在 OpenClaw 中使用 Kling。
Kling 3.0 由 Kuaishou 開發，可從文字或圖片生成最高 1080p 的影片，支援原生音訊、多鏡頭場景及 3–15 秒時長。OpenClaw agent 透過 RunAPI 呼叫 Kling，使用與聊天相同的 API key — 發送 prompt、輪詢任務，即可取得影片 URL。
Use RunAPI to generate a video with Kling 3.0.
Requirements:
- Call POST https://runapi.ai/api/v1/kling/text_to_video
- Set model to "kling-3.0"
- Read the API key from RUNAPI_API_KEY environment variable
- Set duration_seconds to control length (3–15 seconds)
- Set aspect_ratio to "16:9" for landscape video
- Enable sound with enable_sound: true for native audio
- The response is async — poll the task status endpoint until the task completes, then retrieve the video URL
curl -X POST https://runapi.ai/api/v1/kling/text_to_video \
-H "Authorization: Bearer $RUNAPI_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kling-3.0",
"prompt": "A drone shot pulling back from a mountain lake at sunrise, mist rising off the water, cinematic lighting",
"duration_seconds": 5,
"aspect_ratio": "16:9",
"enable_sound": true,
"output_resolution": "1080p"
}'
{
"task_id": "tsk_abc123",
"status": "pending",
"model": "kling-3.0"
}
三步驟在 OpenClaw 中使用 Kling
設定 RunAPI
設定 RUNAPI_API_KEY 環境變數。如果你已將 RunAPI 設定為 OpenClaw 的聊天 provider，同一把 key 即可用於影片生成 — 無需額外設定。
export RUNAPI_API_KEY=runapi_xxx
呼叫 Kling text_to_video
發送 POST 請求至 /api/v1/kling/text_to_video，將 model 設為 kling-3.0。加入 prompt、duration_seconds（3–15）、aspect_ratio，並可選擇啟用 enable_sound 取得原生音訊。若要以圖片驅動生成，改用 /api/v1/kling/image_to_video 並提供 first_frame_image_url。
POST /api/v1/kling/text_to_video
輪詢取得結果
端點會立即回傳 task_id。輪詢任務狀態端點，直到 status 變為 completed，然後從回應中取得影片 URL。生成時間通常為 30–120 秒，取決於時長和解析度。
GET /api/v1/kling/text_to_video/tsk_abc123
Kling text_to_video API 參數
| 參數 | 類型 | 說明 |
|---|---|---|
model |
string |
必填。kling-3.0 為最新版本。 |
prompt |
string |
影片描述。除非啟用 multi_shots，否則為必填。 |
duration_seconds |
integer |
影片長度。Kling 3.0 支援 3–15 秒。舊版本僅接受 5 或 10 秒。 |
aspect_ratio |
string |
輸出長寬比：16:9、9:16 或 1:1。 |
output_resolution |
string |
解析度：720p、1080p 或 4k。解析度越高，每秒費用越高。 |
enable_sound |
boolean |
與影片同時生成原生音訊。會增加每秒費用。 |
negative_prompt |
string |
要從生成結果中排除的元素。 |
first_frame_image_url |
string |
用作開頭畫面的圖片 URL（單鏡頭模式）。 |
cfg_scale |
number |
引導係數（0–1）。數值越高，生成結果越貼近 prompt。 |
multi_shots |
boolean |
啟用多鏡頭場景生成，每個片段可使用不同 prompt。 |
OpenClaw 上的 Kling 是什麼？
Kuaishou 的 Kling 3.0 以強大的布料模擬、流體動力學和動態物理著稱，能生成電影品質的影片。它能從文字或圖像生成最長 3 分鐘、最高 1080p 的片段，支援原生音訊和多鏡頭場景。OpenClaw 代理透過 RunAPI 端點，使用與聊天相同的 API key 呼叫它。
Kling 使用情境
B-roll 與場景建立鏡頭
在緊迫的截止期限內生成場景長度的 B-roll 素材——Kling 的動態物理和電影光線效果讓自然風光、旅遊內容和環境影像格外突出。
商品生活風格內容
從單張圖像或文字提示詞，為食品、時尚或生活風格品牌製作商品影片，具備自然的攝影機動作和逼真的材質渲染。
社群媒體短片
製作適合 TikTok、Reels 或 YouTube Shorts 的電影風格短片。將 duration_seconds 設為 5 或 10，即可輸出符合平台長度的影片。
Kling + OpenClaw 常見問題
Kling 按生成影片的秒數收費。費率取決於 output_resolution 以及是否啟用 enable_sound。5 秒 720p 不含音訊的影片是最便宜的選項；1080p 加音訊的每秒費用大約是前者的兩倍。請查看 RunAPI 定價頁面了解確切費率。
text_to_video 僅從文字 prompt 生成影片。image_to_video 需要提供 first_frame_image_url，並從該圖片向外延伸生成動態。兩個端點都回傳非同步 task_id，並支援相同的時長和解析度選項。
可以。在請求中將 enable_sound 設為 true。Kling 3.0 會生成與影片內容同步的音訊。啟用音訊會增加每秒費用 — 720p 下大約每秒多 3 美分。
Kling 3.0 透過 duration_seconds 參數支援 3 到 15 秒。舊版本如 kling-v2.5-turbo-text-to-video-pro 僅接受 5 或 10 秒。
Kling 3.0 有獨立的 motion_control 端點（/api/v1/kling/motion_control），可將動態預設套用到來源圖片搭配參考影片。text_to_video 端點則依靠 prompt 描述來控制攝影機方向。