Kling Omni O3 API
Kuaishou の Kling Omni Video O3 は、MVL(Multi-modal Visual Language)技術を備えた、高度な統合型マルチモーダル動画モデルです。Standard、Pro、4K の階層に、テキストから動画、画像から動画、リファレンスから動画、会話形式の video-edit があります。
Standard(kwaivgi/kling-video-o3-std/*)、Pro(kwaivgi/kling-video-o3-pro/*)、4K(kwaivgi/kling-video-o3-4k/*)の階層があります。MVL技術が、モダリティをまたいで被写体の一貫性を保ちます。video-edit は、自然言語のコマンドで、オブジェクトの除去、背景の入れ替え、シーンのリスタイル、3〜10秒の部分的な変換に対応します。
概要
Kling Omni O3 APIについて
Kling Omni O3でできること、Kuaishouのモデルラインナップにおける位置づけ、そして多くのチームに選ばれる理由。
Kling Omni O3はKuaishouの動画生成モデルで、WaveSpeedAIのREST APIから利用できます。Kuaishou の Kling Omni Video O3 は、MVL(Multi-modal Visual Language)技術を備えた、高度な統合型マルチモーダル動画モデルです。Standard、Pro、4K の階層に、テキストから動画、画像から動画、リファレンスから動画、会話形式の video-edit があります。
Standard(kwaivgi/kling-video-o3-std/*)、Pro(kwaivgi/kling-video-o3-pro/*)、4K(kwaivgi/kling-video-o3-4k/*)の階層があります。MVL技術が、モダリティをまたいで被写体の一貫性を保ちます。video-edit は、自然言語のコマンドで、オブジェクトの除去、背景の入れ替え、シーンのリスタイル、3〜10秒の部分的な変換に対応します。
WaveSpeedAIのKling Omni O3ファミリーには、Video-To-Video, Text-To-Video, Reference-To-Video, Image-To-Videoのワークフローをカバーする13個のRESTエンドポイントがあります。各バリアントには、それぞれ独自の料金、パラメーター、作例があります。入力の種類と本番環境の制約に合うものを選ぶか、同じAPIキーで複数を呼び出して、多段階のパイプラインを組み立ててください。
WaveSpeedAIの他の1,000以上のAIモデルと同じAPIキー、請求アカウント、レート制限の枠組みでKling Omni O3を実行できます。ベンダーごとの設定も、プロバイダーごとのSDKも、ベンダーごとのレート制限も不要です。1つの連携で、テキストから画像、テキストから動画から、音声合成、3D生成、高画質化、編集まで、すべてカバーできます。
エンドポイント
Kling Omni O3のAPIエンドポイント一覧
WaveSpeedAIで現在利用可能なKling Omni O3のエンドポイントは13個です。ワークフローに合ったバリアントを選んでください。
/filters:quality(82)/media/images/20260408113021_v77zgrk2.webp)
Kling Video O3 Std Video Edit
Kling Omni Video O3 Video-Edit (Standard) enables natural-language video edits: remove or replace objects, swap backgrounds, restyle scenes, change weather/lighting, and apply localized 3-10s transformations with strong temporal consistency. Built for stable production use with a ready-to-use REST API, no cold starts, and predictable pricing.
