
Kling AI Avatar (Kuaishou) API
kling-avatarKling AI Avatar は人物写真 1 枚と 2〜300 秒の話し声や歌から、口の動きと表情が音に合う話す動画を作り、任意のプロンプトで動きやカメラも指定できます。標準モードは 720p で音声 1 秒 $0.062、pro は 1080p で $0.123(秒単位の切り上げ)。失敗した生成は課金しません。
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.
Standard $0.062/s of audio, Pro $0.123/s. Pro gives a sharper 1080p video.
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
写真と声から話す動画
人物写真 1 枚と音声 1 本から、その人物が音声を話したり歌ったりする MP4 を作り、口の動きと表情が音に合います
1 本最長 5 分
音声は 2〜300 秒、MP3・WAV・M4A・AAC に対応。動画の長さは音声と同じです
プロンプトで動きを指定
任意のプロンプト(最大 2500 文字)で動き・感情・カメラワークを指定でき、テンポは音声が決めます
標準 720p か pro 1080p
mode std は 720p で音声 1 秒 $0.062、mode pro は 1080p で $0.123、より鮮明です
成功した分だけ課金
失敗した生成は課金なし。長さが読めない音声や 2〜300 秒の範囲外の音声は、タスク作成前に 400 で返します
音声の秒数で課金
秒単位で切り上げ:3.53 秒の音声は 4 秒分(標準 $0.248)、60 秒は標準 $3.72、pro $7.38
Kling AI Avatar について
Kling AI Avatar は Kling の動画生成 API です。Kling AI Avatar は快手(Kuaishou)の Kling API にあるアバター動画モデルです。人物写真 1 枚と音声 1 本を渡すと、写真の人物がその音声を話したり歌ったりする MP4 が返り、口の動きと表情が音に合わせて動きます。APIMODELS では統合動画エンドポイントのモデル名 kling-avatar の 1 つだけで(kling-ai-avatar でも可)使えます。写真は image_url、音声は audio_url に、公開 URL か base64 の data URI で渡します。写真は JPG か PNG、10 MB 以下、短い辺 300 ピクセル以上、縦横比 1:2.5〜2.5:1。音声は MP3・WAV・M4A・AAC、2〜300 秒、5 MB 以下です。任意の prompt(最大 2500 文字)で動き・感情・カメラワークを指定でき、テンポは音声が決めます。mode で画質を選び、std は 720p、pro は 1080p です。動画の長さは音声と同じで、2026 年 11 月 21 日の実測では標準モードで 3.53 秒の音声と 1280×720 の写真から 146 秒で 3.47 秒の動画が届きました。料金は音声 1 秒ごとで秒単位の切り上げ、標準 $0.062、pro $0.123 です。3.53 秒なら 4 秒分で標準 $0.248。長さが読めない音声や 2〜300 秒の範囲外の音声は課金前に 400 で返し、失敗した生成は課金しません。 APIMODELS のプラットフォーム経由なら、統一 API と明朗な従量課金でこのモデルを呼び出せます。 現在の料金: 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。
関連モデル: OmniHuman 2.0 — ByteDance's photo + audio model — 4-300 seconds, gestures and singing, $0.091 per audio second
関連モデル: Kling AI Lip Sync — when you already have a video and only want new speech on it — $0.077 per 5 seconds of video
関連モデル: Digital Human — when you have footage of the person and want to keep its original motion — $0.01 per audio second
主な機能
- 写真と声から話す動画 -- 人物写真 1 枚と音声 1 本から、その人物が音声を話したり歌ったりする MP4 を作り、口の動きと表情が音に合います
- 1 本最長 5 分 -- 音声は 2〜300 秒、MP3・WAV・M4A・AAC に対応。動画の長さは音声と同じです
- プロンプトで動きを指定 -- 任意のプロンプト(最大 2500 文字)で動き・感情・カメラワークを指定でき、テンポは音声が決めます
- 標準 720p か pro 1080p -- mode std は 720p で音声 1 秒 $0.062、mode pro は 1080p で $0.123、より鮮明です
- 成功した分だけ課金 -- 失敗した生成は課金なし。長さが読めない音声や 2〜300 秒の範囲外の音声は、タスク作成前に 400 で返します
- 音声の秒数で課金 -- 秒単位で切り上げ:3.53 秒の音声は 4 秒分(標準 $0.248)、60 秒は標準 $3.72、pro $7.38
ユースケース
販促動画
広告キャンペーンや SNS 施策に向けたブランド動画を短時間で作ります。
SNS 向けショート動画
TikTok、Instagram、YouTube 向けの縦型ショート動画を量産できます。
プロダクトデモ
機能紹介やチュートリアル動画を作り、コンバージョンにつなげます。
教育コンテンツ
講座の解説、知識の説明、研修用の動画を低コストで継続的に作れます。
APIMODELS を選ぶ理由
- 統一 API -- キー 1 本ですべてのモデルへ。プラットフォームごとに登録する必要はありません
- 明朗な料金 -- 従量課金で、1 回あたりの単価は各モデルページに掲載。個人開発者とスタートアップに向いています
- すぐ使える -- 登録した直後から利用でき、支払いはカード・PayPal・Alipay・USDT に対応
- 充実したドキュメント -- cURL / Python / Node.js のサンプル付きで API を詳しく解説
よくある質問
APIMODELS と Kling 公式 API の違いは?
