Kling 3.0 Omni API: referensi-ke-video dan transformasi video, dijelaskan

Kling 3.0 Omni (juga disebut Kling O3) adalah keluarga model video Kuaishou dengan audio native dan output hingga 4K. Dua modenya mengatasi masalah yang tidak dapat diselesaikan oleh text-to-video biasa: Reference menjaga konsistensi karakter atau produk tertentu dengan menghasilkan video dari gambar Anda, sedangkan Transformation mengambil video yang sudah Anda miliki dan mengubah gayanya berdasarkan deskripsi teks. GetVibe API menyediakan keduanya dengan satu key. Panduan ini menjelaskan kapan harus menggunakan masing-masing mode, parameternya, cara kerja harganya, dan kode untuk memanggilnya.

Reference vs Transformation secara singkat

• Kling 3.0 Omni Reference (kling-v3-omni-reference): video baru dari gambar referensi (hingga 7) dan prompt, berdurasi 3 hingga 15 detik, 720p, 1080p, atau 4K, dengan audio native opsional. Gunakan ketika orang, maskot, atau produk yang sama harus terlihat konsisten di berbagai klip.
• Kling 3.0 Omni Transformation (kling-v3-omni-transformation): video Anda (3 hingga 15,5 detik) yang diubah berdasarkan prompt, dan secara opsional dipandu oleh hingga 4 gambar referensi. Hasilnya mengikuti gerakan dan durasi sumber serta tidak memiliki suara. Gunakan untuk transfer gaya, mengubah latar, atau mengubah rekaman nyata menjadi animasi.

Tersedia juga Kling 3.0 Omni biasa untuk text-to-video dan image-to-video. Aturan praktisnya: mulai dari teks dengan base model, dari gambar dengan Reference, dan dari video dengan Transformation.

Kling 3.0 Omni Reference

Parameter

• prompt (wajib): adegan dan aksi.
• input_urls: hingga 7 URL gambar HTTPS publik (karakter, produk, pakaian, latar). image_url menerima satu gambar.
• duration: "3" hingga "15" detik.
• resolution: "720p", "1080p", atau "4k".
• aspect_ratio: "16:9", "9:16", atau "1:1".
• audio: true untuk suara native (suasana, efek, dan ucapan yang ditentukan model). Hanya tersedia tanpa video referensi.
• video_input / video_url: video referensi (3 hingga 15 detik, MP4/MOV) dapat diberikan sebagai pengganti atau tambahan gambar (kemudian hingga 4 gambar); audio native dinonaktifkan dalam mode tersebut.

Harga

Reference dihargai per detik output berdasarkan resolusi dan audio. 720p tanpa audio adalah tier termurah; audio native dan resolusi yang lebih tinggi dikenai biaya lebih besar, sedangkan 4K adalah tier termahal. Tabel terbaru tersedia di halaman model Kling 3.0 Omni Reference. Untuk angka pasti permintaan Anda, gunakan endpoint quote gratis yang ditampilkan di bawah.

Kling 3.0 Omni Transformation

Parameter

• video_url (wajib): video sumber, berdurasi 3 hingga 15,5 detik.
• prompt (wajib): hal yang ingin diubah (“animasi cat air gambar tangan”, “jalan pada malam hari dalam hujan deras”, “gaya claymation”).
• input_urls / image_url: hingga 4 gambar referensi untuk mengarahkan tampilan baru.
• resolution: "720p", "1080p", atau "4k".
• aspect_ratio: hanya berlaku ketika gambar referensi dikirim.
• duration: hanya perkiraan untuk quote; durasi sebenarnya berasal dari video sumber Anda.

Output tidak memiliki suara. Jika memerlukan audio asli, gabungkan kembali dari file sumber setelahnya (misalnya dengan ffmpeg).

Harga

Transformation dihargai per detik video sumber, berdasarkan resolusi. Biayanya adalah tarif per detik dikalikan durasi file Anda, sehingga quote ditandai sebagai perkiraan sampai file diukur. Lihat halaman model Kling 3.0 Omni Transformation untuk tarif per detik terbaru.

Kode: dapatkan quote terlebih dahulu, lalu generate

Video adalah jenis media yang paling mahal, jadi pola yang aman adalah mendapatkan quote untuk setiap permintaan sebelum mengirimkannya. Endpoint quote menerima body yang sama persis seperti endpoint generation, tidak dikenai biaya, dan mengembalikan quoteId yang berlaku selama 15 menit.

import os, requests

API = "https://getvibeapi.com"
HEADERS = {"Authorization": f"Bearer {os.environ['GETVIBE_API_KEY']}"}

reference = {
    "model": "kling-v3-omni-reference",
    "prompt": "Perempuan dari foto referensi berjalan melewati toko roti yang diterangi matahari dan menyerahkan sepotong roti kepada kamera",
    "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": "Ubah adegan menjadi animasi watercolor hand-drawn",
    "opts": {
        "video_url": "https://your-cdn.example/source.mp4",
        "resolution": "720p",
        "duration": "5",   # hanya perkiraan; penagihan mengikuti durasi sumber
    },
}

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"])

Berikut hasil yang ditampilkan saat kami menjalankannya pada 22 Oktober 2026:

kling-v3-omni-reference 0.4375 True source_duration
kling-v3-omni-transformation 0.625 True source_duration

Mengubah permintaan reference menjadi "audio": true menaikkan quote menjadi 0.5625 dalam pengujian kami, jadi audio native menambah sekitar 29% pada 720p. Harga dapat berubah mengikuti ketersediaan, jadi lakukan quote ulang dan jangan menetapkan angka-angka ini secara hard-code.