/filters:quality(82)/media/images/20260408113108_8lwvxxl5.webp)
Kling Video O3 Pro Video Edit
Kling Omni Video O3 Video-Edit enables conversational video editing through natural language commands. Remove objects, change backgrounds, modify styles, adjust weather/lighting, and transform scenes with simple text instructions like 'remove pedestrians' or 'change daytime to dusk'. Ready-to-use REST API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/20260408113015_zs9hd51j.webp)
Kling Video O3 Std Text To Video
Kling Omni Video O3 (Standard) is Kuaishou's advanced unified multi-modal video model with MVL (Multi-modal Visual Language) technology. Text-to-Video mode generates cinematic videos from text prompts with subject consistency, natural physics simulation, and precise semantic understanding. Supports audio generation. Ready-to-use REST API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1777710078204539681_E5RY8hrA.webp)
Kling Video O3 4k Text To Video
Kling Video O3 4K generates cinematic 4K videos from text prompts with subject consistency, natural physics simulation, and precise semantic understanding. Supports multi-prompt scene transitions, element references, and optional audio generation. Ready-to-use REST API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/20260408113103_lt3p5mhp.webp)
Kling Video O3 Pro Text To Video
Kling Omni Video O3 is Kuaishou's advanced unified multi-modal video model with MVL (Multi-modal Visual Language) technology. Text-to-Video mode generates cinematic videos from text prompts with subject consistency, natural physics simulation, and precise semantic understanding. Supports audio generation. Ready-to-use REST API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1788253152394476475_GrQ09irB.webp)
Kling Video O3 4k Video Edit
Kling O3 Omni 4K Video Edit edits input videos in 4K with natural-language instructions and optional image references, supporting prompt-guided video modification, visual style updates, scene refinements, motion control, and high-quality cinematic editing. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1788253182407665251_GAIR1b1b.webp)
Kling Video O3 4k Video Reference
Kling O3 Omni 4K Video Reference generates 4K AI videos guided by an input video, text prompt, and optional reference images, supporting video-to-video creation with visual reference guidance, motion consistency, camera control, and high-quality cinematic output. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/20260408113011_1s4gw324.webp)
Kling Video O3 Std Reference To Video
Kling Omni Video O3 (Standard) Reference-to-Video generates creative videos using character, prop, or scene references from multiple viewpoints. Extracts subject features and creates new video content while maintaining identity consistency across frames. Supports audio generation. Ready-to-use REST API, best performance, no cold starts, affordable pricing.
/filters:quality(82)/media/images/1777710032468962174_0u3dmuDN.webp)
Kling Video O3 4k Reference To Video
Kling Video O3 4K Reference-to-Video generates creative 4K videos using character, prop, or scene references from multiple viewpoints. Extracts subject features and creates new video content while maintaining identity consistency across frames. Supports multi-reference images, video guidance, and optional audio generation. Ready-to-use REST API, best performance, no cold starts, affordable pricing.
/filters:quality(82)/media/images/20260408113057_pf19ay3d.webp)
Kling Video O3 Pro Reference To Video
Kling Omni Video O3 Reference-to-Video generates creative videos using character, prop, or scene references from multiple viewpoints. Extracts subject features and creates new video content while maintaining identity consistency across frames. Supports audio generation. Ready-to-use REST API, best performance, no cold starts, affordable pricing.
/filters:quality(82)/media/images/1777710090058146675_WnwFOYyI.webp)
Kling Video O3 4k Image To Video
Kling Video O3 4K Image-to-Video transforms static images into dynamic cinematic 4K videos. Maintains subject consistency while adding natural motion, physics simulation, and seamless scene dynamics. Supports start/end frame control, multi-prompt, and optional audio generation. Ready-to-use REST API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/20260408113054_tn1k4n54.webp)
Kling Video O3 Pro Image To Video
Kling Omni Video O3 Image-to-Video transforms static images into dynamic cinematic videos using MVL (Multi-modal Visual Language) technology. Maintains subject consistency while adding natural motion, physics simulation, and seamless scene dynamics. Supports audio generation. Ready-to-use REST API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/20260408113007_4g9zegs0.webp)
Kling Video O3 Std Image To Video
Kling Omni Video O3 (Standard) Image-to-Video transforms static images into dynamic cinematic videos using MVL (Multi-modal Visual Language) technology. Maintains subject consistency while adding natural motion, physics simulation, and seamless scene dynamics. Supports audio generation. Ready-to-use REST API, best performance, no coldstarts, affordable pricing.
