APIMODELSAPIMODELS
Todos
Models/Kling AI Avatar
Kling

Kling AI Avatar (Kuaishou) API

kling-avatar

Kling AI Avatar convierte un retrato y de 2 a 300 segundos de voz o canto en un vídeo que habla, con labios y expresiones que siguen el audio y un prompt opcional para acciones y cámara. El modo estándar da 720p por $0.062 por segundo de audio y el modo pro da 1080p por $0.123, redondeando al segundo. Las generaciones fallidas no se cobran.

Image + Audio to VideoLip Sync & ExpressionsPrompt-Guided Actions & CameraStandard 720p / Pro 1080pUp to 300sFrom $0.062/s of Audio
Standard 720p, per second of audio$0.062
Pro 1080p, per second of audio$0.123
Standard, 2s audio (minimum)$0.124
Standard, 10s audio$0.620
Pro, 10s audio$1.230
Standard, 60s audio$3.720
Pro, 60s audio$7.380
Standard, 300s audio (maximum)$18.600
Pro, 300s audio (maximum)$36.900
API Docs

Kling Avatar Talking Video

One clear face works best. JPG or PNG, up to 10 MB, shortest side at least 300 px, aspect ratio between 1:2.5 and 2.5:1.

Speech or singing, MP3, WAV, M4A or AAC, 2-300 seconds, up to 5 MB. The video runs as long as this audio.

or paste a public audio URL

Standard $0.062/s of audio, Pro $0.123/s. Pro gives a sharper 1080p video.

0/2500

Billed per second of audio, rounded up to the whole second: 2 s minimum ($0.124), 300 s maximum ($18.60). Failed generations are not charged.

Calling it from code? See the API docs.

Result

Your Kling Avatar video will appear here

Foto y voz, vídeo que habla

Un retrato y un clip de audio dan un MP4 en el que esa persona dice o canta el audio, con labios y expresiones al ritmo del sonido

Hasta 5 minutos por vídeo

Audio de 2 a 300 segundos en MP3, WAV, M4A o AAC; el vídeo dura lo mismo que el audio

Acciones guiadas por prompt

Un prompt opcional de hasta 2500 caracteres describe acciones, emoción y cámara, y el audio marca el ritmo

Estándar 720p o pro 1080p

mode std da 720p por $0.062 por segundo de audio; mode pro da 1080p por $0.123, con más nitidez

Solo se cobra lo que sale bien

Las generaciones fallidas no se cobran, y el audio que no se puede medir o queda fuera de 2-300 segundos recibe un 400 antes de crear la tarea

Se cobra por segundo de audio

Redondeado hacia arriba: un clip de 3,53 segundos cuenta como 4 ($0.248 en estándar); 60 segundos son $3.72 en estándar o $7.38 en pro

TL;DR Kling AI Avatar es un modelo de generación de video de Kling, accesible mediante la API unificada de APIMODELS (nombre del modelo `kling-avatar`). Precio: Standard 720p, per second of audio: $0.062, Pro 1080p, per second of audio: $0.123, Standard, 2s audio (minimum): $0.124, Standard, 10s audio: $0.62, Pro, 10s audio: $1.23, Standard, 60s audio: $3.72, Pro, 60s audio: $7.38, Standard, 300s audio (maximum): $18.6, Pro, 300s audio (maximum): $36.9. Una sola clave para todos los modelos de imagen / video / LLM / audio.