APIMODELS は同じ Kling AI Avatar を集約プラットフォーム経由で提供します。統一された API インターフェースなので、プロバイダごとにアカウントを作る必要はありません。キー 1 本ですべてのモデルに届きます。
Kling AI Avatar API の料金は?
駆動音声の秒数で課金し、秒単位で切り上げ、タスク作成時にこちらで測ります。標準モード(720p)は 1 秒 $0.062、pro モード(1080p)は $0.123。3.53 秒の音声は 4 秒分で標準 $0.248、60 秒なら標準 $3.72、pro $7.38 です。失敗した生成は課金しません。
Kling AI Avatar はどんな画像と音声を受け付けますか?
人物写真は JPG か PNG で 10 MB 以下、短い辺 300 ピクセル以上、縦横比 1:2.5〜2.5:1。音声は MP3・WAV・M4A・AAC で 2〜300 秒、5 MB 以下です。どちらも公開 URL か base64 の data URI で渡せます。長さが測れない音声や 2〜300 秒の範囲外の音声は、課金前に 400 で返します。
Kling AI Avatar の動画の長さと mode の違いは?
動画の長さは駆動音声と同じです。mode std は 720p、mode pro は 1080p で、料金はおよそ 2 倍。2026 年 11 月 21 日の実測では、標準モードで 3.53 秒の音声から 146 秒後に 3.47 秒の動画が届きました。1 回の実測で、保証ではありません。
Kling AI Avatar API はどう呼び出しますか?
apimodels.app で API キーを作り、https://api.apimodels.app/v1/video/generations に POST します。model は kling-avatar、image_url と audio_url を付け、必要なら prompt と mode も。返ってきたタスク ID で GET /v1/video/generations?task_id= を completed になるまで確認し、resultUrls[0] から MP4 を取得します。callback_url で通知を受けることもできます。
Kling AI Avatar で何ができますか?
Kling AI Avatar は次に対応しています: Image + Audio to Video、Lip Sync & Expressions、Prompt-Guided Actions & Camera、Standard 720p / Pro 1080p、Up to 300s、From $0.062/s of Audio。パラメータの全一覧と呼び出し例は APIMODELS のドキュメントをご覧ください。
Kling AI Avatar の API は日本からでも使えますか?
使えます。APIMODELS は国による利用制限を設けておらず、サイトも API もどこからでも利用できます。Kling AI Avatar は APIMODELS のキー 1 本で呼び出せるので、モデル提供元のアカウントを別に作る必要はありません。
日本円で払えますか?支払い方法は?
残高と料金は米ドル建てです。支払いはクレジットカード(Visa、Mastercard など。Stripe 経由)、PayPal、Alipay、USDT(TRON の TRC20、BNB Smart Chain の BEP20)に対応しています。円建てのカードや PayPal で払う場合、円への換算はカード会社や PayPal 側で行われます。カード、PayPal、Alipay は支払い後すぐ残高に反映され、USDT はブロックチェーン上で送金が確認されてから反映されます。自動チャージも設定でき、$50 のチャージで $1、$100 で $3 のボーナスが付きます。月額料金はなく、使った分だけの従量課金です。