作例
Kling Omni O3の実力を見る
Kling Omni O3 APIで実際に生成された出力です。動画にカーソルを合わせるとプレビュー、クリックすると原寸のビューアで開きます。
使い方
Kling Omni O3 APIの使い方
登録から生成完了まで4ステップ。Python、Node.js、cURLの完全なサンプルは、下のAPIセクションにあります。
- 01
APIキーを取得
WaveSpeedAIのアカウントに登録し、ダッシュボードからAPIキーをコピーします。新規アカウントには無料のスタータークレジットが付くので、課金が始まる前にプレイグラウンドを数十回実行できます。
- 02
予測を送信
入力をJSONとしてhttps://api.wavespeed.ai/api/v3/kwaivgi/kling-video-o3-std/text-to-videoにPOSTします。エンドポイントはすぐに予測IDを返します。生成は非同期なので、推論中に接続を開いたままにする必要はありません。
- 03
完了までポーリング
https://api.wavespeed.ai/api/v3/predictions/{request_id}/resultにGETします。completedなら出力を返し、failed、cancelled、timeout、deletedならエラーで停止し、それ以外のステータスの間はポーリングを続けます。
- 04
出力URLを読み取る
ステータスが"completed"になったら、data.outputs[0]からURLを読み取ります。URLは、WaveSpeedAIのCDN上にある生成されたメディアを指します。呼び出したKling Omni O3のバリアントに応じて、画像、動画、音声、3Dファイルのいずれかです。
活用例
Kling Omni O3で作れるもの
開発者やクリエイターがKling Omni O3 APIでよく使うワークフロー。
MVL による統合型のテキストから動画
kwaivgi/kling-video-o3-std/text-to-video は、Kling Omni の MVL(Multi-modal Visual Language)技術、つまり Kuaishou の高度な統合型マルチモーダルアーキテクチャを使って、テキストプロンプトからシネマティックな動画を生成します。
被写体の一貫性を保つ画像から動画
kwaivgi/kling-video-o3-std/image-to-video は、静止画を、被写体の一貫性を保ち自然なモーションを加えた、ダイナミックでシネマティックな動画に変換します。キーとなる静止画から始める場合の i2v バリアントです。
複数の視点からのリファレンスから動画
kwaivgi/kling-video-o3-std/reference-to-video は、複数の視点からのキャラクター、小道具、シーンの参照を使ってクリエイティブな動画を生成します。被写体の特徴を抽出し、アイデンティティを保ちながら新しいコンテンツを作ります。
会話形式の video-edit
kwaivgi/kling-video-o3-std/video-edit は、自然言語での動画編集に対応しています。オブジェクトの除去や置き換え、背景の入れ替え、シーンのリスタイル、天候やライティングの変更、3〜10秒の部分的な変換を、手動のマスク作業ではなくプロンプトで行えます。
最高水準の出力のための Pro 階層
kwaivgi/kling-video-o3-pro/* は、Standard のバリアント構成(テキストから動画、画像から動画、リファレンスから動画、video-edit)を、Pro の品質で再現します。プロンプト形式は同じで、納品作業ではエンドポイントの階層を切り替えます。
納品解像度のための 4K 階層
kwaivgi/kling-video-o3-4k/* は、テキストから動画、画像から動画、リファレンスから動画を、4Kの納品解像度でカバーします。出力解像度が制約になる場合の最上位の階層です。
マルチモーダルな Visual Language によるコンディショニング
MVL技術は、O3 の各バリアントに共通する、カタログ上の差別化ポイントです。テキスト、画像、参照の視点をもとにする際の、被写体の一貫性と自然なモーションを実現します。静止画の参照とモーション生成を組み合わせる、モダリティをまたぐパイプラインに便利です。
コツ
Kling Omni O3のプロンプトのコツ
Kling Omni O3からより良い出力を得るための実践的なアドバイス。本番のパイプラインで動画モデル全般に通用するパターンに基づいています。
- 01
納品の必要に応じて Standard と Pro を選ぶ
