Kling 3.0 API

Что делает нейросеть Kling 3.0

Kling 3.0 — линейка видеомоделей Kuaishou, объявленная 5 февраля 2026 года в составе серии Kling AI 3.0. Модель снимает ролик с родным звуком по описанию и по присланному кадру, а стоит секунда у GEN202 от 7,56 ₽ до 37,8 ₽: цену задают разрешение и включённый звук.

Kling 3.0 вызывается под одним именем и делает обе работы сразу: видео из текста и видео из изображения. Кадр для второй передаётся ссылкой, и список image_urls берёт до 2 ссылок.

Kling 3.0 Turbo стоит на этой же странице двумя отдельными режимами, и в поле model у них разные имена: kling/3-turbo-text-to-video и kling/3-turbo-image-to-video.

Родной звук включается флагом sound, а ролик со звуком и без него стоит в таблице цен порознь: строки на то и другое разные.

Кадры многокадрового ролика и закреплённые элементы приходят своими полями — multi_prompt и kling_elements, а остальные поля перечислены в разделе «Kling».

Как пользоваться Kling 3.0 бесплатно и можно ли её скачать

У Kling 3.0 платят по расходу: с баланса уходит ставка за каждую секунду готового ролика, а поднимают её разрешение и звук. Новому счёту при первом входе начисляют приветственные кредиты, и они идут в счёт первого ролика. Ежемесячного платежа нет, а задача, закончившаяся отказом, возвращает удержание на баланс целиком.

Сама модель работает на стороне Kuaishou и запускается по сети, поэтому у себя разворачивать нечего. Через нас забирают результат: готовый ролик из песочницы приходит файлом mp4.

Официальный сайт Kling 3.0 принадлежит Kuaishou, а мы — независимый продавец доступа к его моделям. Имена полей и допустимые значения при этом взяты у разработчика: их видно в таблице выше.

Тем, кому код не нужен, та же модель открыта в браузере: порядок разобран на странице как пользоваться Kling в России.

Порядок работы одинаков у всех трёх режимов страницы, и меняются в нём только значения полей.

1. Соберите описание кадра. Поле prompt принимает сцену целиком: героя, его действие, обстановку вокруг и движение камеры.
2. Приложите исходный кадр. Ссылку на картинку кладут в поле image_urls, и тогда ролик отталкивается от неё, а не сочиняется с нуля.
3. Выберите разрешение и длительность. Разрешение у Kling 3.0 выбирает поле mode, у Kling 3.0 Turbo — поле resolution, а секунды ставят в duration.
4. Решите, нужен ли родной звук. Флаг sound добавляет к картинке звуковую дорожку, и от него же зависит строка цены.
5. Разложите рассказ по кадрам. Флаг multi_shots отдаёт переходы между планами модели, а поле multi_prompt описывает каждый план по отдельности.

Чем Kling 3.0 Turbo отличается от Kling 3.0

Разницу между двумя моделями Kuaishou свёл в свою таблицу возможностей, и видна она прямо в полях запроса.

Многокадровый рассказ и родной звук Kuaishou называет общими для обеих моделей, а 4K, последний кадр и закрепление элементов оставил за Kling 3.0.

Выпуски Kling: даты у Kuaishou и куда они ведут

Серия собрана из двух веток, и номер версии сам по себе порядка не задаёт: выпуск 2.6 вырос в VIDEO 3.0, а выпуск O1 — в VIDEO 3.0 Omni. В таблице — имя у Kuaishou, дата его объявления, что изменилось и страница модели у нас.

Про предыдущий выпуск Kuaishou писал так: «Previously, KLING's video models could only generate "silent visuals". Creators had to manually find voiceovers, add sound effects, and adjust the pace—an overly complex process that made it hard to achieve true immersion». Перевод наш: «Раньше видеомодели KLING умели делать только "немую картинку". Автору приходилось вручную искать озвучку, добавлять шумы и подгонять темп — слишком сложный порядок работы, из-за которого трудно было добиться настоящего погружения». Страница — руководство Kling по выпуску VIDEO 2.6.

Что прибавилось в нынешнем выпуске, Kuaishou свёл в таблицу возможностей: у VIDEO 2.6 отмечены «Text-to-Video», «Image-to-Video», «Start & End Frames-to-Video» и «Native Audio», а у VIDEO 3.0 к ним добавлены «Multi-Shot», «Start Frame + Element Reference», «Multi-Character Coreference (3+)», «15s Output Duration» и «Flexible Duration». Перевод наш: текст в видео, картинка в видео, первый и последний кадр в видео и родной звук — против них же плюс разметка планов, образец-элемент у стартового кадра, перекличка трёх и более героев, пятнадцатисекундная длительность и свободный её выбор. Таблица — в руководстве Kling по модели VIDEO 3.0.

