Avatar To VideoKling
kwaivgi/kling-v2-ai-avatar-standard AI 数字人视频生成
kwaivgi/kling-v2-ai-avatar-standard
Kling AI Avatar 可生成高质量的 AI 数字人视频,适用于个人主页、开场介绍和社交内容,呈现干净细节与电影感运动效果,并能稳定遵循提示词。提供开箱即用的 REST 推理 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-standard" \
-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-standard",
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-standard", {
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-standard
高质量数字人视频生成,兼顾自然口型、表情表现与稳定身份一致性。
kwaivgi/kling-v2-ai-avatar-standard 是一款面向图片转视频场景的 AI Avatar 模型,可将单张图片与一段音频合成为自然的说话或演唱视频。该模型基于 Kling V2 avatar 技术栈,具备稳定的提示词遵循能力、出色的口型同步效果,以及无冷启动带来的更稳定交付体验,适合开发者快速评估并部署到内容生产流程中。
🚀 Key Features
- 单图驱动数字人视频:仅需一张图片和一段音频,即可生成可用的 AI Avatar 视频,适合快速制作人物口播内容。
- 精准口型同步:嘴型、下颌运动与音频节奏、发音和时序紧密对齐,即使面对较快语速也能保持自然表现。
- 丰富面部与头部动作:不仅限于嘴部动画,还可呈现眨眼、眉毛变化、轻微转头等细节,提升视频真实感。
- 身份一致性强:在整段视频中尽可能保持人物面部特征、发型与整体视觉风格稳定,减少帧间漂移。
- 支持提示词控制风格:可通过提示词调节角色气质、情绪与表现方式,例如“温和讲师”或“高能主播”。
- 无冷启动、性价比高:适合需要稳定吞吐与可预测成本的生产环境,尤其适用于批量生成社交内容与数字人口播素材。
🛠️ Technical Specifications
| 项目 | 说明 |
|---|---|
| 模型架构 | Kling V2 AI Avatar Standard(图片转视频 / 音频驱动数字人) |
| 任务类型 | image-to-video |
| 输入形式 | 图片 + 音频 + 可选提示词 |
| 输出形式 | 视频 |
| 图片要求 | 单张人物、角色或动物图片;建议正面或轻微 3/4 视角 |
| 音频要求 | 单条音频轨道;适合干净的人声或 TTS 音频 |
| 提示词 | 可选,用于控制情绪、能量感、行为风格 |
| 核心能力 | 口型同步、表情驱动、头部运动、身份保持 |
| 支持内容类型 | 真人肖像、风格化角色、宠物/动物形象 |
| 时长 | 按音频时长计费;单次任务最长可达 300 秒(5 分钟) |
| 分辨率 | 未公开;更高分辨率通常需要更长渲染时间 |
| 帧率 | 未公开 |
| 延迟 | 未固定;通常随视频时长与分辨率上升而增加 |
| 计费规则 | 最低按 5 秒计费;单任务计费上限为 300 秒 |
示例提示词
friendly teacher, gentle head nodsexcited host, big smiles and energetic motioncalm news anchor, steady eye contact, professional delivery
💰 Pricing
| 计费项 | 价格 |
|---|---|
| 基础价格(最低 5 秒) | $0.28 |
| 10 秒音频 | $0.56 |
| 最低计费时长 | 5 秒 |
| 单任务计费上限 | 300 秒(5 分钟) |
说明:短于 5 秒的音频仍按 5 秒计费。
💡 Best Use Cases
- 社交媒体口播内容:快速生成个人简介、频道开场、短视频解说等数字人视频。
- 品牌与营销素材:用于产品介绍、活动预告、广告创意测试和多版本内容投放。
- 教育与培训:制作讲师型数字人课程、教程解说、知识科普视频。
- 虚拟角色运营:为 IP 角色、二次元形象或宠物账号生成稳定的说话视频内容。
🔗 Related Models
- Kling V2 AI Avatar Pro:更偏向高级 AI Avatar 生成,适合更强调表情表现与角色驱动的短视频内容。
- Infinite Talk:适用于实时对话式语音交互场景,更适合交互式智能体与常在线语音角色。