試行と標準的な納品には kwaivgi/kling-video-o3-std/*、Pro の品質が重要なときは kwaivgi/kling-video-o3-pro/* を使います。バリアント名は階層をまたいで共通で、階層のプレフィックスだけが変わります。
- 02
アイデンティティが重要なショットにはリファレンスから動画を使う
キャラクター、小道具、シーンを見分けられる状態に保つ必要があるとき、リファレンスから動画は、複数の視点から被写体の特徴を抽出します。シリーズもののコンテンツでは、テキストだけの条件付けより強力です。
- 03
自然言語による video-edit
マスクを用意するのではなく、オブジェクトの除去、背景の入れ替え、天候の変更といった、会話形式のコマンドで編集内容を記述してください。O3 の video-edit は、プロンプトだけで3〜10秒の部分的な変換を処理します。
- 04
MVL はマルチモーダルな入力で効果を発揮する
ブリーフに特定の被写体が含まれる場合は、テキストプロンプトと参照画像を組み合わせてください。MVL技術は両方で条件付けするため、テキストだけの生成より、被写体の一貫性が高まります。
- 05
バリアントを入力の種類に合わせる
ゼロからならテキストから動画、静止画のアニメーション化には画像から動画、アイデンティティにはリファレンスから動画、既存の映像の変更には video-edit を使います。素材に合ったエンドポイントを選んでください。
料金
Kling Omni O3 APIの料金
料金は出力ごとです。最終的な請求額は、各バリアントのプレイグラウンドで設定するパラメーター(解像度、長さ、出力数、参照入力)に応じて変わります。
| エンドポイント | タイプ | 最低料金 |
|---|---|---|
| kwaivgi/ | video-to-video | $0.63 |
| kwaivgi/ | video-to-video | $0.84 |
| kwaivgi/ | text-to-video | $0.42 |
| kwaivgi/ | text-to-video | $2.10 |
| kwaivgi/ | text-to-video | $0.56 |
| kwaivgi/ | video-to-video | $2.31 |
| kwaivgi/ | video-to-video | $2.31 |
| kwaivgi/ | reference-to-video | $0.42 |
| kwaivgi/ | reference-to-video | $2.10 |
| kwaivgi/ | reference-to-video | $0.56 |
| kwaivgi/ | image-to-video | $2.10 |
| kwaivgi/ | image-to-video | $0.56 |
| kwaivgi/ | image-to-video | $0.42 |
API
Kling Omni O3 APIを呼び出す
wavespeed.ai/accesskeyでAPIキーに登録し、RESTで予測を送信します。プレイグラウンドでは、入力の組み合わせに応じて、そのまま貼り付けられるサンプルが生成されます。
POSThttps://api.wavespeed.ai/api/v3/kwaivgi/kling-video-o3-std/text-to-video
# 1. Submit the prediction.
SUBMIT_RESPONSE=$(curl --silent --show-error --fail-with-body \
-X POST "https://api.wavespeed.ai/api/v3/kwaivgi/kling-video-o3-std/text-to-video" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $WAVESPEED_API_KEY" \
-d '{
"aspect_ratio": "16:9",
"duration": 5,
"sound": false,
"shot_type": "customize"
}')
TASK=$(printf '%s' "$SUBMIT_RESPONSE" | jq 'if has("data") then .data else . end')
PREDICTION_ID=$(printf '%s' "$TASK" | jq -r '.id')
if [ -z "$PREDICTION_ID" ] || [ "$PREDICTION_ID" = "null" ]; then
printf 'Submission response did not contain a prediction id
' >&2
exit 1
fi
RESULT_URL="https://api.wavespeed.ai/api/v3/predictions/$PREDICTION_ID/result"
