Kling 3.0 Omni (également appelé Kling O3) est la famille de modèles vidéo de Kuaishou, avec audio natif et une sortie allant jusqu’à 4K. Deux de ses modes résolvent des problèmes auxquels la simple génération texte-vidéo ne peut pas répondre : Reference conserve la cohérence d’un personnage ou d’un produit spécifique en générant à partir de vos images, tandis que Transformation prend une vidéo que vous possédez déjà et lui applique un nouveau style à partir d’une description textuelle. GetVibe API propose les deux avec une seule clé. Ce guide explique quand utiliser l’un ou l’autre, les paramètres, le fonctionnement de la tarification et le code nécessaire pour les appeler.
Reference et Transformation en un coup d’œil
- Kling 3.0 Omni Reference (
kling-v3-omni-reference) : une vidéo nouvelle à partir d’images de référence (jusqu’à 7) et d’un prompt, de 3 à 15 secondes, en 720p, 1080p ou 4K, avec audio natif facultatif. Utilisez-le lorsque la même personne, la même mascotte ou le même produit doit conserver la même apparence d’un clip à l’autre. - Kling 3.0 Omni Transformation (
kling-v3-omni-transformation) : votre vidéo (de 3 à 15.5 secondes) transformée par un prompt, avec la possibilité d’utiliser jusqu’à 4 images de référence. Le résultat suit les mouvements et la durée de la source et est silencieux. Utilisez-le pour transférer un style, modifier le décor ou transformer des prises de vue réelles en animation.
Il existe également Kling 3.0 Omni classique pour la génération texte-vidéo et image-vidéo. La règle générale : partez du texte avec le modèle de base, des images avec Reference et d’une vidéo avec Transformation.
Kling 3.0 Omni Reference
Paramètres
prompt(obligatoire) : la scène et l’action.input_urls: jusqu’à 7 URL d’images publiques en HTTPS (personnage, produit, tenue, décor).image_urlaccepte une seule image.duration: de"3"à"15"secondes.resolution:"720p","1080p"ou"4k".aspect_ratio:"16:9","9:16"ou"1:1".audio:truepour activer le son natif (ambiance, effets, paroles choisis par le modèle). Disponible uniquement sans vidéo de référence.video_input/video_url: une vidéo de référence (de 3 à 15 secondes, MP4/MOV) peut être fournie à la place des images ou en complément de celles-ci (dans ce cas, jusqu’à 4 images) ; l’audio natif est désactivé dans ce mode.
Prix
Reference est facturé par seconde de sortie, selon la résolution et l’audio. Le 720p sans audio constitue le niveau le moins cher ; l’audio natif et les résolutions supérieures coûtent davantage, et la 4K correspond au niveau le plus élevé. Le tableau à jour se trouve sur la page du modèle Kling 3.0 Omni Reference. Pour obtenir le montant exact de votre requête, utilisez le endpoint gratuit de devis présenté ci-dessous.
Kling 3.0 Omni Transformation
Paramètres
video_url(obligatoire) : la vidéo source, d’une durée de 3 à 15.5 secondes.prompt(obligatoire) : ce qui doit être modifié (« animation aquarelle dessinée à la main », « la rue la nuit sous une pluie battante », « style pâte à modeler »).input_urls/image_url: jusqu’à 4 images de référence pour orienter le nouveau rendu.resolution:"720p","1080p"ou"4k".aspect_ratio: s’applique uniquement lorsque des images de référence sont envoyées.duration: sert uniquement d’estimation pour le devis ; la durée réelle provient de votre vidéo source.
La sortie ne contient aucun son. Si vous avez besoin de l’audio d’origine, remultiplexez-le ensuite à partir du fichier source (par exemple avec ffmpeg).
Prix
Transformation est facturé par seconde de la vidéo source, selon la résolution. Le montant correspond au tarif par seconde multiplié par la durée de votre fichier ; c’est pourquoi le devis est indiqué comme une estimation jusqu’à ce que le fichier soit mesuré. Consultez la page du modèle Kling 3.0 Omni Transformation pour connaître les tarifs actuels par seconde.
Code : commencez par demander un devis, puis générez
La vidéo est le type de média le plus coûteux ; la méthode sûre consiste donc à demander un devis pour chaque requête avant de l’envoyer. Le endpoint de devis accepte exactement le même corps que le endpoint de génération, ne coûte rien et renvoie un quoteId valide pendant 15 minutes.
import os, requests
API = "https://getvibeapi.com"
HEADERS = {"Authorization": f"Bearer {os.environ['GETVIBE_API_KEY']}"}
reference = {
"model": "kling-v3-omni-reference",
"prompt": "La femme de la photo de référence traverse une boulangerie baignée de soleil et tend un pain vers la caméra",
"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": "Transforme la scène en animation aquarelle hand-drawn",
"opts": {
"video_url": "https://your-cdn.example/source.mp4",
"resolution": "720p",
"duration": "5", # estimation uniquement ; la facturation suit la durée de la source
},
}
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"])Voici ce qui a été affiché lorsque nous l’avons exécuté le 22 octobre 2026 :
kling-v3-omni-reference 0.4375 True source_duration
kling-v3-omni-transformation 0.625 True source_durationEn passant la requête Reference à "audio": true, le devis est passé à 0.5625 lors de notre test ; l’audio natif a donc ajouté environ 29 % en 720p. Les prix évoluent selon l’offre disponible : demandez un nouveau devis plutôt que d’inscrire ces nombres en dur.
