
可灵对口型 Kling AI Lip Sync API
kling-lip-sync可灵对口型给现成的视频换音频:传一段 2-60 秒、有清晰人脸的视频和一段新音频,返回同一段视频,这张脸照着新音频说话。人脸识别在同一个请求里完成,face_index 指定说话的人;按原视频每 5 秒 $0.077 计费,失败不扣费。
可灵对口型
要说话的那张脸至少要连续出现 2 秒。成片时长和原视频一样。
MP3、WAV、M4A 或 AAC,2-60 秒,不超过 5 MB。
按原视频时长计费,每 5 秒 $0.077,不足 5 秒按 5 秒算,和音频长短无关;人脸识别不另收费。6 秒视频 $0.154,60 秒视频 $0.924。生成失败不扣费。
要在代码里调用?见 API 文档。
结果
对口型后的视频会显示在这里
给现成视频换音频
传一段视频和一段新音频,返回同一段视频,所选人脸照着新音频说话
一次请求,含人脸识别
可灵的人脸识别和对口型任务在一次调用里完成;画面有多人时用 face_index 指定说话的人
截取并放置音频
audio_start_ms、audio_end_ms 截取音频,insert_at_ms 指定从哪里开始,两个音量参数平衡新语音和原声
2-60 秒视频
MP4 或 MOV,720p 或 1080p,不超过 100 MB;成片时长和原视频一样
只有成功才扣费
生成失败不扣费;读不出时长或不在 2-60 秒之间的文件,在建任务前直接返回 400
每 5 秒视频 $0.077
按原视频时长计费,和音频长短无关,不足 5 秒按 5 秒:6 秒视频 $0.154,60 秒 $0.924
关于 Kling AI Lip Sync
Kling AI Lip Sync 是由 Kling 提供的视频生成 API。可灵对口型(Kling AI Lip Sync)是快手可灵 API 里的对口型模型:给它一段有人物出镜的视频和一段新音频,它返回同一段视频,画面里那个人的口型换成照着新音频在说。在 APIMODELS 上它是统一视频端点里的一个模型名 kling-lip-sync(kling-lipsync、kling-advanced-lip-sync 也能用),而且只要一次请求:可灵的人脸识别和对口型任务都由我们来跑。 视频用 video_url 传,新语音用 audio_url 传。视频要求 MP4 或 MOV,2-60 秒,720p 或 1080p,宽和高都在 512-2160 像素之间,不超过 100 MB;音频支持 MP3、WAV、M4A、AAC,2-60 秒,不超过 5 MB。 一次只给一个人对口型:face_index 指定用识别到的第几张脸(默认 0,也就是第一张),这张脸在音频播放时要至少出镜 2 秒。可选的 audio_start_ms、audio_end_ms 用来截取音频(留下的部分至少 2 秒),insert_at_ms 指定音频从视频的哪个时间点开始(默认是所选人脸第一次出现的时间),audio_volume 和 original_audio_volume(0-2,默认 1)调新语音和原视频声音的音量。 成片时长和原视频一样:我们 2026 年 11 月 21 日实测,一段 6.0 秒的 720p 视频加 3.5 秒的语音,111 秒后返回一条 5.97 秒的视频。 按原视频时长计费,和音频长短无关:每 5 秒 $0.077,不足 5 秒按 5 秒算,在建任务时测量,人脸识别不另收费。5 秒视频 $0.077,6 秒或 10 秒 $0.154,60 秒 $0.924。读不出时长、或不在 2-60 秒之间的视频和音频在扣费前直接返回 400;生成失败不扣费。 通过 APIMODELS 平台,您可以使用统一的 API 接口调用该模型,按量计费、价格透明。当前定价: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。
相关模型:Kling AI Avatar — 只有照片、没有视频时 —— 让静态人像跟着音频说话,最长 300 秒,每音频秒 $0.062 起
相关模型:Digital Human — 另一种在现成视频上重做口型的方式,按音频秒 $0.01 计费
相关模型:OmniHuman 2.0 — 要让照片里的人同时做手势或唱歌时 —— 4-300 秒,每音频秒 $0.091
核心功能
- 给现成视频换音频 -- 传一段视频和一段新音频,返回同一段视频,所选人脸照着新音频说话
- 一次请求,含人脸识别 -- 可灵的人脸识别和对口型任务在一次调用里完成;画面有多人时用 face_index 指定说话的人
- 截取并放置音频 -- audio_start_ms、audio_end_ms 截取音频,insert_at_ms 指定从哪里开始,两个音量参数平衡新语音和原声
- 2-60 秒视频 -- MP4 或 MOV,720p 或 1080p,不超过 100 MB;成片时长和原视频一样
- 只有成功才扣费 -- 生成失败不扣费;读不出时长或不在 2-60 秒之间的文件,在建任务前直接返回 400
- 每 5 秒视频 $0.077 -- 按原视频时长计费,和音频长短无关,不足 5 秒按 5 秒:6 秒视频 $0.154,60 秒 $0.924
适用场景
营销短视频
快速生成品牌宣传视频,适用于广告投放和社交媒体推广。
社交媒体内容
为抖音、小红书等平台创建引人注目的短视频内容。
产品演示
生成产品功能演示和使用教程视频,提升用户转化率。
教育培训内容
制作课程讲解、知识科普等教育类视频,降低视频制作门槛。
为什么选择 APIMODELS
- 统一 API 接口 -- 一个 API Key 调用所有模型,无需分别注册各平台账号
- 价格透明 -- 按量计费,每个模型页公开单次调用价格,适合小微开发者和初创团队
- 即开即用 -- 注册即可使用,支持支付宝、PayPal、银行卡和 USDT 充值
- 完整文档 -- 提供详细的 API 文档和代码示例(cURL、Python、Node.js)
常见问题
Kling AI Lip Sync 的价格是多少?
