Kling 3.0 Omni (يُسمّى أيضًا Kling O3) هو عائلة نماذج الفيديو من Kuaishou، مع صوت أصلي وإخراج يصل إلى 4K. يحل وضعان منها مشكلتين لا يستطيع تحويل النص إلى فيديو العادي حلهما: يحافظ Reference على اتساق شخصية أو منتج محدد من خلال التوليد من صورك، بينما يأخذ Transformation فيديو لديك ويعيد تصميمه وفق وصف نصي. يوفّر GetVibe API الوضعين باستخدام مفتاح واحد. يشرح هذا الدليل متى تستخدم كل وضع، وما المعلمات المطلوبة، وكيفية احتساب الأسعار، وكيفية استدعائهما برمجيًا.
مقارنة سريعة بين Reference وTransformation
- Kling 3.0 Omni Reference (
kling-v3-omni-reference): فيديو جديد من صور مرجعية (حتى 7 صور) ومن نص توجيهي، لمدة من 3 إلى 15 ثانية، وبدقة 720p أو 1080p أو 4K، مع صوت أصلي اختياري. استخدمه عندما يجب أن يحافظ الشخص نفسه أو الشخصية أو المنتج على مظهره نفسه عبر المقاطع. - Kling 3.0 Omni Transformation (
kling-v3-omni-transformation): فيديوك (من 3 إلى 15.5 ثانية) يُحوَّل وفق نص توجيهي، مع إمكانية الاستعانة بما يصل إلى 4 صور مرجعية. تتبع النتيجة حركة المصدر ومدته، وتكون بلا صوت. استخدمه لنقل النمط، أو تغيير البيئة، أو تحويل لقطات حية إلى رسوم متحركة.
يتوفر أيضًا Kling 3.0 Omni العادي لتحويل النص إلى فيديو وتحويل الصورة إلى فيديو. القاعدة العامة: ابدأ من النص باستخدام النموذج الأساسي، ومن الصور باستخدام Reference، ومن فيديو باستخدام Transformation.
Kling 3.0 Omni Reference
المعلمات
prompt(مطلوب): المشهد والحركة.input_urls: ما يصل إلى 7 عناوين URL عامة لصور عبر HTTPS (الشخصية، المنتج، الزي، البيئة). يقبلimage_urlصورة واحدة.duration: من"3"إلى"15"ثانية.resolution:"720p"أو"1080p"أو"4k".aspect_ratio:"16:9"أو"9:16"أو"1:1".audio: استخدمtrueللصوت الأصلي (الأجواء والمؤثرات والكلام الذي يحدده النموذج). يتوفر هذا الخيار فقط من دون فيديو مرجعي.video_input/video_url: يمكن تقديم فيديو مرجعي (من 3 إلى 15 ثانية، بصيغة MP4/MOV) بدلًا من الصور أو إلى جانبها (وعندها يصل عدد الصور إلى 4 صور)؛ ويكون الصوت الأصلي متوقفًا في هذا الوضع.
السعر
يُحتسب سعر Reference لكل ثانية من الإخراج بحسب الدقة والصوت. وتُعد دقة 720p من دون صوت الفئة الأرخص؛ بينما تكلّف الدقة الأعلى والصوت الأصلي أكثر، وتُعد 4K الفئة الأعلى سعرًا. يتوفر الجدول المحدّث على صفحة نموذج Kling 3.0 Omni Reference. للحصول على رقم دقيق لطلبك، استخدم نقطة النهاية المجانية لعرض السعر الموضحة أدناه.
Kling 3.0 Omni Transformation
المعلمات
video_url(مطلوب): فيديو المصدر، ومدته من 3 إلى 15.5 ثانية.prompt(مطلوب): ما تريد تغييره («رسوم متحركة بالألوان المائية مرسومة يدويًا»، «الشارع ليلًا تحت أمطار غزيرة»، «نمط claymation»).input_urls/image_url: ما يصل إلى 4 صور مرجعية لتوجيه المظهر الجديد.resolution:"720p"أو"1080p"أو"4k".aspect_ratio: يُطبّق فقط عند إرسال صور مرجعية.duration: تقدير فقط لعرض السعر؛ فالمدة الفعلية تأتي من فيديو المصدر.
