Kuaishou● 可用

Kling O3 API

Kling O3 视频生成与编辑模型，支持 3～15 秒文生、图生、参考生成和视频编辑；文生与图生支持 720p、1080p、4K 及可选音效，参考与编辑按当前计费规范支持 720p、1080p 且关闭音效。

文生视频图生视频参考生视频视频编辑 720p1080p4k 3–15s

Kling O3 是什么

Kling O3 是快手 Kling 3.0 系列的视频生成模型，上游资料称其为 Kling Video 3.0 Omni，随 Kling 3.0 系列于 2026 年 2 月 4–5 日发布。上游主张的能力包括：原生 4K（60fps，2026 年 4 月 29 日宣布）、单次最多 6 镜/15 秒的多分镜分镜板、最多 7 张参考图或参考视频驱动的角色外观与声音一致性、自然语言视频编辑、视觉思维链（vCoT）以及英/中/日/韩/西五语种原生音频。以上均为上游主张，实际效果以任务结果为准。

Roko 通过 /v1/videos/tasks 异步任务接口接入 kling-o3，提供四条路线：text-to-video（文生视频）、image-to-video（图生视频）、reference-to-video（参考生视频）与 video-edit（视频编辑），均按输出秒数计费。文生与图生路线支持音频开关（默认关闭）；参考生与视频编辑路线限定 720p/1080p 且关闭音频。图生接受 1–2 张输入图，参考生与编辑接受 0–7 张图加 1 段视频。

价格以 Roko 公开目录为准：文生/图生无音频 720p $0.088、1080p $0.1166、4K $0.4378 每秒；生成音频 720p $0.1166、1080p $0.1463，4K 维持 $0.4378；参考生/视频编辑 720p $0.132、1080p $0.1761 每秒。时长 3–15 秒（默认 5），分辨率默认 720p，比例支持 16:9、9:16、1:1（默认 16:9）。提交时预估费用，完成按实际用量结算。

模型价格

价格来自当前生产定价配置，并按实际支持的生成路线和计费维度展示。

路线	价格	计费方式
文生 / 图生（无音频）	720p $0.088/秒1080p $0.1166/秒4k $0.4378/秒	按输出视频秒数
文生 / 图生（生成音频）	720p $0.1166/秒1080p $0.1463/秒	按输出视频秒数
参考 / 编辑	720p $0.132/秒1080p $0.1761/秒	按输出视频秒数

费用示例

以下示例按输出秒数 × 对应档位单价复算，提交时预估、完成按实际用量结算；金额为目录单价乘积，未含平台可能的活动折扣。

720p 无音频 5 秒（文生/图生）

`$0.088/秒 × 5 秒 = $0.44`

默认档位组合：默认时长 5 秒、默认分辨率 720p、音频默认关闭，是验证提示词的最低成本组合。

1080p 生成音频 5 秒（文生/图生）

`$0.1463/秒 × 5 秒 = $0.7315`

需要环境声或对白时开启音频；同规格关闭音频为 $0.583（$0.1166/秒 × 5 秒），音频开关差价明显。

1080p 参考生 10 秒

`$0.1761/秒 × 10 秒 = $1.761`

参考生路线固定无音频；输入 1 段参考视频加最多 7 张参考图，按 720p $0.132 或 1080p $0.1761 每秒计费。

4K 无音频 5 秒（文生/图生）

`$0.4378/秒 × 5 秒 = $2.189`

4K 档开/关音频同为 $0.4378 每秒，约为 720p 无音频的 5 倍，建议确认构图后再升档输出母版。

模型信息

仅列出当前供应商开发文档确认并已接入的子模型、能力和限制。

文生视频

`kling-o3-text-to-video`

能力限制: —
时长: 3–15s

图生视频

`kling-o3-image-to-video`

能力限制: 图片 1–2
时长: 3–15s

参考生视频

`kling-o3-reference-to-video`

能力限制: 图片 0–7 · 视频 1
时长: 3–15s

视频编辑

`kling-o3-video-edit`

能力限制: 图片 0–7 · 视频 1
时长: 3–15s

能力来源 ↗

核心能力

4K 档可选

上游主张 Kling O3 原生支持 4K 60fps 输出（2026 年 4 月 29 日宣布）。Roko 目录中文生/图生路线可输出 4K，每秒 $0.4378，开启或关闭音频同价，适合需要后期裁切或大屏投放的成片；建议先用 720p 验证提示词再上 4K。

