让声音与画面一起生成
V2.6 的 pro 模式支持在生成视频时开启伴音，适合希望同时获得画面和声音的短片创作。提示词可围绕主体、动作与场景组织，再通过 generate_audio 开启音频；只需要视觉素材时则保持关闭，便于后续自行配音和剪辑。
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 创作方式
- 文生视频、图生视频；另有照片加音频的对口型工作流
- 视频时长
- 平台入口支持 5 秒或 10 秒
- 生成模式
- std、pro
- 画幅
- 16:9、9:16、1:1
- 首尾帧控制
- pro 图生视频支持首帧加尾帧；尾帧不能单独使用
- 同步伴音
- pro 支持 generate_audio；默认关闭
- 结果交付
- 视频链接、视频 ID、任务 ID 与状态；支持异步及回调
以上为本平台的 V2.6 调用规格，照片对口型是独立工作流，不等同于视频生成时的同步伴音。
核心能力
了解 kling-v2-6 能为你的工作带来什么。
用起点和终点组织镜头
图生视频可从指定首帧出发，pro 模式还能加入尾帧，为片段设置明确的起始与结束画面。它适合已有产品图、人物图或分镜稿的项目，让创作围绕选定构图展开；首尾帧用于约束画面边界，并不是对中间每一帧的逐帧编辑。
把人物照片做成口播片段
会说话的照片工作流接受人物图片和已有音频，先将照片动画化，再完成音频对口型，一次提交即可取得最终视频。可用 prompt 描述动画阶段的动作与表情，并显式选择 kling-v2-6；这条工作流适合已有录音的任务，而非从文字直接合成语音。
适用场景
从具体任务出发，找到模型发挥作用的位置。
产品展示与社交短片
输入商品主图和展示动作描述，制作适合横屏、竖屏或方形发布的短片。若已设计好收尾画面，可用 pro 加入尾帧，让产品展示落到预定构图；交付的视频链接可进入剪辑流程，再补充品牌文字、字幕与完整的营销编排。
有声氛围与故事镜头
从场景、人物动作和事件描述出发，使用文生视频制作短镜头，并在 pro 模式开启同步伴音。适合先验证一个故事片段或有声氛围创意，再决定是否进入正式剪辑；把任务组织成清楚的单个片段，比把完整长篇脚本塞进一次生成更便于检查。
已有录音的人物口播
准备清晰的单人正脸照片，以及与目标视频时长相配的录音，提交到会说话的照片入口。输出包括最终对口型视频，也可取得照片动画阶段的视频链接，便于分别检查人物动作与口型效果，适合角色介绍、简短讲解和口播样片。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
在 V2.5 Turbo 与 V2.6 之间选择
若需要首尾帧，两者的 pro 模式都可纳入选择；若希望生成时同时获得伴音，V2.6 的 pro 更符合任务要求，V2.5 Turbo 不提供这一功能。对无需声音、也不需要尾帧的片段，可从 V2.6 std 开始；需要声音或明确收尾画面时再选择 pro，而不是仅凭版本名称判断。
何时转向 V3 或 Omni
V2.6 适合固定短时长、文字或首帧驱动，以及 pro 下的伴音创作。若任务要求 3–15 秒整数时长、原生 4K 模式或专用运镜控制，应考虑对应能力的 V3；若要组合多张参考图、参考视频或直接编辑已有视频，应选择 O1 或 V3 Omni，不要把这些能力套用到 V2.6。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- std 不支持同步伴音和尾帧，使用这两项功能应选择 pro。图生视频需要首帧图片，尾帧只能与首帧共同使用；提交前应把期望的动作过程写清楚，避免将起止画面的约束误当成对整段运动轨迹的精确控制。
- V2.6 不支持 mode=4k，也不支持 camera_control 专用运镜参数。可以在提示词中表达镜头意图，但这与参数化运镜控制不同；多图参考、参考视频及视频编辑属于其他型号的工作方式，不是本型号的通用输入能力。
- 照片对口型需要可访问的图片和音频链接，建议使用清晰单人正脸。音频支持 mp3、wav、m4a、aac，文件不超过 5MB，时长建议不超过目标视频；这条工作流依赖已有音频，不替代语音创作或长篇口播制作。
常见问题
解答使用 kling-v2-6 时的常见疑问。
V2.6 的 std 和 pro 应该怎么选？
只制作不带同步声音、无需指定尾帧的片段，可以选择 std。需要同步伴音或首尾帧控制时，应使用 pro。两种模式都支持 5 秒或 10 秒视频；pro 的这些功能需要主动设置，并不会因为选择该模式就自动全部开启。
怎样开启 V2.6 的同步音频？
在 /kling/videos 请求中显式设置 model 为 kling-v2-6、mode 为 pro，并将 generate_audio 设为 true。该开关默认关闭。同步伴音与提交现成音频进行照片对口型是两种不同方式，应根据是否已有录音来选择。
可以只给一张尾帧图生成视频吗？
不能将尾帧单独作为这条图生视频流程的输入。应使用 action=image2video，提供 start_image_url，并在 pro 模式下按需加入 end_image_url。若只有一张图片，可以把它作为首帧，再用提示词描述希望发生的动作。
怎样用 V2.6 让照片按录音说话？
向 /kling/talking-photo 提交 image_url 和 audio_url，并显式指定 model=kling-v2-6，选择 5 秒或 10 秒。prompt 可描述照片动画阶段的动作表情。最终 video_url 是对口型成片，source_video_url 则是中间的照片动画视频。
怎样接收生成结果，避免一直等待连接？
可设置 async=true，先保存返回的 task_id，再通过任务查询获取状态与结果；也可配置 callback_url 接收完成通知。取得 video_url 后再下载或进入剪辑流程。两个生成入口都建议显式指定 kling-v2-6，避免使用其他默认型号。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。