Kuaishou● Khả dụng

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。

Văn bản thành videoẢnh thành videoTham chiếu thành videoChỉnh sửa video 720p1080p4k 3–15s

Kling O3 là gì

Kling O3 là mô hình tạo video thuộc dòng Kling 3.0 của Kuaishou; tài liệu thượng nguồn gọi nó là Kling Video 3.0 Omni, ra mắt cùng dòng Kling 3.0 vào ngày 4–5 tháng 2 năm 2026. Các tuyên bố từ thượng nguồn bao gồm: 4K gốc (60fps, công bố ngày 29 tháng 4 năm 2026), bảng phân cảnh nhiều tới 6 cú quay/15 giây mỗi lần chạy, tính nhất quán ngoại hình và giọng nói của nhân vật dựa trên tối đa 7 ảnh tham chiếu hoặc một video tham chiếu, chỉnh sửa video bằng ngôn ngữ tự nhiên, chuỗi suy nghĩ thị giác (vCoT) và âm thanh gốc năm ngôn ngữ (Anh, Trung, Nhật, Hàn, Tây Ban Nha). Tất cả đều là tuyên bố của thượng nguồn; kết quả thực tế dựa vào đầu ra của tác vụ.

Roko cung cấp kling-o3 qua API tác vụ bất đồng bộ /v1/videos/tasks với bốn tuyến: text-to-video, image-to-video, reference-to-video và video-edit, đều tính phí theo giây đầu ra. Hai tuyến văn bản và ảnh thành video hỗ trợ công tắc âm thanh (mặc định tắt); reference-to-video và video-edit giới hạn ở 720p/1080p và buộc tắt âm thanh. Image-to-video nhận 1–2 ảnh đầu vào; các tuyến tham chiếu và chỉnh sửa nhận 0–7 ảnh cộng 1 video.

Giá theo danh mục công khai của Roko: text/image-to-video không âm thanh 720p $0.088/giây, 1080p $0.1166/giây, 4K $0.4378/giây; có âm thanh tạo sẵn 720p $0.1166/giây, 1080p $0.1463/giây (4K giữ nguyên $0.4378); reference-to-video và video-edit 720p $0.132/giây, 1080p $0.1761/giây. Thời lượng 3–15 giây (mặc định 5), độ phân giải mặc định 720p, tỉ lệ khung hình 16:9, 9:16, 1:1 (mặc định 16:9). Chi phí được ước tính khi gửi và tất toán theo mức sử dụng thực tế khi hoàn tất.

Giá mô hình

Giá tuân theo cấu hình production hiện tại và đơn vị tính phí thực tế mà từng chế độ hỗ trợ.

Chế độ	Giá	Quy tắc tính phí
文生 / 图生（无音频）	720p $0.088/giây1080p $0.1166/giây4k $0.4378/giây	按输出视频秒数
文生 / 图生（生成音频）	720p $0.1166/giây1080p $0.1463/giây	按输出视频秒数
参考 / 编辑	720p $0.132/giây1080p $0.1761/giây	按输出视频秒数

Ví dụ chi phí

Các ví dụ dưới đây tính bằng giây đầu ra × đơn giá của bậc đã chọn; chi phí được ước tính khi gửi và tất toán theo mức sử dụng thực tế. Số tiền là tích của đơn giá danh mục, chưa gồm khuyến mãi (nếu có) của nền tảng.

720p không âm thanh, 5 giây (văn bản/ảnh thành video)

`$0.088/giây × 5 giây = $0.44`

Tổ hợp mặc định — 5 giây, 720p, âm thanh tắt — là cách rẻ nhất để kiểm chứng prompt.

1080p có âm thanh, 5 giây (văn bản/ảnh thành video)

`$0.1463/giây × 5 giây = $0.7315`

Bật âm thanh khi cần âm nền hoặc thoại; cùng cấu hình nhưng tắt âm thanh là $0.583 ($0.1166/giây × 5 giây) — công tắc ảnh hưởng rõ rệt đến hóa đơn.

1080p video tham chiếu, 10 giây

`$0.1761/giây × 10 giây = $1.761`

Tuyến tham chiếu luôn tắt âm thanh; đầu vào gồm 1 video tham chiếu cộng tối đa 7 ảnh, tính phí $0.132/giây (720p) hoặc $0.1761/giây (1080p).

4K không âm thanh, 5 giây (văn bản/ảnh thành video)

`$0.4378/giây × 5 giây = $2.189`

4K có giá $0.4378/giây dù bật hay tắt âm thanh — khoảng gấp 5 lần mức 720p tắt âm. Hãy chốt bố cục ở 720p trước khi xuất bản master 4K.

Thông tin mô hình

Chỉ hiển thị mô hình, khả năng và giới hạn đã được nhà cung cấp xác nhận và cổng API triển khai.

