Avatar To VideoKling
kwaivgi/kling-v2-ai-avatar-pro AI 数字人视频生成
kwaivgi/kling-v2-ai-avatar-pro
Kling V2 AI Avatar Pro 可生成高质量的 AI 数字人视频,细节清晰、动作稳定、人物一致性强,适合用于个人主页、片头和社交媒体内容。提供开箱即用的 REST inference API,性能出色,无冷启动,价格实惠。
示例
参数
| 名称 | 类型 | 默认 | 约束 | 说明 |
|---|---|---|---|---|
| image *图片 | image_upload | — | image/* | 用于生成输出内容的图片。 |
| prompt提示词 | textarea | — | ≤ 5000 chars | 用于生成的正向提示词。 |
API
通过统一 REST API 调用本模型;在 API Keys 页获取密钥。
cURL
# 1) Submit — returns { "task_uuid": "..." }
curl -X POST "https://www.namifusion.com/api/v1/marketplace/run/kwaivgi/kling-v2-ai-avatar-pro" \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"input": {
"image": "https://example.com/input.jpg"
}
}'
# 2) Poll until status is "completed", then read the output URLs
curl "https://www.namifusion.com/api/v1/marketplace/run/tasks/TASK_UUID" \
-H "Authorization: Bearer YOUR_API_KEY"Python
import time, requests
API_KEY = "YOUR_API_KEY"
HEADERS = {"Authorization": f"Bearer {API_KEY}"}
# 1) Submit
resp = requests.post(
"https://www.namifusion.com/api/v1/marketplace/run/kwaivgi/kling-v2-ai-avatar-pro",
headers=HEADERS,
json={
"input": {
"image": "https://example.com/input.jpg"
}
},
)
resp.raise_for_status() # 401/402/429/5xx stop here instead of polling a bad task
task = resp.json()
# 2) Poll until a terminal state (completed / failed / cancelled).
# This model is allowed up to 300s server-side.
deadline = time.time() + 360
while task.get("status") not in ("completed", "failed", "cancelled"):
if time.time() > deadline:
raise TimeoutError(f"still {task.get('status')} — keep the task_uuid and poll later")
time.sleep(3)
poll = requests.get(f"https://www.namifusion.com/api/v1/marketplace/run/tasks/{task['task_uuid']}", headers=HEADERS)
poll.raise_for_status()
task = poll.json()
print(task["status"], task.get("output"))JavaScript
const API_KEY = "YOUR_API_KEY";
const HEADERS = { Authorization: `Bearer ${API_KEY}` };
// 1) Submit
const resp = await fetch("https://www.namifusion.com/api/v1/marketplace/run/kwaivgi/kling-v2-ai-avatar-pro", {
method: "POST",
headers: { ...HEADERS, "Content-Type": "application/json" },
body: JSON.stringify({
"input": {
"image": "https://example.com/input.jpg"
}
}),
});
if (!resp.ok) throw new Error(`submit failed: ${resp.status} ${await resp.text()}`);
let task = await resp.json();
// 2) Poll until a terminal state (completed / failed / cancelled).
// This model is allowed up to 300s server-side.
const deadline = Date.now() + 360 * 1000;
while (!["completed", "failed", "cancelled"].includes(task.status)) {
if (Date.now() > deadline) throw new Error(`still ${task.status} — keep the task_uuid and poll later`);
await new Promise((r) => setTimeout(r, 3000));
const poll = await fetch(`https://www.namifusion.com/api/v1/marketplace/run/tasks/${task.task_uuid}`, { headers: HEADERS });
if (!poll.ok) throw new Error(`poll failed: ${poll.status}`);
task = await poll.json();
}
console.log(task.status, task.output);文档
kwaivgi/kling-v2-ai-avatar-pro
高保真数字人头像视频生成,兼顾口型同步、身份一致性与稳定表现。
kwaivgi/kling-v2-ai-avatar-pro 是一款面向头像视频场景的图片生成视频模型,可将单张人像图片与音频结合,生成自然的口播式 talking-head 视频。该模型强调清晰细节、稳定运动与强身份一致性,并具备无冷启动、性价比高等优势,适合社交媒体、品牌介绍与虚拟主持等内容生产场景。
🚀 关键特性
- 音频驱动表演:直接使用上传的音频驱动口型、停顿与节奏,无需额外 TTS,能够更好保留原始语气与情绪。
- 高身份一致性:在生成面部、眼神与头部动作时,尽可能保持参考图片中的人物特征,适合品牌化人物形象复用。
- 自然口播动作:输出聚焦 talking-head 头像视频,动作稳定、镜头感自然,适合介绍、解说与出镜表达类内容。
- 单图启动:仅需一张清晰人像图片和一段音频即可生成视频,无需真人拍摄或动作采集流程。
- 提示词可控风格:可通过提示词补充灯光、情绪、镜头氛围或轻微动作倾向,提升内容风格一致性。
- 社交平台友好:输出适合竖屏头像视频场景,便于用于 Reels、TikTok、Shorts 与 Story 等内容分发渠道。
🛠️ 技术规格
| 项目 | 说明 |
|---|---|
| 模型名称 | kwaivgi/kling-v2-ai-avatar-pro |
| 模型类型 | 图片生成视频(AI Avatar / Talking-Head) |
| 核心能力 | 单张人像图片 + 音频驱动的口型同步头像视频生成 |
| 输入形式 | 图片、音频、提示词(可选) |
| 输出形式 | 视频 |
| 图片要求 | 清晰、光线良好、正脸或 3/4 侧脸人像,眼睛可见,尽量减少遮挡 |
| 音频要求 | 干净的单声道或立体声音频,背景噪声尽量少 |
| 时长 | 自动根据音频时长生成;计费最小时长为 5 秒 |
| 分辨率 | HD 级竖屏输出(原始文档未标注具体像素) |
| 宽高比 | 竖屏(适合社交媒体头像视频) |
| 驱动方式 | 音频驱动口型、节奏与表情表现 |
| 风格控制 | 支持通过提示词控制表情、氛围、灯光与轻微镜头感 |
| 延迟 | 未公开固定值;平台强调无冷启动 |
| 稳定性特点 | 细节干净、运动稳定、身份一致性强 |
示例提示词
柔和棚拍灯光,轻微点头,温和微笑,自然镜头表现自信的科技产品讲解员,稳定注视镜头,专业表达氛围友好的客服形象,亲切表情,轻微头部运动,干净背景感
💰 价格
| 音频时长(秒) | 计费时长(秒) | 价格(USD) |
|---|---|---|
| 0–5 | 5 | 0.56 |
| 10 | 10 | 1.12 |
| 20 | 20 | 2.24 |
| 30 | 30 | 3.36 |
| 60 | 60 | 6.72 |
少于 5 秒的音频仍按 5 秒计费。
💡 最佳使用场景
- 社交媒体口播内容:快速制作适用于 TikTok、Shorts、Reels 的虚拟出镜视频。
- 品牌人物与企业介绍:用于品牌代言人、产品介绍、欢迎语与企业形象展示。
- 教育与培训内容:生成讲师式头像视频,用于课程导读、知识讲解与内部培训。
- 客服与营销素材:制作虚拟客服、促销介绍、UGC 风格广告与落地页视频素材。
🔗 相关模型
- infinitetalk:适合从脚本或音频生成口型同步头像视频,可用于虚拟讲解员与说明类内容。
- Infinitetalk-Multi:面向多说话人、多段落或对话式场景,更适合批量化角色内容生产。
- Omni-Human:侧重高保真数字人生成,适用于虚拟主持、品牌大使与培训数字人等更广泛场景。