kling-v3 首尾帧生视频接口基于可灵 3.0 视频大模型，通过同时指定首帧图像与尾帧图像，并在提示词中描述两个主体的互动逻辑，实现一镜到底的连续视频生成。接口支持 std 标准模式与 pro 专家模式两档画质，视频时长可在 3 秒～15 秒区间灵活配置，并提供负向提示词、声音开关、自由度（cf

kling-v3 主体控制能力基于 知能API /v1/responses 端点，通过 element_list 引用预先创建的主体（视频角色主体或多图主体，最多 3 个），结合参考图与文本提示词进行主体一致性视频生成。支持单镜头/多镜头（最多 6 个分镜）、3~15 秒可选时长、std/pro/4

kling-v3 是可灵 AI 推出的新一代视频生成模型，本接口在「图生视频」基础上扩展为多镜头分镜生成：以一张参考图为视觉锚点，配合用户自定义（customize）或智能（intelligence）分镜方式，最多支持 6 个连续分镜，每个分镜独立指定提示词与时长，所有分镜时长之和等于任务总时长。覆

基于前沿的深度学习架构，可灵 AI 具备卓越的文生视频与图生视频能力。它突破了传统 AI 视频生成的瓶颈，能精准模拟物理世界的运动规律，确保画面动态流畅、主体高度一致。作为全球视频生成领域的第一梯队产品，可灵 AI 性能对标国际顶尖模型，且已全面开放使用，致力于为创作者提供触手可及的专业级视频创作体

基于前沿的深度学习架构，可灵 AI 具备卓越的文生视频与图生视频能力。它突破了传统 AI 视频生成的瓶颈，能精准模拟物理世界的运动规律，确保画面动态流畅、主体高度一致。作为全球视频生成领域的第一梯队产品，可灵 AI 性能对标国际顶尖模型，且已全面开放使用，致力于为创作者提供触手可及的专业级视频创作体

基于通义万相 3.0 视频生成模型的文生视频接口，通过 /v1/responses 端点以异步任务方式调用。仅凭一段最长 20000 字符的文本提示词即可直接生成带原生音频的视频，支持 480P / 720P / 1080P 三档分辨率、2~30 秒自定义时长（传 -1 进入智能时长模式由模型自行推

基于通义万相 3.0 视频生成模型的首帧生视频接口，通过 /v1/responses 端点以异步任务方式调用。上传一张图像作为视频严格的第一帧，配合文本提示词描述后续动作与镜头运动，即可生成带原生音频的视频；支持 480P / 720P / 1080P 三档分辨率、2~30 秒自定义时长与自适应宽高

基于通义万相 3.0 视频生成模型的首尾帧生视频接口，通过 /v1/responses 端点以异步任务方式调用。同时指定首帧与尾帧两张图像，由模型补全中间的运动与转场过程，画面严格起止于给定图像；支持 480P / 720P / 1080P 三档分辨率、2~30 秒自定义时长与原生音频输出，适合表情

基于通义万相 3.0 视频生成模型的全能参考生视频接口，通过 /v1/responses 端点以异步任务方式调用。单次最多接收 10 张参考图像 + 5 段参考视频 + 5 段参考音频（视频与音频总时长各不超过 15 秒），并在提示词中用「图1」「视频1」「音频1」按数组顺序精确指代素材，完成主体一

基于通义万相 3.0 视频生成模型的参考文件生视频接口，通过 /v1/responses 端点以异步任务方式调用。直接上传 PPT、Word、Excel、PDF、Markdown 等 12 类文档（不超过 100MB、不超过 50 页）或一个网页链接作为创意来源，由模型读懂文件内容后生成带原生音频的