Văn bản thành video

`kling-o3-text-to-video`

Giới hạn: —
Thời lượng: 3–15s

Ảnh thành video

`kling-o3-image-to-video`

Giới hạn: Ảnh 1–2
Thời lượng: 3–15s

Tham chiếu thành video

`kling-o3-reference-to-video`

Giới hạn: Ảnh 0–7 · Video 1
Thời lượng: 3–15s

Chỉnh sửa video

`kling-o3-video-edit`

Giới hạn: Ảnh 0–7 · Video 1
Thời lượng: 3–15s

Nguồn thông tin ↗

Năng lực chính

Bậc 4K khả dụng

Thượng nguồn tuyên bố Kling O3 xuất 4K gốc ở 60fps (công bố ngày 29 tháng 4 năm 2026). Trên Roko, các tuyến văn bản và ảnh thành video có thể xuất 4K với giá $0.4378 mỗi giây — cùng giá dù bật hay tắt âm thanh. Phù hợp cho bản master cần cắt lại hoặc chiếu màn hình lớn; hãy kiểm chứng prompt ở 720p trước.

Công tắc âm thanh giảm đơn giá

Các tuyến văn bản và ảnh thành video hỗ trợ công tắc âm thanh, mặc định tắt. Ở 720p, tắt âm thanh là $0.088/giây so với $0.1166/giây khi bật — chênh $0.143 cho clip 5 giây; 1080p bật âm thanh là $0.1463/giây. Giữ tắt khi không cần thoại hay âm nền để có mức giá thấp nhất.

Tuyến video tham chiếu và chỉnh sửa video

Các tuyến reference-to-video và video-edit nhận 1 video tham chiếu/cần chỉnh sửa cộng 0–7 ảnh, tính phí $0.132/giây (720p) hoặc $0.1761/giây (1080p). Cả hai giới hạn ở 720p/1080p và buộc tắt âm thanh, phù hợp để viết tiếp, viết lại hoặc đổi phong cách tư liệu có sẵn.

Tuyên bố thượng nguồn về đa phân cảnh và nhất quán

Tài liệu thượng nguồn mô tả chế độ bảng phân cảnh tới 6 cú quay/15 giây mỗi lần chạy, tính nhất quán ngoại hình và giọng nhân vật được trích xuất từ tối đa 7 ảnh tham chiếu hoặc một video tham chiếu, cùng khả năng kết xuất chữ trên khung hình cải thiện. Đây là tuyên bố của thượng nguồn, chưa được Roko đo đạc — hãy kiểm chứng bằng đầu ra thực tế của tác vụ.

Tham số chính

Tham số được tạo từ cấu hình mô hình có cấu trúc; trường chưa cấu hình hoặc không được hỗ trợ sẽ bị ẩn.

modelstring

Mã mô hình

Giá trị mặc định: kling-o3-text-to-video / kling-o3-image-to-video / kling-o3-reference-to-video / kling-o3-video-edit

promptstring

Giá trị mặc định: Bắt buộc

durationinteger

Số giây video đầu ra

Giá trị mặc định: 3–15s

qualityenum

Cách tính phí hiện tại

Giá trị mặc định: 720p / 1080p / 4k

aspect_ratioenum

Khả năng

Giá trị mặc định: 16:9 / 9:16 / 1:1

generate_audioboolean

Khả năng

Giá trị mặc định: false

image_urlsarray

Ảnh thành video: 1–2 · Tham chiếu thành video: 0–7 · Chỉnh sửa video: 0–7

Giá trị mặc định: Theo chế độ

video_urlsarray

Tham chiếu thành video: 1 · Chỉnh sửa video: 1

Giá trị mặc định: Theo chế độ

Khả năng và hướng dẫn sử dụng

Tính năng chính

Văn bản thành video · kling-o3-text-to-video
Ảnh thành video · kling-o3-image-to-video
Tham chiếu thành video · kling-o3-reference-to-video
Chỉnh sửa video · kling-o3-video-edit
720p / 1080p / 4k đầu ra
3–15s Thời lượng
Có thể tạo âm thanh
Hỗ trợ tư liệu âm thanh hoặc video có âm thanh

Giới hạn sử dụng

Ảnh thành video: Ảnh 1–2
Tham chiếu thành video: Ảnh 0–7 · Video 1
Chỉnh sửa video: Ảnh 0–7 · Video 1
Nguồn thông tin: https://evolink.ai/zh/kling-o3

