式
- 视频画幅
- 16:9、9:16、1:1
- 首尾帧控制
- 图生视频需首帧；pro 可配合尾帧，std 不支持尾帧
- 音频方式
- 不支持原生伴音；会说话的照片使用外部音频驱动
- 任务交付
- 视频链接、视频 ID、任务 ID 与状态；支持异步及回调
上述时长、模式与操作范围对应本平台的 kling-v1-6 入口，照片对口型属于组合创作功能，不等同于模型原生伴音。
核心能力
了解 kling-v1-6 能为你的工作带来什么。
用首尾帧安排镜头起止
pro 模式的图生视频可同时指定首帧与尾帧，用于安排人物姿态变化、产品展示前后状态或场景过渡。尾帧需要与首帧配合，不能单独使用。它约束的是镜头起止画面，不是逐帧轨迹，也不能替代专门的运镜控制参数。
沿已有片段继续创作
视频延展可在 std 与 pro 模式下使用：保留生成结果的 video_id，再提交下一段动作或情节提示词。这样可以先确定短镜头，再续写后续内容，而不必每次从文字重新建立场景。任务完成后通过视频链接取回结果，便于继续剪辑。
适用场景
从具体任务出发，找到模型发挥作用的位置。
产品静态素材转短片
输入一张产品首帧图，描述展示动作、背景氛围与画面变化，生成适合剪辑的短素材。竖版可用于移动端展示，横版可用于演示画面；若已有明确的结束构图，可在 pro 中加入尾帧，再为成片补充字幕、音乐与品牌信息。
分镜预演与情节续写
把一个分镜写成主体、动作和环境清晰的提示词，先生成单个镜头，再用视频延展尝试后续情节。交付物是可观看、可剪辑的视频片段，适合在正式拍摄或制作前讨论节奏与画面方向，而不是直接替代完整多镜头剪辑工程。
照片口播与角色讲解
准备清晰的单人正脸照片和录制好的语音，在会说话的照片功能中选择 kling-v1-6，并补充动作或表情要求。一次任务完成照片动画化与音频对口型，返回最终口播视频和中间动画片段，适合短句讲解、角色问候或内容预览。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
何时选择 V1.6 与 pro
如果任务是图片动画、短镜头生成或已有片段续写，V1.6 的操作组合较直接；需要控制结束画面时选择 pro。与 kling-v1 相比，不能把旧版的运镜参数沿用到 V1.6：kling-v1 的运镜有 5 秒条件，而 V1.6 不支持 camera_control，应按实际控制需求选择。
何时改用后续型号
需要画面与声音同时生成时，可考虑支持伴音的 kling-v2-6 pro；需要 3–15 秒灵活时长或 4k 模式时，可考虑 kling-v3。V1.6 更适合已明确采用 5 秒或 10 秒、声音另行制作的短片流程。外部音频对口型与原生伴音是不同任务，不应混用。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- kling-v1-6 不支持 generate_audio、camera_control 或 4k 模式。可在提示词里描述镜头意图，但这不等同于参数化运镜；如果成片必须有声音，需要另行配音配乐，或使用照片加音频的对口型功能。
- std 图生视频不能指定尾帧；pro 的尾帧也必须与首帧一起提交。首尾帧适合表达起止构图，不保证中间所有动作都按预设路径发生，制作前应把主体变化与动作目标写清楚，再检查生成片段。
- 会说话的照片建议使用清晰单人正脸，驱动音频需为可访问的链接，支持 mp3、wav、m4a、aac，大小不超过 5MB。音频长度建议不超过所选视频时长，避免把长段口播直接放入短片任务。
常见问题
解答使用 kling-v1-6 时的常见疑问。
调用时怎样确保使用 kling-v1-6？
在视频生成或会说话的照片请求中显式填写 model=kling-v1-6，不依赖省略后的默认选择。普通视频还需选择 text2video、image2video 或 extend，并按任务提供提示词、首帧图片或已有视频 ID。
V1.6 可以生成多长的视频？
视频生成入口支持选择 5 秒或 10 秒，会说话的照片也提供这两个时长。需要继续创作时，可用 extend 提交已有 video_id 和后续提示词；延展是接续已有片段的操作，不等于单次生成任意长度的视频。
为什么 std 模式不能使用尾帧？
kling-v1-6 的 std 不支持尾帧约束。需要明确结束画面时，应改用 pro 的 image2video，并同时提供 start_image_url 与 end_image_url；只传尾帧不能完成这类任务，首帧仍是必要输入。
会说话的照片是否意味着 V1.6 能生成声音？
不是。V1.6 不支持原生伴音，会说话的照片使用你提供的音频：先让照片形成动画，再按音频对口型。需要提交 image_url 与 audio_url，提示词主要用于动画阶段的动作或表情，而不是生成语音内容。
生成任务适合怎样接入应用？
可使用 async=true 获取 task_id，再查询任务状态，或配置 callback_url 接收完成结果。应用应区分任务已提交与视频已完成，完成后读取 video_url；如果后续要延展，还应保存 video_id，不能用 task_id 代替。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。