О выходе Kling 3.0 Turbo Kuaishou объявил 17 июня 2026 года: «Kling 3.0 Turbo is now live, along with upgraded video editing in Kling 3.0 Omni». Перевод наш: «Kling 3.0 Turbo уже работает, а вместе с ним обновлена правка видео в Kling 3.0 Omni». Перенос движения отмечен там же 4 марта 2026 года: «Kling VIDEO 3.0 Motion Control: Major Launch!» — «Kling VIDEO 3.0 Motion Control: большой запуск». Страница — история выпусков Kling AI. Чем Kling 3.0 Turbo отличается от Kling 3.0, разобрано таблицей выше.

Какой длины и в каком разрешении выходит ролик Kling 3.0

Ролик выходит от 3 до 15 секунд, и этот диапазон общий для Kling 3.0 и для обоих режимов Turbo.

Разрешение у Kling 3.0 выбирают режимом: Kling 3.0 pro — это 1080p, std — 720p, а 4K назван прямо. У Turbo выбор из двух: 720p и 1080p.

Форм кадра у Kling 3.0 3: 16:9, 9:16, 1:1.

Что Kuaishou говорит о модели Kling 3.0

Чем Kuaishou считает этот выпуск, сказано подзаголовком руководства: «VIDEO 3.0: Native Audio Upgrade, Enhanced Element Consistency, and Support for Multi-Shot Narratives». Перевод наш: «VIDEO 3.0: обновлённый родной звук, более сильное постоянство элементов и поддержка рассказа из нескольких планов». Страница — руководство Kling по модели VIDEO 3.0.

Как включается разметка планов, там же расписано по переключателям: «In VIDEO 3.0, multi-shot video generation can be triggered through two modes: "Multi-Shot" and "Custom Multi-Shot". When "Multi-Shot" is enabled, the model automatically plans the shot transitions, and this switch is a prerequisite for enabling "Custom Multi-Shot". When "Multi-Shot" is disabled, the model will default to generating a single-shot video». Перевод наш: «В VIDEO 3.0 съёмка несколькими планами включается двумя способами: обычной разметкой и своей. При обычной модель сама планирует переходы между планами, и она же — обязательное условие для своей разметки. При выключенной разметке модель по умолчанию делает ролик из одного плана». В запросе к GEN202 этим двум способам отвечают поля multi_shots и multi_prompt.

Про закреплённый элемент то же руководство VIDEO 3.0 говорит: «Elements can be created in two ways: 1) Upload/record a character video, and the system will automatically extract the character's appearance and native voice tone, with options to keep the original or replace with a custom tone; 2) Upload 2-4 reference images of the element». Перевод наш: «Элемент заводится двумя способами: первый — загрузить или записать ролик с героем, и система сама вынет из него внешность и родной тембр, который можно оставить или заменить; второй — загрузить от 2 до 4 картинок с элементом».

Длительность Kuaishou описывает так: «The new model generates up to 15 seconds of continuous video, with a flexible duration ranging from 3 to 15 seconds. This is not just about longer output, but unlocking more narrative possibilities». Перевод наш: «Новая модель делает до 15 секунд непрерывного видео со свободной длительностью от 3 до 15 секунд. Дело не только в длине, а в том, что открывается больше возможностей для рассказа». Тот же диапазон стоит в форме GEN202 — от 3 до 15 секунд.

Зачем нужно закрепление, Kuaishou объясняет на странице возможности Video 3.0: «Maintain perfect character consistency and object stability across frames, ensuring a reliable visual identity even with complex camera movements. Our AI video model locks subjects to prevent flickering». Перевод наш: «Удерживайте постоянство героя и устойчивость предметов от кадра к кадру, сохраняя узнаваемый облик даже при сложном движении камеры. Модель закрепляет героев, чтобы они не мерцали».

Всю серию Kuaishou описывает на своей главной странице так: «Built on a fully upgraded architecture, VIDEO 3.0 and VIDEO 3.0 Omni natively support deep multimodal instruction parsing and cross-task integration, redefining the narrative logic of light and sound». Перевод наш: «На полностью обновлённом устройстве VIDEO 3.0 и VIDEO 3.0 Omni изначально разбирают многомодальные указания и совмещают задачи между собой, заново определяя, как связаны изображение и звук в рассказе».

Счёт у Kuaishou идёт посекундно: «The video service fees are charged per second, with different rates for each mode». Перевод наш: «Плата за услугу берётся посекундно, и ставка у каждого режима своя». Свою ставку он называет в кредитах кабинета Kling AI и показывает на примере: «Example 2: Generating a 5-second 3.0 No Native Audio 720p video costs 30 Credits» — перевод наш: «Пример 2: пятисекундный ролик 3.0 без родного звука в 720p стоит 30 кредитов». Столбец «Официальная» в таблице цен выше показывает долларовую цену доступа к этой модели по API — $0.084 за секунду у младшего варианта.

Цитаты приведены по страницам Kling AI на 15 сентября 2026 года.