لا يحتوي الإخراج على صوت. إذا كنت تحتاج إلى الصوت الأصلي، فأعد دمجه من ملف المصدر بعد ذلك (باستخدام ffmpeg مثلًا).
السعر
يُحتسب سعر Transformation لكل ثانية من فيديو المصدر بحسب الدقة. وتساوي التكلفة سعر الثانية مضروبًا في مدة ملفك، ولذلك يُوسم عرض السعر بأنه تقديري إلى أن يُقاس الملف. راجع صفحة نموذج Kling 3.0 Omni Transformation للاطلاع على الأسعار الحالية لكل ثانية.
الشفرة: اعرض السعر أولًا، ثم ولّد الفيديو
يُعد الفيديو أغلى أنواع الوسائط، لذلك تتمثل الطريقة الآمنة في عرض سعر كل طلب قبل إرساله. تأخذ نقطة نهاية عرض السعر نص الطلب نفسه تمامًا الذي تأخذه نقطة نهاية التوليد، ولا تكلّف شيئًا، وتعيد quoteId صالحًا لمدة 15 دقيقة.
import os, requests
API = "https://getvibeapi.com"
HEADERS = {"Authorization": f"Bearer {os.environ['GETVIBE_API_KEY']}"}
reference = {
"model": "kling-v3-omni-reference",
"prompt": "The woman from the reference photo walks through a sunlit bakery and hands a loaf to the camera",
"opts": {
"input_urls": ["https://your-cdn.example/presenter.jpg"],
"duration": "5",
"resolution": "720p",
"aspect_ratio": "16:9",
"audio": False,
},
}
transformation = {
"model": "kling-v3-omni-transformation",
"prompt": "Turn the scene into a hand-drawn watercolor animation",
"opts": {
"video_url": "https://your-cdn.example/source.mp4",
"resolution": "720p",
"duration": "5", # تقدير فقط؛ تُحتسب الفوترة وفق مدة المصدر
},
}
for body in (reference, transformation):
q = requests.post(f"{API}/api/media/price", json=body, headers=HEADERS).json()
print(body["model"], q["priceUsd"], q["isEstimate"], q["chargeBasis"])هذا ما طبعته الشفرة عندما شغّلناها في 22 أكتوبر 2026:
kling-v3-omni-reference 0.4375 True source_duration
kling-v3-omni-transformation 0.625 True source_durationعند تغيير طلب Reference إلى "audio": true، ارتفع عرض السعر إلى 0.5625 في تجربتنا، ما يعني أن الصوت الأصلي أضاف نحو 29% بدقة 720p. تتغير الأسعار وفقًا للعرض، لذا أعد طلب عرض السعر بدلًا من تثبيت هذه الأرقام في الشفرة.
عندما يبدو عرض السعر مناسبًا، أرسل النص نفسه إلى /api/media/generate (مع إمكانية تضمين "quote_id" من عرض السعر لتثبيت السعر)، ثم استطلع /api/media/jobs/<jobId> إلى أن تصبح الحالة success:
job = requests.post(f"{API}/api/media/generate", json=reference, headers=HEADERS).json()
print(job["jobId"], job["status"])
r = requests.get(f"{API}/api/media/jobs/{job['jobId']}", headers=HEADERS).json()
print(r["status"], r["resultUrls"])تستغرق مهام الفيديو دقائق، لا ثواني. بالنسبة إلى الدفعات، سجّل webhook بدلًا من الاستطلاع؛ راجع webhooks الوسائط ووثائق توليد الوسائط.
نصائح عملية
- تأتي الاستمرارية من المراجع. بالنسبة إلى شخصية متكررة، أعد استخدام الصور النظيفة نفسها وعددها من 2 إلى 4 (أمامية، وثلاثة أرباع، وكاملة الجسم) في كل مقطع من مقاطع Reference.
- كرّر التجارب بتكلفة منخفضة، وأنهِ العمل بجودة أعلى. حدّد النص التوجيهي بدقة 720p ومدد قصيرة؛ ثم أنشئ الإخراج النهائي بدقة 1080p أو 4K.
