Kling 3.0 Omni Text-to-Video API
POST Base URL:
https://api.hiapi.ai /v1/tasks 图片、视频和音频模型通过统一异步接口 POST /v1/tasks 调用，区别只在 input 字段（见下方 input 参数）。
模型概览
| 模型名称 | kling-3.0-omni/text-to-video |
|---|---|
| 类型 | 视频生成（文生视频） |
| 接口 | POST /v1/tasks |
| 价格 | 见 HiAPI 定价 |
Kling 3.0 Omni（可灵 O3）文生视频：根据提示词生成 3–15 秒、720p 至 4k 的视频，支持 16:9 / 9:16 / 1:1 画幅、原生同步音频、智能分镜，以及用 @名称 引用的主体素材保持角色一致。
生产建议
生产环境建议
- 生产环境建议在请求体顶层传 callback.url，让 HiAPI 在任务进入终态时主动通知你的服务，减少无效轮询。
- GET /v1/tasks/:id 更适合本地调试、低频任务，或作为回调失败后的补偿查询。
- callback.when 当前建议固定为 final；success 和 fail 都可能触发终态通知，你的服务端需要按 taskId 做幂等处理。
适用场景
提示词直出短片
只用文字描述场景、动作与运镜，得到电影感镜头。
promptdurationresolution音画同步内容
开启 audio，一次生成带环境声与音效的视频。
audio多镜头叙事
开启 prefer_multi_shots，让模型按提示词自动规划多个镜头。
prefer_multi_shots角色一致的系列内容
用 elements 传入同一主体的多张图片，在提示词中以 @名称 引用，保持形象一致。
elements请求参数
model string 必填 固定填 kling-3.0-omni/text-to-video。
input object 必填 业务参数对象；可灵 Kling 3.0 Omni 文生视频的模型专属配置都放在这里。
prompt string 必填 描述想要的画面内容、主体动作与镜头运动；需要用到 elements 里的主体时，在提示词中以 @名称 引用。长度 1–3072 字符。
duration integer 可选 视频时长，单位为秒，取 3–15 之间的整数。
resolution enum 可选 输出视频分辨率。
audio boolean 可选 是否生成与画面同步的原生音频（环境声、音效）。
aspect_ratio enum 可选 输出视频的画面比例。
prefer_multi_shots boolean 可选 是否开启智能分镜：开启后模型根据提示词自动规划多个镜头并切换。
elements object[] 可选 主体素材，最多 7 组。每组给出名称、简短描述和 2–4 张同一主体的图片，在提示词中用 @名称 引用，让角色或物品在整段视频中保持一致。
name string 必填 主体的唯一名称，不含空格；提示词中以 @名称 引用。
description string 必填 主体的简短描述。
element_input_urls string[] 必填 同一主体的 2–4 张图片 URL，JPG/PNG。
callback object 可选 可选回调配置；设置后任务进入终态时 HiAPI 会主动通知你的服务，减少轮询。
url string 必填 传入 callback 时必填；接收任务终态通知的 HTTPS 地址。
when enum 可选 回调触发时机；当前建议固定为 final。
用例示例
雨夜纸船
3 秒、720p、16:9，不带音频的最小文生视频示例。
请求体
{
"model": "kling-3.0-omni/text-to-video",
"input": {
"prompt": "A paper boat drifts down a rain-soaked city gutter at dusk, neon signs reflecting and rippling on the water; the camera glides low beside it as raindrops splash around. Cinematic, shallow depth of field, smooth tracking motion.",
"duration": 3,
"resolution": "720p",
"audio": false,
"aspect_ratio": "16:9"
}
}4k 竖屏带音频
9:16 竖屏、4k、8 秒，开启原生音频。
请求体
{
"model": "kling-3.0-omni/text-to-video",
"input": {
"prompt": "清晨的海边渔港，薄雾缓缓散开，渔船在水面轻轻摇晃，阳光穿透雾气洒在湿漉漉的码头上，镜头沿着栈桥缓慢推进。写实风格，宁静氛围，海浪与海鸥的环境声。",
"duration": 8,
"resolution": "4k",
"audio": true,
"aspect_ratio": "9:16"
}
}主体素材 + 智能分镜
用 elements 传入同一角色的 3 张图片，提示词中以 @mika 引用，并开启智能分镜生成 10 秒多镜头短片。请把示例 URL 替换为可公开访问的主体图片。
请求体
{
"model": "kling-3.0-omni/text-to-video",
"input": {
"prompt": "@mika 走进一家老式咖啡馆，推开门时风铃轻响，坐到靠窗的位置翻开笔记本；多个镜头切换：门口全景、落座中景、翻页特写。温暖的午后光线，电影感。",
"elements": [
{
"name": "mika",
"description": "穿米色风衣、戴圆框眼镜的短发女孩",
"element_input_urls": [
"https://example.com/mika-front.jpg",
"https://example.com/mika-side.jpg",
"https://example.com/mika-back.jpg"
]
}
],
"duration": 10,
"resolution": "1080p",
"audio": true,
"aspect_ratio": "9:16",
"prefer_multi_shots": true
}
}获取结果
- 提交成功后立即返回 taskId（不等待生成完成）。
- 生产环境优先等待 callback.url 收到终态通知；本地调试时可轮询 GET /v1/tasks/:id。
- status=success 后，从返回的 output[].url 下载生成的视频。
- 如果 status=fail，按返回的错误信息修正请求，不要盲目重试同一个无效请求。
常见问题
提示词有什么限制?
prompt 长度为 1–3072 字符。描述清楚画面、主体动作与镜头运动即可；用到 elements 主体时在提示词中写 @名称。
如何保持同一角色在多个视频里一致?
用 elements 传入该角色的 2–4 张图片并命名，提示词中以 @名称 引用；一次最多 7 组主体。
audio 开启后会生成什么?
生成与画面同步的原生音频，包括环境声与音效；默认关闭。
prefer_multi_shots 是什么?
智能分镜。开启后模型会根据提示词自动规划多个镜头并切换，适合叙事类内容；默认关闭。
如何计费?
以 HiAPI 定价页的实时价格为准。 查看价格