Kling AI Lip Sync 通过 APIMODELS 平台调用,当前定价: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。按量计费,用多少付多少。
APIMODELS 与 Kling 官方 API 有什么区别?
APIMODELS 通过聚合平台提供与官方相同的 Kling AI Lip Sync 模型。我们提供统一的 API 接口,无需分别注册各平台账号,一个 API Key 即可调用所有模型。
可灵对口型 API 怎么收费?
按原视频每 5 秒 $0.077 计费,不足 5 秒按 5 秒算,在建任务时测量。音频长短不影响价格,人脸识别不另收费。5 秒视频 $0.077,6 秒或 10 秒 $0.154,60 秒 $0.924。生成失败不扣费。
可灵对口型接受什么样的视频和音频?
视频要求 MP4 或 MOV,2-60 秒,720p 或 1080p,宽和高都在 512-2160 像素之间,不超过 100 MB;新音频支持 MP3、WAV、M4A、AAC,2-60 秒,不超过 5 MB。要对口型的那张脸在音频播放时至少要出镜 2 秒。读不出时长或不在 2-60 秒之间的文件,在扣费前直接返回 400。
一段视频里有好几个人,可灵对口型能处理吗?
一次请求只给一个人对口型。face_index 指定用识别到的第几张脸(默认 0,也就是可灵找到的第一张);要给两个人换音频,就发两次请求。insert_at_ms 指定音频从哪里开始,默认是所选人脸第一次出现的时间。
怎么调用可灵对口型 API?
在 apimodels.app 创建 API Key,然后向 https://api.apimodels.app/v1/video/generations 发 POST:model 填 kling-lip-sync,带上 video_url 和 audio_url,可选 face_index、audio_start_ms、audio_end_ms、insert_at_ms、audio_volume、original_audio_volume。只要一次请求,人脸识别在里面完成。轮询 GET /v1/video/generations?task_id= 到 completed,从 resultUrls[0] 取 MP4。
Kling AI Lip Sync 和同类模型相比怎么选?
在 APIMODELS,Kling AI Lip Sync 与 60+ 个模型共用一个 API Key、一个余额,所以选型只看合不合适,不存在锁定。它支持 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,你可以在价格和能力上把它和同属「视频生成」类的其它模型对比,换模型只需改一个模型名字符串——无需新账号、无需重新对接。「视频生成」类的全部模型与实时价格见 apimodels.app/models。
Kling AI Lip Sync 支持哪些能力?
Kling AI Lip Sync 支持: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。完整参数与调用方式见 APIMODELS 的 API 文档。
国内能直接调用 Kling AI Lip Sync API 吗?需要代理吗?
能直接调用,不需要代理。apimodels.app 和 api.apimodels.app 在中国大陆可以直接访问,注册后用一个 API Key 就能调用 Kling AI Lip Sync;不用单独注册模型厂商的账号,也不需要海外信用卡,支付宝就能充值。
怎么充值?支持哪些付款方式?
支持支付宝、PayPal、银行卡(Visa、Mastercard 等,经 Stripe 支付),以及 USDT(TRON 链 TRC20 或 BNB Smart Chain 链 BEP20)。支付宝、PayPal 和银行卡付款后即时到账,USDT 在链上转账确认后到账;也可以开启自动充值。单次充 $50 送 $1,充 $100 送 $3。余额按美元计,按量扣费,没有月费。