- اقصص المصدر قبل استخدام Transformation. فأنت تدفع مقابل كل ثانية من الإدخال، لذا اقتصصه إلى الجزء الذي تحتاج إليه فعلًا، والتزم بمدة من 3 إلى 15.5 ثانية.
- اجعل النص التوجيهي يركّز على التغيير. في Transformation، صِف المظهر الجديد، لا الحركة؛ فالحركة تأتي من الفيديو.
- هل تحتاج إلى مقدّم يتحدث بصوتك أنت؟ هذه مهمة مختلفة؛ راجع فيديو ناطق من صورة وتعليقك الصوتي.
تتوفر جميع نماذج الفيديو، مع مدخلاتها وأسعارها، على صفحة النماذج؛ ويتناول الصور والفيديو والصوت عبر API واحد سير عمل الوسائط العام.
حالات الاستخدام الشائعة
- سلسلة لشخصية العلامة التجارية. مجموعة واحدة من صور الشخصية، وعدة مقاطع قصيرة من Reference في مشاهد مختلفة، مع بقاء الشخصية قابلة للتعرّف.
- لقطات المنتجات. حمّل صورًا واضحة للمنتج وأنشئه على طاولة أو في يد أو أثناء الاستخدام، من دون جلسة تصوير فعلية.
- لقطات B-roll بأسلوب جديد. خذ لقطات عادية من الهاتف وحوّلها إلى ألوان مائية أو رسوم أنمي أو claymation باستخدام Transformation للمقدمات والانتقالات.
- تغيير المواقع. حافظ على حركة لقطة حقيقية وغيّر النهار إلى الليل، أو الصيف إلى الثلج، أو غرفة عادية إلى موقع ذي طابع فني.
الأخطاء الشائعة وكيفية تجنبها
- فيديو المصدر قصير أو طويل جدًا. يقبل Transformation مدة من 3 إلى 15.5 ثانية؛ اقتصص الملف قبل إرساله.
- الصوت مع فيديو مرجعي. يتوفر الصوت الأصلي فقط مع المراجع الصورية. إذا كنت تحتاج إلى صوت مع مرجع فيديو، فأضِفه في مرحلة ما بعد الإنتاج.
- روابط ملفات خاصة. يجب أن يكون الوصول إلى كل عنوان URL متاحًا للعامة عبر HTTPS. ستفشل الروابط الموقّعة التي تنتهي خلال ثوانٍ، أو الملفات الموجودة خلف تسجيل الدخول.
- مراجع كثيرة جدًا. العدد الأكبر ليس أفضل: الحد الأقصى هو 7 صور في Reference و4 صور في Transformation، وعادةً تعمل بضع صور متسقة ومضاءة جيدًا أفضل من صور كثيرة ومختلطة.
الأسئلة الشائعة
ما الفرق بين Kling 3.0 Omni Reference وTransformation؟
ينشئ Reference مقطعًا جديدًا من الصور ونص توجيهي. بينما يغيّر Transformation فيديو موجودًا وفق نص توجيهي، مع الحفاظ على حركته ومدته.
هل ينشئ Kling 3.0 Omni صوتًا؟
يمكن لـ Reference ذلك عند استخدام "audio": true، شريطة عدم استخدام فيديو مرجعي. أما إخراج Transformation فهو صامت دائمًا.
كم تبلغ تكلفة Kling 3.0 Omni؟
يُحتسب سعر كلا الوضعين لكل ثانية بحسب الدقة (وبحسب الصوت في Reference). احصل على رقم دقيق لطلبك من نقطة النهاية المجانية /api/media/price؛ وتتوفر الفئات الحالية على صفحتي نموذجي Reference وTransformation.
كم عدد الصور المرجعية التي يمكنني استخدامها؟
ما يصل إلى 7 صور في Reference (وما يصل إلى 4 صور عند استخدام فيديو مرجعي أيضًا)، وما يصل إلى 4 صور في Transformation.
هل يمكنني الإخراج بدقة 4K؟
نعم، يقبل كلا الوضعين "resolution": "4k" (3840×2160). وهذه هي الفئة الأعلى سعرًا، لذا اعرض السعر أولًا.