音频开关直接降单价

文生/图生路线支持音频开关，默认关闭。以 720p 为例，关闭音频每秒 $0.088，开启后 $0.1166，5 秒成片相差 $0.143；1080p 开音频为 $0.1463。不需要对白与环境声时保持关闭即可拿到最低单价。

参考生与视频编辑路线

reference-to-video 与 video-edit 路线接受 1 段参考/待编辑视频加 0–7 张图片，按 720p $0.132、1080p $0.1761 每秒计费。两条路线限定 720p/1080p 且关闭音频，适合围绕已有素材做续写、改写与风格化处理。

上游多分镜与角色一致性主张

上游资料称 Kling O3 支持单次最多 6 镜/15 秒的多分镜分镜板，并可从最多 7 张参考图或参考视频中提取角色外观与声音特征保持跨镜头一致，同时改进画面文字渲染。以上为上游主张，Roko 未做实测对比，请以任务实际返回为准。

主要参数

以下参数由结构化模型配置生成；未配置或供应商不支持的参数不会显示。

modelstring

子模型 ID

默认值: kling-o3-text-to-video / kling-o3-image-to-video / kling-o3-reference-to-video / kling-o3-video-edit

promptstring

默认值: 必填

durationinteger

按输出视频秒数

默认值: 3–15s

qualityenum

当前计费

默认值: 720p / 1080p / 4k

aspect_ratioenum

生成能力

默认值: 16:9 / 9:16 / 1:1

generate_audioboolean

生成能力

默认值: false

image_urlsarray

图生视频: 1–2 · 参考生视频: 0–7 · 视频编辑: 0–7

默认值: 按生成路线

video_urlsarray

参考生视频: 1 · 视频编辑: 1

默认值: 按生成路线

模型能力与使用建议

主要特性

文生视频 · kling-o3-text-to-video
图生视频 · kling-o3-image-to-video
参考生视频 · kling-o3-reference-to-video
视频编辑 · kling-o3-video-edit
720p / 1080p / 4k 输出
3–15s 时长
可生成音频
支持音频素材或音画同出

使用限制

图生视频: 图片 1–2
参考生视频: 图片 0–7 · 视频 1
视频编辑: 图片 0–7 · 视频 1
能力来源: https://evolink.ai/zh/kling-o3

限制与注意事项

参考生与视频编辑路线限定 720p/1080p 且关闭音频；需要 4K 或原生音频时只能走文生/图生路线。
4K 档仅文生/图生路线可用，每秒 $0.4378 且开/关音频同价；约为 720p 无音频单价（$0.088）的 5 倍。
提交成功只代表任务受理，不代表生成成功；费用在提交时预估、完成时按实际用量结算，最终以终态查询结果为准。
Roko 输出链接有有效期，超出后失效，生成 succeeded 后必须及时转存到自己的存储。
比例仅支持 16:9、9:16、1:1 三档（默认 16:9）；其他画幅需靠裁切或补边实现。
上游主张的多分镜（最多 6 镜/15 秒）、角色/声音一致性与五语种原生音频均为上游资料口径，Roko 未做实测对比，请以任务实际返回为准。

调用流程

准备提示词与参数：model 填 kling-o3，选择路线对应的输入（文本提示、1–2 张图片，或参考/编辑路线的 1 段视频加 0–7 张图片），设定 3–15 秒时长、720p/1080p/4K 分辨率与 16:9、9:16、1:1 比例；文生/图生可开启音频。
POST /v1/videos/tasks 提交任务，返回 task_id；提交成功只代表任务受理，响应中的费用为预估值。
轮询 GET /v1/tasks/{task_id} 查询任务状态，等待 queued/processing 进入终态。
succeeded 后从任务结果读取视频 URL；Roko 输出链接有有效期，及时转存到自己的存储。
failed 时读取错误信息，修正提示词或参数后用相同流程重新提交；失败任务按平台退款规则结算，最终以终态查询结果为准。

典型使用场景

角色一致性多镜头短片

输入：角色参考图（上游称最多 7 张）加分镜提示词；操作：参考生路线或分镜板式提示词生成多镜头片段；预期：同一角色在镜头间保持外观一致（上游主张，需实测验证）；限制：参考路线限 720p/1080p 且无音频。

参考视频驱动的角色/声音复刻

输入：1 段参考视频，上游主张可从中提取角色外观与声音特征；操作：reference-to-video 路线生成新片段；预期：沿用参考素材中的角色形象（上游主张）；限制：该路线关闭音频、限 720p/1080p，声音复刻能力未在 Roko 实测验证。

