
Kling AI Lip Sync (Kuaishou) API
kling-lip-syncKling AI Lip Sync переозвучивает готовое видео: вы отправляете ролик на 2–60 секунд с чётким лицом и новое аудио, а получаете то же видео, где это лицо произносит новую речь. Распознавание лица идёт в том же запросе, face_index выбирает говорящего, цена — $0.077 за каждые начатые 5 секунд видео. Неудачные генерации не оплачиваются.
Kling Lip Sync
The face that should speak must be visible for at least 2 seconds. The output keeps the video length.
MP3, WAV, M4A or AAC, 2-60 seconds, up to 5 MB.
Billed per started 5 seconds of the input video, whatever the audio length; face detection is included. A 6-second video is $0.154, a 60-second video $0.924. Failed generations are not charged.
Calling it from code? See the API docs.
Result
Your lip-synced video will appear here
Новая речь для готового видео
Отправьте видео и новое аудио — вернётся то же видео, где выбранное лицо произносит новую речь
Один запрос, распознавание лица внутри
Распознавание лица и липсинк Kling идут в одном вызове; face_index выбирает говорящего, если людей несколько
Обрезка и размещение аудио
audio_start_ms и audio_end_ms обрезают клип, insert_at_ms задаёт начало, а два регулятора громкости уравновешивают его с исходным звуком
Видео от 2 до 60 секунд
MP4 или MOV в 720p или 1080p, до 100 МБ; результат той же длины, что и исходное видео
Оплата только за успех
Неудачные генерации не оплачиваются, а файлы, которые нельзя измерить или которые выходят за 2–60 секунд, получают 400 до создания задачи
$0.077 за каждые 5 секунд
Оплата по длине видео, а не аудио, за каждые начатые 5 секунд: 6 секунд — $0.154, 60 секунд — $0.924
О модели Kling AI Lip Sync
Kling AI Lip Sync — это API категории «генерация видео» от Kling. Kling AI Lip Sync — модель липсинка в API Kling от Kuaishou: вы даёте видео с человеком в кадре и новый аудиоклип, а получаете то же видео, где губы этого человека двигаются под новый звук. На APIMODELS это одно имя модели, kling-lip-sync (подходят и kling-lipsync, kling-advanced-lip-sync), на общем видеоэндпоинте, и это один запрос: распознавание лица и задачу липсинка Kling мы запускаем сами. Видео передаётся в video_url, новая речь — в audio_url. Видео: MP4 или MOV, 2–60 секунд, 720p или 1080p, обе стороны от 512 до 2160 пикселей, до 100 МБ. Аудио: MP3, WAV, M4A или AAC, 2–60 секунд, до 5 МБ. За запрос озвучивается один человек: face_index выбирает найденное лицо (по умолчанию 0, первое), и это лицо должно быть в кадре не меньше 2 секунд, пока звучит аудио. audio_start_ms и audio_end_ms обрезают аудио (не короче 2 секунд), insert_at_ms задаёт, с какого момента видео оно начинается, а audio_volume и original_audio_volume (0–2, по умолчанию 1) балансируют новую речь и исходный звук. Длина результата равна длине исходного видео: в нашем тесте 21 ноября 2026 года 6-секундное видео 720p и 3,5 секунды речи дали видео длиной 5,97 секунды за 111 секунд. Оплата зависит от длины видео, а не аудио: $0.077 за каждые начатые 5 секунд, распознавание лица включено; 6 или 10 секунд — $0.154, 60 секунд — $0.924. Файлы, длину которых нельзя прочитать или которые выходят за 2–60 секунд, отклоняются с кодом 400 до списания, а неудачные генерации не оплачиваются. Через платформу APIMODELS доступ к этой модели идёт по единому API с прозрачной оплатой по факту использования. Текущая цена: per started 5 seconds of input video: $0.077, 5s video: $0.077, 10s video: $0.154, 30s video: $0.462, 60s video (maximum): $0.924.
Похожая модель: Kling AI Avatar — когда есть только фото — оживляет портрет по аудио, до 300 секунд, от $0.062 за секунду аудио
Похожая модель: Digital Human — ещё один способ заново синхронизировать губы на готовом видео, $0.01 за секунду аудио
Похожая модель: OmniHuman 2.0 — когда человек с фото должен ещё жестикулировать или петь — 4–300 секунд, $0.091 за секунду аудио
Ключевые возможности
- Новая речь для готового видео -- Отправьте видео и новое аудио — вернётся то же видео, где выбранное лицо произносит новую речь
- Один запрос, распознавание лица внутри -- Распознавание лица и липсинк Kling идут в одном вызове; face_index выбирает говорящего, если людей несколько
- Обрезка и размещение аудио -- audio_start_ms и audio_end_ms обрезают клип, insert_at_ms задаёт начало, а два регулятора громкости уравновешивают его с исходным звуком
- Видео от 2 до 60 секунд -- MP4 или MOV в 720p или 1080p, до 100 МБ; результат той же длины, что и исходное видео
- Оплата только за успех -- Неудачные генерации не оплачиваются, а файлы, которые нельзя измерить или которые выходят за 2–60 секунд, получают 400 до создания задачи
- $0.077 за каждые 5 секунд -- Оплата по длине видео, а не аудио, за каждые начатые 5 секунд: 6 секунд — $0.154, 60 секунд — $0.924
Сценарии использования
Рекламные ролики
Быстро собрать промо-видео бренда под рекламные кампании и продвижение в соцсетях.