# 2. Poll until the prediction finishes.
while true; do
RESPONSE=$(curl --silent --show-error --fail-with-body "$RESULT_URL" \
-H "Authorization: Bearer $WAVESPEED_API_KEY")
RESULT=$(printf '%s' "$RESPONSE" | jq 'if has("data") then .data else . end')
STATUS=$(printf '%s' "$RESULT" | jq -r '.status')
case "$STATUS" in
completed) printf '%s\n' "$RESULT" | jq '.outputs'; break ;;
failed|cancelled|timeout|deleted) printf '%s\n' "$RESULT" | jq . >&2; exit 1 ;;
*) sleep 2 ;;
esac
doneconst submitUrl = "https://api.wavespeed.ai/api/v3/kwaivgi/kling-video-o3-std/text-to-video";
const apiKey = process.env.WAVESPEED_API_KEY;
if (!apiKey) throw new Error('Set WAVESPEED_API_KEY');
async function requestJson(url, options = {}) {
const response = await fetch(url, options);
if (!response.ok) throw new Error(await response.text());
return response.json();
}
// 1. Submit the prediction.
const body = await requestJson(submitUrl, {
method: "POST",
headers: {
"Authorization": `Bearer ${apiKey}`,
"Content-Type": "application/json",
},
body: JSON.stringify({
"aspect_ratio": "16:9",
"duration": 5,
"sound": false,
"shot_type": "customize"
}),
});
const task = body.data ?? body;
const resultUrl = `https://api.wavespeed.ai/api/v3/predictions/${task.id}/result`;
// 2. Poll until the prediction finishes.
while (true) {
const resultBody = await requestJson(resultUrl, {
headers: { "Authorization": `Bearer ${apiKey}` },
});
const result = resultBody.data ?? resultBody;
if (result.status === "completed") {
console.log(result.outputs);
break;
}
if (["failed", "cancelled", "timeout", "deleted"].includes(result.status)) throw new Error(JSON.stringify(result));
await new Promise(resolve => setTimeout(resolve, 2000));
}import json
import os
import time
from urllib.request import Request, urlopen
api_key = os.environ["WAVESPEED_API_KEY"]
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}
payload = {
"aspect_ratio": "16:9",
"duration": 5,
"sound": False,
"shot_type": "customize"
}
def request_json(url, data=None):
request = Request(url, data=data, headers=headers, method="POST" if data else "GET")
with urlopen(request) as response:
return json.load(response)
# 1. Submit the prediction.
body = request_json("https://api.wavespeed.ai/api/v3/kwaivgi/kling-video-o3-std/text-to-video", json.dumps(payload).encode())
task = body.get("data", body)
result_url = f"https://api.wavespeed.ai/api/v3/predictions/{task['id']}/result"
# 2. Poll until the prediction finishes.
while True:
result_body = request_json(result_url)
result = result_body.get("data", result_body)
status = result.get("status")
if status == "completed":
print(result.get("outputs", []))
break
if status in {"failed", "cancelled", "timeout", "deleted"}:
raise RuntimeError(result)
time.sleep(2)比較
Kling Omni O3と他モデルの比較
WaveSpeedAI上の類似モデルではなくKling Omni O3を選ぶべきケース。
Kling Omni O3 vs Kling 3.0
Kling 3.0 は、ネイティブオーディオと専用のモーションコントロールエンドポイントを備えた、Standard、Pro、4K の階層があります。Kling O3 は、MVL技術と会話形式の video-edit を備えた、新しい Omni アーキテクチャです。編集の幅は広がりますが、O3 ファミリーには別の 4K やモーションコントロールの階層はありません。
Kling Omni O3 vs Kling Omni O1
Kling O1 は、同じバリアント構成(テキストから動画、i2v、リファレンスから動画、video-edit)を持つ、最初の Omni 統合モデルです。O3 は、改良された MVL 技術を備えた高度な後継モデルです。O1 の提供状況や料金が合う場合を除き、新規プロジェクトには O3 を選んでください。
Kling Omni O3 vs Wan 2.7
Wan 2.7 は、reference-to-video、video-edit、video-extend、image-edit、text-to-image を1つのファミリーにまとめ、より低コストで提供しています。Kling O3 は、MVL によるコンディショニングと会話形式の編集コマンドを備えた、Omni の動画機能に集中しています。
FAQ
Kling Omni O3 API — よくある質問
料金、ライセンス、連携など、WaveSpeedAIでKling Omni O3を実行する際のよくある質問。
Kling Omni O3 APIとは何ですか?
