
Kling AI Avatar (Kuaishou) API
kling-avatarO Kling AI Avatar transforma um retrato e de 2 a 300 segundos de fala ou canto em um vídeo falado, com lábios e expressões que seguem o áudio e um prompt opcional para ações e câmera. O modo padrão gera 720p por $0.062 por segundo de áudio e o modo pro gera 1080p por $0.123, arredondando para o segundo. Gerações com falha não são cobradas.
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
Foto e voz viram vídeo falado
Um retrato e um clipe de áudio viram um MP4 em que essa pessoa fala ou canta o áudio, com lábios e expressões acompanhando o som
Até 5 minutos por vídeo
Áudio de 2 a 300 segundos em MP3, WAV, M4A ou AAC; o vídeo tem a duração do áudio
Ações guiadas por prompt
Um prompt opcional de até 2500 caracteres descreve ações, emoção e câmera, e o áudio dita o ritmo
Padrão 720p ou pro 1080p
mode std gera 720p por $0.062 por segundo de áudio; mode pro gera 1080p por $0.123, com mais nitidez
Só o que dá certo é cobrado
Gerações com falha não são cobradas, e áudio que não pode ser medido ou fica fora de 2-300 segundos recebe um 400 antes de criar a tarefa
Cobrança por segundo de áudio
Arredondado para cima: um clipe de 3,53 segundos conta como 4 ($0.248 no padrão); 60 segundos custam $3.72 no padrão ou $7.38 no pro
Sobre Kling AI Avatar
Kling AI Avatar é uma API de geração de vídeo da Kling. O Kling AI Avatar é o modelo de avatar falante da API do Kling, da Kuaishou: você entrega um retrato e um clipe de áudio, e ele devolve um MP4 em que essa pessoa fala ou canta o áudio, com os lábios e as expressões acompanhando o som. Na APIMODELS é um único nome de modelo, kling-avatar (kling-ai-avatar também funciona), no endpoint unificado de vídeo. O retrato vai em image_url e o áudio em audio_url, como URL pública ou data URI em base64. O retrato precisa ser JPG ou PNG, de até 10 MB, com o lado menor de pelo menos 300 pixels e proporção entre 1:2,5 e 2,5:1; o áudio pode ser MP3, WAV, M4A ou AAC, de 2 a 300 segundos e até 5 MB. Um prompt opcional de até 2500 caracteres descreve ações, emoção e câmera, e o áudio dita o ritmo. mode escolhe a qualidade: std gera 720p e pro gera 1080p. O vídeo tem a duração do áudio: no nosso teste de 21 de novembro de 2026, 3,53 segundos de voz e um retrato de 1280×720 no modo padrão geraram um vídeo de 3,47 segundos em 146 segundos. A cobrança é por segundo de áudio, arredondado para cima: $0.062 no padrão e $0.123 no pro; esses 3,53 segundos contam como 4, ou seja $0.248. Áudio cuja duração não pode ser lida ou que fica fora de 2 a 300 segundos é recusado com um 400 antes de qualquer cobrança, e gerações com falha não são cobradas. Pela plataforma APIMODELS, você acessa este modelo por uma API unificada com preços transparentes de pagamento por uso. Preço atual: 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
Principais recursos
- Foto e voz viram vídeo falado -- Um retrato e um clipe de áudio viram um MP4 em que essa pessoa fala ou canta o áudio, com lábios e expressões acompanhando o som
- Até 5 minutos por vídeo -- Áudio de 2 a 300 segundos em MP3, WAV, M4A ou AAC; o vídeo tem a duração do áudio
- Ações guiadas por prompt -- Um prompt opcional de até 2500 caracteres descreve ações, emoção e câmera, e o áudio dita o ritmo
- Padrão 720p ou pro 1080p -- mode std gera 720p por $0.062 por segundo de áudio; mode pro gera 1080p por $0.123, com mais nitidez
- Só o que dá certo é cobrado -- Gerações com falha não são cobradas, e áudio que não pode ser medido ou fica fora de 2-300 segundos recebe um 400 antes de criar a tarefa
- Cobrança por segundo de áudio -- Arredondado para cima: um clipe de 3,53 segundos conta como 4 ($0.248 no padrão); 60 segundos custam $3.72 no padrão ou $7.38 no pro
Casos de uso
Vídeos de marketing
Gere rapidamente vídeos promocionais da marca para campanhas e redes sociais.
Conteúdo para redes sociais
Crie vídeos curtos atraentes para TikTok, Instagram e YouTube.
Demos de produto
Gere demonstrações de recursos e tutoriais para melhorar a conversão.