Lorsque le devis vous convient, envoyez le même corps à /api/media/generate (éventuellement avec le "quote_id" du devis pour bloquer le prix), puis interrogez /api/media/jobs/<jobId> jusqu’à ce que le statut soit 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"])Les tâches vidéo prennent des minutes, et non des secondes. Pour les traitements par lots, enregistrez un webhook au lieu d’interroger régulièrement le statut ; consultez les webhooks média et la documentation sur la génération de médias.
Conseils pratiques
- La cohérence vient des références. Pour un personnage récurrent, réutilisez les mêmes 2 à 4 images nettes (de face, de trois quarts et en pied) pour chaque clip Reference.
- Itérez à moindre coût, finalisez à un coût supérieur. Trouvez le bon prompt en 720p et avec des durées courtes ; générez le rendu final en 1080p ou en 4K.
- Raccourcissez la source avant une Transformation. Chaque seconde de l’entrée vous est facturée : coupez donc la vidéo pour ne conserver que la partie réellement nécessaire et restez entre 3 et 15.5 secondes.
- Concentrez le prompt sur la modification. Dans Transformation, décrivez le nouveau rendu, pas le mouvement ; le mouvement provient de votre vidéo.
- Vous avez besoin d’un présentateur parlant avec votre propre voix ? Il s’agit d’une tâche différente ; consultez vidéo parlante à partir d’une photo et de votre voix off.
Tous les modèles vidéo, avec leurs entrées et leurs prix, sont présentés sur la page des modèles ; l’article image, vidéo et voix via une seule API présente le flux média général.
Cas d’utilisation courants
- Série avec une mascotte de marque. Un ensemble d’images de la mascotte, de nombreux clips Reference courts dans différentes scènes : le personnage reste reconnaissable.
- Prises de vue de produits. Importez des photos nettes de vos produits et générez l’article posé sur une table, tenu dans une main ou en cours d’utilisation, sans séance photo physique.
- B-roll restylé. Prenez des images ordinaires tournées au téléphone et transformez-les en aquarelle, en anime ou en animation en pâte à modeler avec Transformation, pour des introductions et des transitions.
- Changements de lieu. Conservez le mouvement d’une prise de vue réelle et passez du jour à la nuit, de l’été à la neige ou d’une pièce ordinaire à un décor stylisé.
Erreurs courantes et moyens de les éviter
- Vidéo source trop courte ou trop longue. Transformation accepte de 3 à 15.5 secondes ; raccourcissez le fichier avant de l’envoyer.
- Audio avec une vidéo de référence. L’audio natif est uniquement disponible pour les références image. Si vous avez besoin de son avec une référence vidéo, ajoutez-le en postproduction.
- Liens vers des fichiers privés. Chaque URL doit être accessible publiquement via HTTPS. Les liens signés qui expirent en quelques secondes ou les fichiers protégés par une authentification échoueront.
- Trop de références. Plus n’est pas toujours mieux : 7 images est la limite pour Reference, 4 pour Transformation, et quelques images cohérentes et bien éclairées donnent généralement de meilleurs résultats que de nombreuses images disparates.
FAQ
Quelle est la différence entre Kling 3.0 Omni Reference et Transformation ?
Reference crée un nouveau clip à partir d’images et d’un prompt. Transformation modifie une vidéo existante selon un prompt et conserve ses mouvements et sa durée.
Kling 3.0 Omni génère-t-il du son ?
Reference le peut, avec "audio": true, lorsqu’aucune vidéo de référence n’est utilisée. La sortie de Transformation est toujours silencieuse.
Combien coûte Kling 3.0 Omni ?
Les deux modes sont facturés à la seconde selon la résolution (et selon l’audio pour Reference). Obtenez le montant exact de votre requête via le endpoint gratuit /api/media/price ; les niveaux tarifaires actuels sont indiqués sur les pages des modèles Reference et Transformation.
Combien d’images de référence puis-je utiliser ?
Jusqu’à 7 pour Reference (jusqu’à 4 avec une vidéo de référence) et jusqu’à 4 pour Transformation.
Puis-je produire une sortie en 4K ?
Oui, les deux modes acceptent "resolution": "4k" (3840×2160). Il s’agit du niveau le plus coûteux : demandez donc d’abord un devis.