Контент для соцсетей
Короткие вертикальные ролики для TikTok, Instagram и YouTube.
Демонстрация продукта
Показать возможности продукта и снять обучающие ролики, которые повышают конверсию.
Образовательный контент
Объяснения к курсам, разборы тем и обучающие видео — недорого и на потоке.
Почему APIMODELS
- Единый API — один ключ на все модели, не нужно регистрироваться на нескольких площадках
- Прозрачные цены — оплата по факту использования, стоимость вызова указана на странице каждой модели; удобно независимым разработчикам и небольшим командам
- Доступ сразу — можно начинать сразу после регистрации; оплата картой, через PayPal, Alipay или в USDT
- Полная документация — подробная документация API с примерами на cURL, Python и Node.js
Частые вопросы
Чем APIMODELS отличается от официального API Kling?
APIMODELS отдаёт ту же самую модель Kling AI Lip Sync через свою агрегирующую платформу. Мы предоставляем единый интерфейс API, поэтому отдельные аккаунты у каждого поставщика не нужны — один ключ открывает доступ ко всем моделям.
Сколько стоит API Kling AI Lip Sync?
$0.077 за каждые начатые 5 секунд исходного видео, длина измеряется нами при создании задачи. Длина аудио на цену не влияет, распознавание лица включено. 5 секунд стоят $0.077, 6 или 10 секунд — $0.154, 60 секунд — $0.924. Неудачные генерации не оплачиваются.
Какие видео и аудио принимает Kling AI Lip Sync?
Видео MP4 или MOV длиной 2–60 секунд, 720p или 1080p, обе стороны от 512 до 2160 пикселей, до 100 МБ, и новое аудио MP3, WAV, M4A или AAC длиной 2–60 секунд, до 5 МБ. Лицо, которому подставляется речь, должно быть в кадре не меньше 2 секунд, пока звучит аудио. Файлы, длину которых нельзя измерить или которые выходят за 2–60 секунд, отклоняются с кодом 400 до списания.
Справится ли Kling AI Lip Sync с несколькими людьми в кадре?
За один запрос озвучивается один человек. face_index выбирает найденное лицо (по умолчанию 0 — первое, которое нашёл Kling); чтобы переозвучить двоих, отправьте два запроса. insert_at_ms задаёт, где начинается аудио, по умолчанию — когда выбранное лицо впервые появляется в кадре.
Как вызвать API Kling AI Lip Sync?
Создайте API-ключ на apimodels.app и отправьте POST на https://api.apimodels.app/v1/video/generations с model kling-lip-sync, video_url и audio_url, плюс при необходимости face_index, audio_start_ms, audio_end_ms, insert_at_ms, audio_volume и original_audio_volume. Это один запрос, распознавание лица идёт внутри. Опрашивайте GET /v1/video/generations?task_id= до completed и заберите MP4 из resultUrls[0].
Как выбрать между Kling AI Lip Sync и другими моделями того же типа?
В APIMODELS Kling AI Lip Sync соседствует более чем с 60 моделями под одним API-ключом и общим балансом, поэтому выбор — это вопрос соответствия задаче, а не привязки к поставщику. Модель поддерживает Video + New Audio, Face Detection Included, Pick the Speaker by face_index, Trim & Place the Audio, 2-60s at 720p / 1080p, $0.077 per 5s of Video; вы можете сравнить её по цене и возможностям с другими моделями того же типа (генерация видео) и переключиться, изменив одну строку с именем модели — без нового аккаунта и без переписывания интеграции. Все модели этого типа с актуальными ценами — на apimodels.app/models.
Что умеет Kling AI Lip Sync?
Kling AI Lip Sync поддерживает: Video + New Audio, Face Detection Included, Pick the Speaker by face_index, Trim & Place the Audio, 2-60s at 720p / 1080p, $0.077 per 5s of Video. Полный список параметров и примеры вызовов — в документации APIMODELS.
Можно ли пользоваться API Kling AI Lip Sync из России?
Со своей стороны APIMODELS не ограничивает доступ по странам: сайт и API принимают запросы откуда угодно, в том числе из России. Kling AI Lip Sync вызывается одним ключом APIMODELS, отдельный аккаунт у разработчика модели не нужен. Пополнить баланс можно в USDT, через PayPal или международной картой — подробности в вопросе об оплате.
Как оплатить Kling AI Lip Sync из России? Какие способы оплаты есть?
Баланс ведётся в долларах США. Пополнить его можно в USDT в сетях TRON (TRC20) или BNB Smart Chain (BEP20), через PayPal, международной картой Visa, Mastercard и других систем (через Stripe) или через Alipay. Карта, PayPal и Alipay зачисляются сразу, USDT — после подтверждения перевода в сети. Можно включить автопополнение. За пополнение на $50 начисляем бонус $1, на $100 — $3. Подписки нет, списание идёт по факту использования.