自然语言视频编辑

输入：1 段待编辑视频加 0–7 张图片，用自然语言描述修改要求；操作：video-edit 路线按指令改写画面；预期：无需逐帧工具即可完成风格化或局部修改；限制：输出限 720p/1080p 且无音频，需要配音时后期另配。

与站内其他视频模型的选择

按计费方式与工作流特点粗分，最终以各模型目录与实测为准。

Kling O3 vs Kling 3.0 Turbo

同门两档：O3 主打全能（参考生、视频编辑、4K 档、上游主张的多分镜与一致性能力），Turbo 主打速度与低价。追求规格上限选 O3，批量短素材、对成本敏感选 Turbo；两者价格均以 Roko 目录为准。

Kling O3 vs Hailuo 3

O3 提供音频开关（720p 关音频 $0.088 起）与 4K 档（$0.4378/秒），路线覆盖参考生与视频编辑；Hailuo 3 主打全模态输入与最多 12 个文件参考。多素材融合选 Hailuo，需要 4K 母版或按秒可控的音频成本选 O3。

Kling O3 vs Veo 3.1

4K 档定价口径不同：O3 4K 每秒 $0.4378（开/关音频同价），Veo 3.1 4K 每秒 $0.308（关音频）或 $0.3608（开音频）。两者计费细节不同（Veo 按结果数且每结果至少 4 秒计），不能只比单价，最终以各自目录为准。

常见问题

Kling O3 在 Roko 上的模型 ID 是什么？

提交任务时 model 填 kling-o3，网关按路线路由到 kling-o3-text-to-video、kling-o3-image-to-video、kling-o3-reference-to-video 或 kling-o3-video-edit 四个子路线，实际路由以任务返回为准。

Kling O3 生成一条视频多少钱？

按输出秒数计费。文生/图生：720p 无音频 $0.088/秒、开启音频 $0.1166/秒；1080p 无音频 $0.1166/秒、开启音频 $0.1463/秒；4K 恒为 $0.4378/秒。参考生/视频编辑：720p $0.132/秒、1080p $0.1761/秒（无音频）。例如 720p 无音频 5 秒为 $0.44。

支持 4K 输出吗？

支持。文生/图生路线可输出 720p、1080p、4K（默认 720p），4K 每秒 $0.4378 且开/关音频同价。上游宣称原生 4K 60fps，属上游主张；参考生与视频编辑路线不支持 4K。

参考生和视频编辑路线有什么限制？

两条路线都接受 1 段视频加 0–7 张图片（图生视频则为 1–2 张图片、无需视频），但输出限定 720p/1080p 且强制关闭音频，价格按 720p $0.132、1080p $0.1761 每秒计。

支持哪些时长和比例？

时长 3–15 秒，默认 5 秒；比例支持 16:9、9:16、1:1，默认 16:9。以上以 Roko 当前目录为准。

为什么提交后不能立刻拿到视频？

视频生成是异步任务：POST /v1/videos/tasks 返回 task_id，轮询 GET /v1/tasks/{task_id} 至终态后才能读取结果。提交成功只代表任务受理，不代表生成成功。

Kling O3 可以免费试用吗？

Roko API 调用按上述单价计费，没有免费额度承诺。注册后充值即可调用；是否有限时体验活动以官网当前公告为准。

生成结果可以商用吗？

商用合规取决于输入素材权利、生成内容本身、快手与 Roko 的服务条款及适用法律。发布前请自行完成版权、肖像与内容合规审查；参考素材涉及他人形象或声音时尤其需要取得授权。

来源与核验范围

上游能力主张来自快手 Kling 公开资料；Roko 可调用参数、路线与价格来自当前生产目录。核验日期：2026-10-09。

Kuaishou: Kling AI 3.0 official launch Official launch: Video 3.0 Omni, multimodal generation and editing, up to 15 seconds, native multilingual audio, multi-shot storyboards, and reference-video consistency
Kuaishou: Q2 2026 results and native 4K rollout Official company disclosure for native 4K output in the Kling AI 3.0 model series
HowAIWorks: Kling 3.0 family Upstream: kling-o3 model name, 3-15s default 5s, up to 7 reference images, natural-language video editing, 5 audio languages
Roko API video task docs Async submit, task query, and billing lifecycle on Roko
Roko API model catalog Current routes, prices, and generation config

同家族模型

继续查看同一模型家族的其他可用版本。

其他视频模型

浏览支持统一异步视频任务接口的其他模型。

查看全部视频模型 →