Что Kuaishou оставил за Kling 3.0: последний кадр, 4K и перенос движения

Последний кадр на входе принимает Kling 3.0: ролик можно вести от первого кадра к последнему. У Kling 3.0 Turbo на входе один кадр — первый.

Родное 4K объявлено для Kling 3.0, и работы, где оно есть, — это видео из текста и видео из изображения.

Перенос движения и мимики с готового ролика делает соседняя модель серии — Kling 3.0 Motion Control.

Что показали независимые проверки Kling 3.0

Kling 3.0 проверяют слепым сравнением на LMArena: человеку показывают два ролика без имён моделей и просят выбрать лучший, из этих выборов складывается оценка. В арене «картинка в видео» у строки kling-v3-pro стоит 1355 с допуском 6 при 199 238 голосах. У прошлых выпусков линейки оценки ниже: kling-2.6-pro — 1294 с допуском 8 при 202 157 голосах, kling-2.5-turbo-1080p — 1276 с допуском 13 при 3 796, kling-v2.1-master — 1235 с допуском 8 при 29 824. Числа на 21 сентября 2026 года, таблица — арена «картинка в видео» на LMArena.

От предыдущего выпуска Kling 3.0 отделяет 61 пункт при допуске 6 и 8: границы двух оценок не пересекаются, а голосов у каждой строки около двухсот тысяч. В слепом сравнении ролики Kling 3.0 выбирали чаще, чем ролики любого прошлого выпуска Kling.

Вторая проверка со стороны — научная работа «Talker-T2AV: Joint Talking Audio-Video Generation with Autoregressive Diffusion Modeling», выложенная на arXiv в апреле 2026 года. Kling 3 она называет среди ведущих систем, которые делают звук и картинку вместе: «Leading commercial systems such as Sora 2 (OpenAI, 2025), Veo 3 (Google DeepMind, 2025), Kling 3 (Kuaishou Technology, 2026), and Seedance 2.0 (ByteDance Seed Team, 2026) have all adopted joint audio-video generation as a core capability, producing cinematic clips with tightly synchronized dialogue, sound effects, and visual motion». Перевод наш: «Ведущие рыночные системы — Sora 2, Veo 3, Kling 3 и Seedance 2.0 — все взяли совместное создание звука и картинки как основную способность и выдают кинематографичные ролики с точно совпадающими репликами, звуковыми эффектами и движением». Работа — препринт Talker-T2AV на arXiv.

Что чаще всего идёт не так в Kling 3.0 и как это обходят

Ниже — то, что видно на съёмке и о чём документация молчит: места, где ролик выходит не тем, и обходы, которые для них нашли.

Наблюдения о Kling 3.0 взяты из разборов с живыми прогонами: Theoretically Media, 4 февраля 2026, Atomic Gains, 5 февраля 2026, King Charles Tv, 9 февраля 2026, Oprelia AI, 10 февраля 2026, Digital Master Tools, 14 февраля 2026, VideoSmile, 22 февраля 2026, Curious Refuge, 26 февраля 2026.

• К концу длинного ролика речь расходится с губами: герой замолкает раньше, чем договорил. Реплики поэтому ставят в начало, а последние планы делают без слов.
• Много реплик в одном описании модель старается уместить целиком и торопится. Разговор надёжнее разложить по нескольким коротким планам.
• Модель договаривает за автора: в кадре появляются лишний человек, лишняя сцена или надпись, которых не просили. Иногда герой заговаривает сам собой — тогда в описании прямо пишут, что он молчит.
• Закреплённый элемент и многокадровый рассказ спорят между собой: элемент держит облик героя, а заказанная смена планов при этом выполняется не вся.
• Подробное описание, собранное чат-ботом, модель понимает слишком буквально: от слова «стоит» герой замирает совсем. Короткое описание одного действия срабатывает точнее.
• Движение камеры уходит не туда: вместо камеры едет предмет или кадр начинает мелко трястись. Помогает прямое указание, что предмет остаётся на месте.
• Когда заданы и первый кадр, и последний, действие между ними выполняется хуже. Тот же замысел выходит лучше с одного кадра и многокадрового режима.
• На общем плане лицо героя расползается, а люди на дальнем плане движутся одинаково и дёргано. Крупность плана поэтому выбирают под лицо, а массовку оставляют спокойной.
• Звук сцены иногда не сходится с картинкой: за закрытой дверью слышна улица. Такой ролик переснимают, а не правят описанием.
• Годный ролик редко выходит с первой попытки. Сломавшийся план переснимают отдельно или вырезают при монтаже, а не переделывают всё целиком.

Общий порядок из этого складывается такой: одно действие на план, короткое описание и проверка замысла на низком разрешении, где секунда стоит меньше.

GEN202 — сервис доступа к моделям с оплатой рублями, и рубли в таблице выше — цены GEN202: у Kuaishou счёт идёт в кредитах его кабинета. Как устроен счёт и сколько стоит кредит, разобрано на странице цен.

Частые вопросы