Kling Omni O3 API
快手 Kling Omni Video O3——采用 MVL(Multi-modal Visual Language,多模态视觉语言)技术的先进统一多模态视频模型。Standard、Pro 和 4K 档位,提供文生视频、图生视频、参考生视频和对话式视频编辑。
Standard(kwaivgi/kling-video-o3-std/*)、Pro(kwaivgi/kling-video-o3-pro/*)和 4K(kwaivgi/kling-video-o3-4k/*)档位。MVL 技术可在不同模态之间保持主体一致性。视频编辑接受自然语言指令,可移除物体、替换背景、重绘场景风格,并应用 3-10 秒的局部变换。
概览
关于 Kling Omni O3 API
Kling Omni O3 能做什么、它在 Kuaishou 模型阵容中的定位,以及团队选择它的原因。
Kling Omni O3 是 Kuaishou 推出的视频生成模型,可通过 WaveSpeedAI REST API 使用。快手 Kling Omni Video O3——采用 MVL(Multi-modal Visual Language,多模态视觉语言)技术的先进统一多模态视频模型。Standard、Pro 和 4K 档位,提供文生视频、图生视频、参考生视频和对话式视频编辑。
Standard(kwaivgi/kling-video-o3-std/*)、Pro(kwaivgi/kling-video-o3-pro/*)和 4K(kwaivgi/kling-video-o3-4k/*)档位。MVL 技术可在不同模态之间保持主体一致性。视频编辑接受自然语言指令,可移除物体、替换背景、重绘场景风格,并应用 3-10 秒的局部变换。
WaveSpeedAI 上的 Kling Omni O3 系列提供 13 个 REST 端点,涵盖 Video-To-Video, Text-To-Video, Reference-To-Video, Image-To-Video 个工作流。每个变体都有各自的定价、参数选项和示例输出——请选择与你的输入模态和生产约束相匹配的那一个,或使用同一个 API 密钥调用多个变体,组合成多步骤流水线。
使用与 WaveSpeedAI 上其他 1,000 多个 AI 模型相同的 API 密钥、账单账户和速率限制来运行 Kling Omni O3。无需单独对接供应商,无需各家 SDK,也无需应对各家不同的速率限制——一次集成即可覆盖从文生图、文生视频到音频合成、3D 生成、放大和编辑的全部能力。
端点
全部 Kling Omni O3 API 端点
WaveSpeedAI 现已提供 13 个 Kling Omni O3 端点——请选择适合你工作流的变体。
/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.
示例
看看 Kling Omni O3 的实际效果
由 Kling Omni O3 API 生成的真实输出。悬停在任意视频上即可预览,点击可打开全尺寸查看器。
使用方法
如何使用 Kling Omni O3 API
从注册到完成一次生成,只需四步。完整的 Python、Node.js 和 cURL 示例见下方的 API 部分。
- 01
获取 API 密钥
注册 WaveSpeedAI 账号,并从控制台复制你的 API 密钥。新账号附带免费体验额度——足够在开始计费前把 Playground 运行几十次。
- 02
提交预测
把你的输入以 JSON 形式 POST 到 https://api.wavespeed.ai/api/v3/kwaivgi/kling-video-o3-std/text-to-video。端点会立即返回预测 ID——生成是异步的,因此推理期间你无需保持连接。
- 03
轮询完成状态
GET https://api.wavespeed.ai/api/v3/predictions/{request_id}/result。状态为 completed 时返回输出;状态为 failed、cancelled、timeout 或 deleted 时以错误终止;其他任何状态都继续轮询。
- 04
读取输出 URL
状态变为 "completed" 后,从 data.outputs[0] 读取 URL。该 URL 指向 WaveSpeedAI CDN 上你生成的媒体——具体是图片、视频、音频还是 3D 文件,取决于你调用的 Kling Omni O3 变体。
应用场景
用 Kling Omni O3 可以构建什么
开发者和创作者使用 Kling Omni O3 API 的常见工作流。
基于 MVL 的统一文生视频
kwaivgi/kling-video-o3-std/text-to-video 利用 Kling Omni 的 MVL(多模态视觉语言)技术——快手先进的统一多模态架构——根据文本提示词生成电影感视频。
保持主体一致的图生视频
kwaivgi/kling-video-o3-std/image-to-video 把静态图像变成动态的电影感视频,在保持主体一致的同时加入自然的运动——从关键静态图起步时使用的 i2v 变体。
多视角参考生视频
kwaivgi/kling-video-o3-std/reference-to-video 使用来自多个视角的角色、道具或场景参考生成创意视频——提取主体特征并创作新内容,同时保持身份一致。
对话式视频编辑
kwaivgi/kling-video-o3-std/video-edit 支持自然语言视频编辑:移除或替换物体、替换背景、重绘场景风格、更改天气/光线,并应用 3-10 秒的局部变换——通过提示词编辑,无需手动蒙版。
Pro 档位,顶级输出
kwaivgi/kling-video-o3-pro/* 与 Standard 的变体范围一致(文生视频、图生视频、参考生视频、视频编辑),但提供 Pro 画质——提示词格式相同,交付工作时切换端点档位即可。
4K 档位,交付分辨率
kwaivgi/kling-video-o3-4k/* 涵盖 4K 交付分辨率的文生视频、图生视频和参考生视频——当输出分辨率是限制因素时的顶级档位。
多模态视觉语言引导
MVL 技术是 O3 各变体在目录中的差异化特点——以文本、图像或参考视角为条件时,保持主体一致并产生自然运动。适合把静态参考与运动生成结合的跨模态流水线。
技巧
Kling Omni O3 提示词技巧
让 Kling Omni O3 输出更好结果的实用建议——总结自生产流水线中各类视频模型都适用的做法。
- 01
根据交付需求选择 Standard 或 Pro
kwaivgi/kling-video-o3-std/* 用于迭代和默认交付;需要 Pro 画质时用 kwaivgi/kling-video-o3-pro/*。各档位的变体名称相同——只有档位前缀不同。
- 02
身份至关重要的镜头使用参考生视频
当角色、道具或场景必须保持可辨识时,参考生视频会从多个视角提取主体特征——对系列化内容而言,强于仅靠文本引导。
- 03
用自然语言编辑视频
把编辑描述成对话式指令——移除物体、替换背景、改变天气——而不是提供蒙版。O3 视频编辑仅凭提示词即可处理 3-10 秒的局部变换。
- 04
MVL 在多模态输入下更有优势
当需求包含特定主体时,把文本提示词与参考图像结合使用。MVL 技术同时以两者为条件——主体一致性好于仅用文本的生成。
- 05
让变体与输入类型匹配
全新创作用文生视频;为静态图添加动态用图生视频;保持身份用参考生视频;修改现有素材用视频编辑。选择与素材相匹配的端点。
定价
Kling Omni O3 API 定价
按输出计费。最终费用会随你在各变体 Playground 中设置的参数(分辨率、时长、输出数量、参考素材)而变化。
| 端点 | 类型 | 起步价 |
|---|---|---|
| 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 | $0.42 |
API
调用 Kling Omni O3 API
在 wavespeed.ai/accesskey 注册并获取 API 密钥,然后通过 REST 提交预测。Playground 可以为任意输入组合生成可直接粘贴的示例代码。