Conteúdo educacional
Produza explicações de cursos, divulgação e vídeos de treinamento a baixo custo.
Por que a APIMODELS
- API unificada -- Uma única chave para todos os modelos, sem se cadastrar em várias plataformas
- Preços transparentes -- Pagamento por uso com o preço por chamada publicado em cada página de modelo, ideal para desenvolvedores independentes e startups
- Acesso instantâneo -- Comece logo após o cadastro; pague com cartão, PayPal, Alipay ou USDT
- Documentação completa -- Documentação de API detalhada com exemplos em cURL, Python e Node.js
Perguntas frequentes
Qual a diferença entre a APIMODELS e a API oficial da Kling?
A APIMODELS oferece o mesmo modelo Kling AI Avatar pela nossa plataforma de agregação. Fornecemos uma interface de API unificada, então você não precisa de contas separadas por provedor: uma única chave para acessar todos os modelos.
Quanto custa a API do Kling AI Avatar?
A cobrança é por segundo de áudio, arredondado para cima e medido ao criar a tarefa: $0.062 por segundo no modo padrão (720p) e $0.123 no modo pro (1080p). Um clipe de 3,53 segundos conta como 4, $0.248 no padrão; 60 segundos custam $3.72 no padrão ou $7.38 no pro. Gerações com falha não são cobradas.
Que imagem e áudio o Kling AI Avatar aceita?
Um retrato JPG ou PNG de até 10 MB, com o lado menor de pelo menos 300 pixels e proporção entre 1:2,5 e 2,5:1, e um clipe de áudio MP3, WAV, M4A ou AAC de 2 a 300 segundos e até 5 MB. Os dois podem ir como URL pública ou data URI em base64. Áudio que não pode ser medido ou fica fora de 2-300 segundos é recusado com um 400 antes de qualquer cobrança.
Qual a duração do vídeo do Kling AI Avatar e o que muda com mode?
O vídeo tem a duração do áudio. mode std gera 720p e mode pro gera 1080p por cerca do dobro. No nosso teste de 21 de novembro de 2026, 3,53 segundos de voz no modo padrão viraram um vídeo de 3,47 segundos em 146 segundos; é uma medição, não uma promessa.
Como chamo a API do Kling AI Avatar?
Crie uma API key em apimodels.app e faça um POST para https://api.apimodels.app/v1/video/generations com model kling-avatar, image_url, audio_url e, se quiser, prompt e mode. A resposta traz um id de tarefa: consulte GET /v1/video/generations?task_id= até o estado ser completed e baixe o MP4 de resultUrls[0], ou passe callback_url para ser avisado.
Como o Kling AI Avatar se compara a outros modelos da mesma categoria?
Na APIMODELS, o Kling AI Avatar roda junto com mais de 60 modelos usando uma única chave de API e um único saldo, então escolher é questão de adequação, não de dependência. Ele suporta Image + Audio to Video, Lip Sync & Expressions, Prompt-Guided Actions & Camera, Standard 720p / Pro 1080p, Up to 300s, From $0.062/s of Audio e você pode avaliá-lo em preço e capacidade frente a outros modelos da mesma categoria (geração de vídeo), trocando ao alterar uma única string com o nome do modelo — sem nova conta ou integração. Veja todos os modelos dessa categoria com preços ao vivo em apimodels.app/models.
O que o Kling AI Avatar pode fazer?
O Kling AI Avatar suporta: Image + Audio to Video, Lip Sync & Expressions, Prompt-Guided Actions & Camera, Standard 720p / Pro 1080p, Up to 300s, From $0.062/s of Audio. Consulte a documentação da APIMODELS para todos os parâmetros e exemplos de chamada.
Posso usar a API do Kling AI Avatar de qualquer país?
Sim. A APIMODELS não restringe o acesso por país: o site e a API respondem de qualquer lugar, e apimodels.app e api.apimodels.app também podem ser acessados diretamente da China continental, sem proxy. Você chama o Kling AI Avatar com uma única chave da APIMODELS, sem precisar de conta separada com o desenvolvedor do modelo.
Posso pagar com PayPal ou cripto? Quais formas de pagamento são aceitas?
Pode. Dá para recarregar com PayPal, USDT na TRON (TRC20) ou na BNB Smart Chain (BEP20), cartão (Visa, Mastercard e outros, via Stripe) ou Alipay. Recargas com cartão, PayPal e Alipay caem na hora; as de USDT, assim que a transferência é confirmada na rede. Também dá para ativar a recarga automática, e uma recarga de $50 ganha $1 de bônus ($3 na de $100). O saldo é em dólar e cobrado por uso, sem assinatura.