Acerca de Kling AI Avatar

Kling AI Avatar es una API de generación de video de Kling. Kling AI Avatar es el modelo de avatares que hablan de la API de Kling, de Kuaishou: le das un retrato y un clip de audio, y devuelve un MP4 en el que esa persona dice o canta el audio, con los labios y las expresiones siguiendo el sonido. En APIMODELS es un solo nombre de modelo, kling-avatar (también vale kling-ai-avatar), en el endpoint unificado de vídeo. El retrato va en image_url y el audio en audio_url, como URL pública o data URI en base64. El retrato debe ser JPG o PNG, de hasta 10 MB, con el lado corto de al menos 300 píxeles y una proporción entre 1:2,5 y 2,5:1; el audio puede ser MP3, WAV, M4A o AAC, de 2 a 300 segundos y hasta 5 MB. Un prompt opcional de hasta 2500 caracteres describe acciones, emoción y cámara, y el audio marca el ritmo. mode elige la calidad: std da 720p y pro da 1080p. El vídeo dura lo que el audio: en nuestra prueba del 21 de noviembre de 2026, 3,53 segundos de voz y un retrato de 1280×720 en modo estándar dieron un vídeo de 3,47 segundos en 146 segundos. Se cobra por segundo de audio, redondeado hacia arriba: $0.062 en estándar y $0.123 en pro; esos 3,53 segundos cuentan como 4, es decir $0.248. El audio cuya duración no se puede leer o que queda fuera de 2 a 300 segundos se rechaza con un 400 antes de cobrar nada, y las generaciones fallidas no se cobran. A través de la plataforma APIMODELS puedes acceder a este modelo mediante una API unificada con precios de pago por uso transparentes. Precio actual: Standard 720p, per second of audio: $0.062, Pro 1080p, per second of audio: $0.123, Standard, 2s audio (minimum): $0.124, Standard, 10s audio: $0.62, Pro, 10s audio: $1.23, Standard, 60s audio: $3.72, Pro, 60s audio: $7.38, Standard, 300s audio (maximum): $18.6, Pro, 300s audio (maximum): $36.9.

Modelo relacionado: OmniHuman 2.0 — ByteDance's photo + audio model — 4-300 seconds, gestures and singing, $0.091 per audio second

Modelo relacionado: Kling AI Lip Sync — when you already have a video and only want new speech on it — $0.077 per 5 seconds of video

Modelo relacionado: Digital Human — when you have footage of the person and want to keep its original motion — $0.01 per audio second

Características principales

  • Foto y voz, vídeo que habla -- Un retrato y un clip de audio dan un MP4 en el que esa persona dice o canta el audio, con labios y expresiones al ritmo del sonido
  • Hasta 5 minutos por vídeo -- Audio de 2 a 300 segundos en MP3, WAV, M4A o AAC; el vídeo dura lo mismo que el audio
  • Acciones guiadas por prompt -- Un prompt opcional de hasta 2500 caracteres describe acciones, emoción y cámara, y el audio marca el ritmo
  • Estándar 720p o pro 1080p -- mode std da 720p por $0.062 por segundo de audio; mode pro da 1080p por $0.123, con más nitidez
  • Solo se cobra lo que sale bien -- Las generaciones fallidas no se cobran, y el audio que no se puede medir o queda fuera de 2-300 segundos recibe un 400 antes de crear la tarea
  • Se cobra por segundo de audio -- Redondeado hacia arriba: un clip de 3,53 segundos cuenta como 4 ($0.248 en estándar); 60 segundos son $3.72 en estándar o $7.38 en pro

Casos de uso

Videos de marketing

Genera rápidamente videos promocionales de marca para campañas y redes sociales.

Contenido para redes sociales

Crea contenido de video corto atractivo para TikTok, Instagram y YouTube.

Demos de producto

Genera demostraciones de funciones y tutoriales para mejorar la conversión.

Contenido educativo

Produce explicaciones de cursos, divulgación y videos de formación a bajo coste.

Por qué APIMODELS

  • API unificada -- Una sola clave para todos los modelos, sin registrarte en varias plataformas
  • Precios transparentes -- Pago por uso con el precio por llamada publicado en cada página de modelo, ideal para desarrolladores independientes y startups
  • Acceso instantáneo -- Empieza justo después de registrarte; paga con tarjeta, PayPal, Alipay o USDT
  • Documentación completa -- Documentación de API detallada con ejemplos en cURL, Python y Node.js

Preguntas frecuentes

¿Cuál es la diferencia entre APIMODELS y la API oficial de Kling?