POSThttps://api.wavespeed.ai/api/v3/kwaivgi/kling-video-o3-std/text-to-video
# 1. Submit the prediction.
SUBMIT_RESPONSE=$(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)对比
Kling Omni O3 与其他方案对比
在 WaveSpeedAI 上,何时应选择 Kling Omni O3 而不是同类模型。
Kling Omni O3 对比 Kling 3.0
Kling 3.0 提供 Standard、Pro 和 4K 档位,带原生音频和专用的运动控制端点。Kling O3 是较新的 Omni 架构,具备 MVL 技术和对话式视频编辑——编辑范围更广,但 O3 系列中没有单独的 4K 或运动控制档位。
Kling Omni O3 对比 Kling Omni O1
Kling O1 是首个 Omni 统一模型,变体模式相同(文生视频、i2v、参考生视频、视频编辑)。O3 是其先进的后继者,MVL 技术有所改进——新项目选 O3,除非 O1 的可用性或价格更合适。
Kling Omni O3 对比 Wan 2.7
Wan 2.7 在一个系列中以更低成本提供参考生视频、视频编辑、视频延长、图像编辑和文生图。Kling O3 则专注于 Omni 视频,具备 MVL 引导和对话式编辑指令。
常见问题
Kling Omni O3 API — 常见问题
定价、许可、集成——关于在 WaveSpeedAI 上运行 Kling Omni O3 的常见问题。
Kling Omni O3 API 是什么?
Kling Omni O3 是 Kuaishou 的视频生成模型,在 WaveSpeedAI 上以 REST API 形式提供。快手 Kling Omni Video O3——采用 MVL(Multi-modal Visual Language,多模态视觉语言)技术的先进统一多模态视频模型。Standard、Pro 和 4K 档位,提供文生视频、图生视频、参考生视频和对话式视频编辑。你可以通过编程方式调用它,也可以在上方链接的 Playground 中试用。
如何调用 Kling Omni O3 API?
注册 WaveSpeedAI 账号,从 /accesskey 复制你的 API 密钥,然后把输入以 JSON 形式 POST 到 https://api.wavespeed.ai/api/v3/kwaivgi/kling-video-o3-std/text-to-video。端点会返回预测 ID。从大约每 2 秒一次开始轮询结果端点,长耗时任务可适当拉长间隔,并在任何终止状态时停止。上方有面向生产环境的 Python / Node.js / cURL 示例。
Kling Omni O3 API 的费用是多少?
Kling Omni O3 每次调用 $0.42 起。实际费用会随你设置的参数(分辨率、时长、输出数量、参考素材)而变化。Playground 中“生成”按钮旁的实时费用预览会显示你当前输入对应的准确价格。
有哪些 Kling Omni O3 变体可用?
WaveSpeedAI 托管了 13 个已上线的 Kling Omni O3 端点: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等。每个变体都有自己的 Playground 页面和定价。
Kling Omni O3 的输出可以商用吗?
商用权利遵循 Kuaishou 的模型许可。大多数 Kuaishou 模型允许商用输出;具体许可摘要请查看各模型的 Playground 页面,平台层面的条件请参阅 WaveSpeedAI 的服务条款。
为什么要在 WaveSpeedAI 上使用 Kling Omni O3,而不是直接对接?
一个 API 密钥、一个账单账户,即可使用 Kling Omni O3 以及来自其他提供方的 1,000 多个 AI 模型。无需逐家配置 SDK,无需应对各自独立的速率限制,也无需为每家重写集成代码。价格通常与 Kuaishou 直接提供的 API 持平或更低。
提供方
关于 Kuaishou
Kling Omni O3 及 WaveSpeedAI 上 Kuaishou 更多模型背后的团队。
快手是中国领先的短视频平台,也是 Kling 系列视频生成模型背后的团队。Kling 3.0 提供 Standard、Pro 和 4K 档位,具备原生音频合成(每个变体都有 sound 参数),另有专用的运动控制端点,可从参考视频迁移动作,让静态角色图像动起来。
在 WaveSpeedAI 上用 Kling Omni O3 开始构建
注册即送免费体验额度。一个 API 密钥,即可使用来自 Kuaishou 及其他所有提供方的 1,000 多个 AI 模型。