Giới hạn và lưu ý

Reference-to-video và video-edit giới hạn ở 720p/1080p và buộc tắt âm thanh; 4K hoặc âm thanh gốc chỉ có qua tuyến văn bản/ảnh thành video.
Bậc 4K chỉ dùng cho văn bản/ảnh thành video, giá $0.4378/giây dù bật hay tắt âm thanh — khoảng gấp 5 lần đơn giá 720p tắt âm ($0.088/giây).
Gửi thành công chỉ nghĩa là tác vụ được tiếp nhận, không bảo đảm tạo thành công; chi phí được ước tính khi gửi và tất toán theo mức sử dụng thực tế, trạng thái kết thúc của tác vụ là căn cứ cuối cùng.
Liên kết đầu ra của Roko có thời hạn; khi tác vụ succeeded, hãy chuyển tệp về kho lưu trữ của bạn ngay.
Chỉ hỗ trợ ba tỉ lệ khung hình — 16:9, 9:16 và 1:1 (mặc định 16:9); khung hình khác phải cắt ghép hoặc nối viền.
Các tuyên bố thượng nguồn — bảng phân cảnh đa cảnh (tới 6 cú quay/15 giây), nhất quán nhân vật/giọng nói, âm thanh gốc năm ngôn ngữ — dựa trên tài liệu thượng nguồn và chưa được Roko đo đạc; hãy kiểm chứng bằng đầu ra thực tế của tác vụ.

Quy trình gọi

Chuẩn bị prompt và tham số: đặt model là kling-o3, chọn đầu vào theo tuyến (prompt văn bản; 1–2 ảnh; hoặc 1 video cộng 0–7 ảnh cho tuyến tham chiếu/chỉnh sửa), đặt thời lượng 3–15 giây, độ phân giải 720p/1080p/4K và tỉ lệ 16:9, 9:16 hoặc 1:1; bật âm thanh trên văn bản/ảnh thành video nếu cần.
Gửi POST /v1/videos/tasks để nộp tác vụ và nhận task_id; gửi thành công chỉ nghĩa là tác vụ được tiếp nhận, chi phí trong phản hồi chỉ là ước tính.
Thăm dò GET /v1/tasks/{task_id} để theo dõi trạng thái cho đến khi tác vụ rời queued/processing và đạt trạng thái kết thúc.
Khi succeeded, đọc URL video từ kết quả tác vụ; liên kết đầu ra của Roko có thời hạn, hãy chuyển tệp về kho lưu trữ của bạn kịp thời.
Khi failed, đọc thông báo lỗi, chỉnh prompt hoặc tham số rồi gửi lại theo cùng quy trình; tác vụ thất bại được tất toán theo quy tắc hoàn tiền của nền tảng, trạng thái kết thúc là căn cứ cuối cùng.

Tình huống sử dụng điển hình

Phim ngắn đa phân cảnh với nhân vật nhất quán

Đầu vào: ảnh tham chiếu nhân vật (tối đa 7 ảnh theo thượng nguồn) cộng prompt kiểu bảng phân cảnh; cách làm: tuyến reference-to-video hoặc prompt dạng phân cảnh để tạo chuỗi nhiều cú quay; kỳ vọng: cùng một nhân vật giữ ngoại hình nhất quán giữa các cú quay (tuyên bố thượng nguồn, cần kiểm chứng thực tế); giới hạn: tuyến tham chiếu chỉ 720p/1080p và tắt âm thanh.

Tái tạo nhân vật/giọng nói dựa trên video tham chiếu

Đầu vào: 1 video tham chiếu mà thượng nguồn tuyên bố có thể trích xuất ngoại hình và đặc trưng giọng nói của nhân vật; cách làm: tạo clip mới qua tuyến reference-to-video; kỳ vọng: nét giống của nhân vật được kế thừa (tuyên bố thượng nguồn); giới hạn: tuyến này buộc tắt âm thanh, giới hạn 720p/1080p, và khả năng kế thừa giọng nói chưa được Roko kiểm chứng.

Chỉnh sửa video bằng ngôn ngữ tự nhiên

Đầu vào: 1 video cần chỉnh sửa cộng 0–7 ảnh, mô tả thay đổi bằng ngôn ngữ thường; cách làm: gửi qua tuyến video-edit; kỳ vọng: đổi phong cách hoặc chỉnh điểm hỏng mà không cần công cụ từng khung hình; giới hạn: đầu ra 720p/1080p và tắt âm thanh, cần âm thanh thì ghép trong hậu kỳ.

Chọn giữa các mô hình video trên Roko

Phân loại thô theo kiểu tính phí và đặc thù quy trình; quyết định cuối cùng nên dựa vào danh mục từng mô hình và kiểm thử của bạn.

Kling O3 vs Kling 3.0 Turbo

Hai anh em cùng dòng với vai trò khác nhau: O3 hướng đến đa năng (tham chiếu, chỉnh sửa, bậc 4K, các tính năng đa phân cảnh và nhất quán theo tuyên bố thượng nguồn), Turbo hướng đến tốc độ và giá thấp. Chọn O3 khi cần dải thông số rộng, Turbo khi cần khối lượng clip ngắn với ngân sách chặt; giá cả của cả hai nằm trong danh mục Roko.