APIMODELS ofrece el mismo modelo Kling AI Avatar a través de nuestra plataforma de agregación. Proporcionamos una interfaz de API unificada, así que no necesitas cuentas separadas por proveedor: una sola clave para acceder a todos los modelos.

¿Cuánto cuesta la API de Kling AI Avatar?

Se cobra por segundo de audio, redondeado hacia arriba al segundo entero y medido al crear la tarea: $0.062 por segundo en modo estándar (720p) y $0.123 en modo pro (1080p). Un clip de 3,53 segundos cuenta como 4, $0.248 en estándar; 60 segundos son $3.72 en estándar o $7.38 en pro. Las generaciones fallidas no se cobran.

¿Qué imagen y audio acepta Kling AI Avatar?

Un retrato JPG o PNG de hasta 10 MB, con el lado corto de al menos 300 píxeles y una proporción entre 1:2,5 y 2,5:1, y un clip de audio MP3, WAV, M4A o AAC de 2 a 300 segundos y hasta 5 MB. Ambos pueden ir como URL pública o data URI en base64. El audio que no se puede medir o queda fuera de 2-300 segundos se rechaza con un 400 antes de cobrar nada.

¿Cuánto dura el vídeo de Kling AI Avatar y qué cambia mode?

El vídeo dura lo mismo que el audio. mode std da 720p y mode pro da 1080p por aproximadamente el doble. En nuestra prueba del 21 de noviembre de 2026, 3,53 segundos de voz en modo estándar devolvieron un vídeo de 3,47 segundos en 146 segundos; es una medición, no una promesa.

¿Cómo llamo a la API de Kling AI Avatar?

Crea una API key en apimodels.app y haz un POST a https://api.apimodels.app/v1/video/generations con model kling-avatar, image_url, audio_url y, si quieres, prompt y mode. La respuesta trae un id de tarea: consulta GET /v1/video/generations?task_id= hasta que el estado sea completed y descarga el MP4 de resultUrls[0], o pasa callback_url para recibir el aviso.

¿Cómo se compara Kling AI Avatar con otros modelos de su categoría?

En APIMODELS, Kling AI Avatar convive con más de 60 modelos bajo una sola clave API y un solo saldo, así que elegir es cuestión de ajuste, no de dependencia. Admite Image + Audio to Video, Lip Sync & Expressions, Prompt-Guided Actions & Camera, Standard 720p / Pro 1080p, Up to 300s, From $0.062/s of Audio y puedes valorarlo en precio y capacidad frente a otros modelos de la misma categoría (generación de video), y cambiar modificando una sola cadena con el nombre del modelo: sin nueva cuenta ni integración. Explora todos los modelos de esa categoría con precios en vivo en apimodels.app/models.

¿Qué puede hacer Kling AI Avatar?

Kling AI Avatar admite: Image + Audio to Video, Lip Sync & Expressions, Prompt-Guided Actions & Camera, Standard 720p / Pro 1080p, Up to 300s, From $0.062/s of Audio. Consulta la documentación de APIMODELS para ver todos los parámetros y ejemplos de llamada.

¿Puedo usar la API de Kling AI Avatar desde cualquier país?

Sí. APIMODELS no limita el acceso por país: la web y la API responden desde cualquier lugar, y apimodels.app y api.apimodels.app también son accesibles directamente desde China continental, sin proxy. Llamas a Kling AI Avatar con una sola clave de APIMODELS, sin abrir una cuenta aparte con el desarrollador del modelo.

¿Puedo pagar con PayPal o cripto? ¿Qué métodos de pago hay?

Sí. Puedes recargar saldo con PayPal, USDT en TRON (TRC20) o en BNB Smart Chain (BEP20), tarjeta (Visa, Mastercard y otras, a través de Stripe) o Alipay. Las recargas con tarjeta, PayPal y Alipay se acreditan al instante; las de USDT, en cuanto la transferencia se confirma en la cadena. Puedes activar la recarga automática, y al recargar $50 sumamos $1 de bono ($3 si recargas $100). El saldo es en dólares y se cobra por uso, sin suscripción.

Related models