Kling Omni O3は、Kuaishouの動画生成モデルで、WaveSpeedAI上でREST APIとして提供されています。Kuaishou の Kling Omni Video O3 は、MVL(Multi-modal Visual Language)技術を備えた、高度な統合型マルチモーダル動画モデルです。Standard、Pro、4K の階層に、テキストから動画、画像から動画、リファレンスから動画、会話形式の video-edit があります。プログラムから呼び出すことも、上にリンクされたプレイグラウンドで試すこともできます。
Kling Omni O3 APIはどう呼び出しますか?
WaveSpeedAIのアカウントに登録し、/accesskeyからAPIキーをコピーして、入力をJSONとしてhttps://api.wavespeed.ai/api/v3/kwaivgi/kling-video-o3-std/text-to-videoにPOSTします。エンドポイントは予測IDを返します。結果のエンドポイントを約2秒ごとにポーリングし、長時間かかるタスクでは間隔を広げ、終端ステータスになったら停止してください。本番運用向けのPython / Node.js / cURLのサンプルは上にあります。
Kling Omni O3 APIの料金はいくらですか?
Kling Omni O3は1回あたり$0.42からです。実際の料金は、設定するパラメーター(解像度、長さ、出力数、参照入力)に応じて変わります。プレイグラウンドの「生成」ボタンの横に表示されるリアルタイムの料金プレビューで、現在の入力での正確な料金を確認できます。
Kling Omni O3にはどのバリアントがありますか?
WaveSpeedAIでは、13個のKling Omni O3エンドポイントが利用可能です:kwaivgi/kling-video-o3-std/video-edit, kwaivgi/kling-video-o3-pro/video-edit, kwaivgi/kling-video-o3-std/text-to-video, kwaivgi/kling-video-o3-4k/text-to-video, kwaivgi/kling-video-o3-pro/text-to-video, kwaivgi/kling-video-o3-4k/video-edit, kwaivgi/kling-video-o3-4k/video-reference, kwaivgi/kling-video-o3-std/reference-to-videoほか。各バリアントには、専用のプレイグラウンドページと料金があります。
Kling Omni O3の出力を商用利用できますか?
商用利用の権利は、Kuaishouのモデルライセンスに従います。Kuaishouのほとんどのモデルは出力の商用利用を認めています。具体的なライセンスの概要は各モデルのプレイグラウンドページで、プラットフォーム全体の条件はWaveSpeedAIの利用規約でご確認ください。
なぜ直接ではなくWaveSpeedAIでKling Omni O3を使うのですか?
Kling Omni O3と、他のプロバイダーの1,000以上のAIモデルを、1つのAPIキー、1つの請求アカウントで利用できます。ベンダーごとのSDK設定も、個別のレート制限も、ベンダーごとの連携コードの書き直しも不要です。料金は、通常Kuaishouの直接のAPIと同等かそれ以下です。
提供元
Kuaishouについて
WaveSpeedAIにおけるKling Omni O3と、Kuaishouのモデルラインナップ全体を手がけるチーム。
Kuaishou は、中国の大手ショート動画プラットフォームであり、動画生成モデルの Kling ファミリーを開発するチームです。Kling 3.0 は、ネイティブのオーディオ合成(全バリアントに sound パラメーター)を備えた Standard、Pro、4K の階層に加え、参照動画からモーションを転送して静止したキャラクター画像をアニメーション化する、専用のモーションコントロールエンドポイントを提供します。
WaveSpeedAIでKling Omni O3を使った開発を始めよう
登録時に無料のスタータークレジットを進呈。Kuaishouをはじめ、あらゆるプロバイダーの1,000以上のAIモデルを、1つのAPIキーで。