Kling O3 vs Hailuo 3

O3 có công tắc âm thanh (từ $0.088/giây ở 720p tắt âm) và bậc 4K ($0.4378/giây), cùng các tuyến tham chiếu và chỉnh sửa; Hailuo 3 chú trọng đầu vào đa phương thức với tối đa 12 tệp tham chiếu. Chọn Hailuo khi cần hợp nhất nhiều tư liệu, chọn O3 khi cần bản master 4K hoặc chi phí âm thanh kiểm soát được theo giây.

Kling O3 vs Veo 3.1

Cách định giá 4K khác nhau: O3 4K cố định $0.4378/giây (bật hay tắt âm thanh như nhau), Veo 3.1 4K là $0.308/giây tắt âm hoặc $0.3608/giây bật âm. Chi tiết tính phí cũng khác (Veo tính theo kết quả, mỗi kết quả tối thiểu 4 giây), nên không thể chỉ so đơn giá — danh mục của từng bên là căn cứ cho chính bên đó.

Câu hỏi thường gặp

ID mô hình Kling O3 trên Roko là gì?

Khi gửi tác vụ, đặt model là kling-o3; cổng sẽ định tuyến đến kling-o3-text-to-video, kling-o3-image-to-video, kling-o3-reference-to-video hoặc kling-o3-video-edit tùy tuyến. Định tuyến thực tế được phản ánh trong phản hồi của tác vụ.

Một video Kling O3 giá bao nhiêu?

Tính phí theo giây đầu ra. Văn bản/ảnh thành video: 720p tắt âm $0.088/giây, bật âm $0.1166/giây; 1080p tắt âm $0.1166/giây, bật âm $0.1463/giây; 4K luôn là $0.4378/giây. Tham chiếu/chỉnh sửa: 720p $0.132/giây, 1080p $0.1761/giây (tắt âm). Ví dụ: 5 giây ở 720p tắt âm là $0.44.

Có hỗ trợ đầu ra 4K không?

Có. Các tuyến văn bản và ảnh thành video hỗ trợ 720p, 1080p và 4K (mặc định 720p); 4K có giá $0.4378/giây dù bật hay tắt âm thanh. Khả năng 4K gốc 60fps là tuyên bố của thượng nguồn. Các tuyến tham chiếu và chỉnh sửa không hỗ trợ 4K.

Tuyến tham chiếu và chỉnh sửa có giới hạn gì?

Cả hai tuyến nhận 1 video cộng 0–7 ảnh (ảnh thành video thì nhận 1–2 ảnh, không cần video), nhưng đầu ra giới hạn 720p/1080p và buộc tắt âm thanh, giá $0.132/giây (720p) hoặc $0.1761/giây (1080p).

Hỗ trợ thời lượng và tỉ lệ khung hình nào?

Thời lượng 3–15 giây, mặc định 5 giây; tỉ lệ khung hình 16:9, 9:16 và 1:1, mặc định 16:9. Danh mục hiện tại của Roko là căn cứ.

Tại sao gửi xong không nhận được video ngay?

Tạo video là tác vụ bất đồng bộ: POST /v1/videos/tasks trả về task_id, bạn thăm dò GET /v1/tasks/{task_id} đến khi đạt trạng thái kết thúc rồi mới đọc kết quả. Gửi thành công chỉ nghĩa là tác vụ được tiếp nhận.

Có thể dùng thử Kling O3 miễn phí không?

Cuộc gọi Roko API được tính theo đơn giá nêu trên, không cam kết hạn mức miễn phí. Nạp tiền sau khi đăng ký để gọi mô hình; các chương trình dùng thử có thời hạn (nếu có) theo thông báo hiện tại trên trang web.

Kết quả tạo ra có dùng thương mại được không?

Tuân thủ thương mại phụ thuộc vào quyền đối với tư liệu đầu vào, bản thân nội dung tạo ra, điều khoản dịch vụ của Kuaishou và Roko cùng pháp luật áp dụng. Hãy tự rà soát bản quyền, hình ảnh và nội dung trước khi xuất bản; tư liệu tham chiếu có khuôn mặt hoặc giọng của người khác đặc biệt cần sự cho phép.

Nguồn và phạm vi kiểm chứng

Các tuyên bố năng lực thượng nguồn lấy từ tài liệu công khai của Kuaishou Kling; tham số, tuyến và giá có thể gọi trên Roko lấy từ danh mục sản xuất hiện tại. Ngày kiểm chứng: 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

Mô hình cùng họ

Khám phá các phiên bản khả dụng khác trong cùng họ mô hình.

Mô hình video khác

Khám phá thêm mô hình qua API tác vụ video bất đồng bộ thống nhất.

Xem tất cả mô hình video →