Jika quote sudah sesuai, kirim body yang sama ke /api/media/generate (secara opsional dengan "quote_id" dari quote untuk mengunci harga), lalu lakukan polling pada /api/media/jobs/<jobId> hingga statusnya menjadi 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"])

Job video memerlukan waktu beberapa menit, bukan beberapa detik. Untuk batch, daftarkan webhook alih-alih melakukan polling; lihat webhook media dan dokumentasi media generation.

Tips praktis

• Konsistensi berasal dari gambar referensi. Untuk karakter yang digunakan berulang, gunakan kembali 2 hingga 4 gambar bersih yang sama (tampak depan, tiga perempat, seluruh tubuh) di setiap klip Reference.
• Lakukan iterasi dengan murah, selesaikan dengan mahal. Temukan prompt pada 720p dan durasi pendek; render hasil akhir pada 1080p atau 4K.
• Potong sumber sebelum Transformation. Anda membayar setiap detik input, jadi potong hanya bagian yang benar-benar diperlukan, dan tetap dalam rentang 3 hingga 15,5 detik.
• Fokuskan prompt pada perubahan. Dalam Transformation, jelaskan tampilan baru, bukan gerakannya; gerakan berasal dari video Anda.
• Memerlukan presenter yang berbicara dengan suara Anda sendiri? Itu adalah pekerjaan yang berbeda; lihat video presenter dari foto dan voiceover Anda.

Semua model video, beserta input dan harganya, tersedia di halaman models; image, video, dan voice melalui satu API membahas alur media secara umum.

Kasus penggunaan umum

• Serial maskot brand. Satu set gambar maskot, banyak klip Reference pendek dalam berbagai adegan, dengan karakter yang tetap mudah dikenali.
• Pengambilan gambar produk. Unggah foto produk yang bersih dan hasilkan item tersebut di atas meja, di tangan, atau saat digunakan, tanpa sesi pemotretan fisik.
• B-roll dengan gaya baru. Ambil rekaman biasa dari ponsel dan ubah menjadi cat air, anime, atau claymation dengan Transformation untuk intro dan transisi.
• Perubahan lokasi. Pertahankan gerakan dari pengambilan gambar nyata dan ubah siang menjadi malam, musim panas menjadi salju, atau ruangan biasa menjadi set bergaya khusus.

Kesalahan umum dan cara menghindarinya

• Video sumber terlalu pendek atau terlalu panjang. Transformation menerima 3 hingga 15,5 detik; potong file sebelum mengirimkannya.
• Audio dengan video referensi. Audio native hanya tersedia untuk referensi gambar. Jika memerlukan suara dengan referensi video, tambahkan saat post-production.
• Link file privat. Setiap URL harus dapat diakses publik melalui HTTPS. Signed link yang kedaluwarsa dalam hitungan detik atau file yang berada di balik login akan gagal.
• Terlalu banyak referensi. Lebih banyak bukan berarti lebih baik: 7 gambar adalah batas maksimum untuk Reference, 4 untuk Transformation, dan beberapa gambar yang konsisten serta memiliki pencahayaan baik biasanya bekerja lebih baik daripada banyak gambar campuran.

FAQ

Apa perbedaan antara Kling 3.0 Omni Reference dan Transformation?

Reference membuat klip baru dari gambar dan prompt. Transformation mengubah video yang sudah ada sesuai prompt serta mempertahankan gerakan dan durasinya.

Apakah Kling 3.0 Omni menghasilkan suara?

Reference dapat menghasilkan suara dengan "audio": true ketika tidak menggunakan video referensi. Output Transformation selalu tanpa suara.

Berapa biaya Kling 3.0 Omni?

Kedua mode dihargai per detik berdasarkan resolusi (serta audio untuk Reference). Dapatkan angka pasti untuk permintaan Anda dari endpoint gratis /api/media/price; tier terbaru tersedia di halaman model Reference dan Transformation.

Berapa banyak gambar referensi yang dapat digunakan?

Hingga 7 untuk Reference (hingga 4 jika digunakan bersama video referensi) dan hingga 4 untuk Transformation.

Apakah saya dapat menghasilkan output 4K?

Ya, kedua mode menerima "resolution": "4k" (3840×2160). Ini adalah tier termahal, jadi dapatkan quote terlebih dahulu.