Kling-Lip-Sync-API (Kling Lip Sync)

Lasse ein bereits vorhandenes Kling-Video (5 Sekunden oder 10 Sekunden) anhand von Audio oder Text „sprechen“ – also lippensynchron (Lip Sync). In Kombination mit image2video von /kling/videos (um Fotos zu animieren) lässt sich daraus ein vollständiger Ablauf für „sprechende Fotos / digitale Personenansagen“ erstellen.

Diese Schnittstelle ist eine von AceDataCloud bereitgestellte praktische Einzelschritt-Kapselung für gängige audio-/textgesteuerte Szenarien; sie ist keine Feldspiegelung der mehrstufigen offiziellen Kling-Schnittstelle „Gesichtserkennung → Advanced Lip Sync“. Bitte orientiere dich an der Parametertabelle auf dieser Seite.

Schnittstellenadresse: POST https://api.acedata.cloud/kling/lip-sync
Anfrageformat: application/json
Antwortformat: application/json
Abrechnung: Pro erfolgreichem Aufruf 2.45 Credits (fest)

Anfrage-Header (Request Headers)

Feld	Wert	Beschreibung
`authorization`	`Bearer ${API_KEY}`	Dein API-Schlüssel, hier erhalten
`content-type`	`application/json`	Format des Anfragebodys
`accept`	`application/json`	Antwortformat

Anfrageparameter (Request Body)

Parameter	Typ	Erforderlich	Standard	Beschreibung
`mode`	string	Ja	—	Generierungsmodus. Aufzählung: `audio2video` (audiogesteuert), `text2video` (textgesteuert)
`video_id`	string	Eines von beiden	—	ID eines von Kling generierten Videos (z. B. die von image2video aus `/kling/videos` zurückgegebene `video_id`). Unterstützt nur innerhalb der letzten 30 Tage generierte 5s-/10s-Videos. `video_id` und `video_url` sind alternativ, sie können nicht gleichzeitig übergeben werden
`video_url`	string	Eines von beiden	—	Öffentlich zugänglicher Videolink. Einschränkungen: `.mp4`/`.mov`, ≤100MB, Dauer 2–10s, nur 720p/1080p, Kantenlänge 720–1920px. Alternativ zu `video_id`
`audio_url`	string	Bedingt	—	Download-URL des steuernden Audios, erforderlich bei `audio2video` + `audio_type=url`. Formate `.mp3`/`.wav`/`.m4a`/`.aac`, ≤5MB
`audio_type`	string	Nein	`url`	Audioübertragungsmethode. Aufzählung: `url`, `file` (wirksam bei `audio2video`)
`audio_file`	string	Bedingt	—	Base64 der Audiodatei, erforderlich bei `audio_type=file`. Gleiches Format wie oben, ≤5MB
`text`	string	Bedingt	—	Vorzulesender Text, erforderlich bei `text2video`, maximal 120 Zeichen
`voice_id`	string	Bedingt	—	Stimmfarben-ID, erforderlich bei `text2video`
`voice_language`	string	Nein	`zh`	Sprache der Stimmfarbe. Aufzählung: `zh`, `en` (wirksam bei `text2video`)
`voice_speed`	float	Nein	`1.0`	Sprechgeschwindigkeit, Bereich `0.8`–`2.0`, auf eine Dezimalstelle genau (wirksam bei `text2video`)
`callback_url`	string	Nein	—	Callback-Adresse. Bei Übergabe dieses Werts oder bei `async=true` gilt der asynchrone Modus: `task_id` wird sofort zurückgegeben, Callback nach der Ergebnisgenerierung
`async`	boolean	Nein	`false`	Ob asynchron. Bei `true` wird `task_id` sofort zurückgegeben, in Kombination mit `/kling/tasks` zum Polling oder `callback_url` für Callbacks

Anfragebeispiele

1）Audiogesteuert (audio2video)

curl -X POST 'https://api.acedata.cloud/kling/lip-sync' \
  -H 'authorization: Bearer ${API_KEY}' \
  -H 'content-type: application/json' \
  -d '{
    "mode": "audio2video",
    "video_id": "895055164389466178",
    "audio_url": "https://cdn.acedata.cloud/6f7d62b18b.wav"
  }'

2）Textgesteuert (text2video)

curl -X POST 'https://api.acedata.cloud/kling/lip-sync' \
  -H 'authorization: Bearer ${API_KEY}' \
  -H 'content-type: application/json' \
  -d '{
    "mode": "text2video",
    "video_id": "895055164389466178",
    "text": "哥，好久不见，我一切都好，你要照顾好自己。",
    "voice_id": "genshin_vindi2",
    "voice_language": "zh",
    "voice_speed": 1.0
  }'

Antwortbeispiel (synchroner Erfolg)

{
  "success": true,
  "task_id": "07a3ec65-9f7e-4a09-b7b7-282684082527",
  "video_id": "895055968777281546",
  "video_url": "https://cdn.acedata.cloud/assets/examples/kling/6c68c267-065b-4423-b66b-a0e4c59ee0d5-6a664a591a53.mp4",
  "duration": "4.966",
  "state": "succeed"
}

Feld	Typ	Beschreibung
`success`	boolean	Ob erfolgreich
`task_id`	string	ID dieser Aufgabe (kann für Abfragen über `/kling/tasks` verwendet werden)
`video_id`	string	Kling-ID des generierten Videos (kann als Eingabe für das nächste `extend`/`lip-sync` verwendet werden)
`video_url`	string	URL des generierten sprechenden Videos (bereits im CDN dieser Plattform gespeichert, langfristig gültig)
`duration`	string	Videodauer (Sekunden)
`state`	string	Aufgabenstatus: `succeed` / `failed`

Asynchroner Modus und Abfrage

Bei Übergabe von callback_url oder async: true gibt die Schnittstelle sofort task_id zurück; anschließend kannst du:

Pollen: POST /kling/tasks, Body { "action": "retrieve", "id": "<task_id>" } (kostenlos)
Callback: Nach Abschluss der Generierung wird das Ergebnis per POST an deine callback_url gesendet

Vollständiger Ablauf: Sprechendes Foto (image2video → lip-sync)

# Schritt 1: Das Foto animieren, um die video_id zu erhalten
curl -X POST 'https://api.acedata.cloud/kling/videos' \
  -H 'authorization: Bearer ${API_KEY}' -H 'content-type: application/json' \
  -d '{"model":"kling-v2-1-master","action":"image2video","start_image_url":"https://cdn.acedata.cloud/4hfydw.jpg","prompt":"look at camera, natural","duration":5,"mode":"pro"}'
# → { "video_id": "895055164389466178", ... }

# Schritt 2: Mit Audio lippensynchronisieren
curl -X POST 'https://api.acedata.cloud/kling/lip-sync' \
  -H 'authorization: Bearer ${API_KEY}' -H 'content-type: application/json' \
  -d '{"mode":"audio2video","video_id":"895055164389466178","audio_url":"https://cdn.acedata.cloud/assets/examples/fish/5ade0339-5f11-487e-aacc-06a908271706-8e3fcb0e5547.mp3"}'
# → { "video_url": "https://cdn.acedata.cloud/assets/examples/kling/6c68c267-065b-4423-b66b-a0e4c59ee0d5-6a664a591a53.mp4", ... }

Fehlerantwort

{
  "success": false,
  "error": { "code": "bad_request", "message": "one of video_id or video_url is required" },
  "trace_id": "f07cab09-3c18-4d74-9030-64ee840d9f16",
  "task_id": "f490537f-2e5c-4739-8149-6252fba2091c"
}

HTTP	code	Bedeutung
400	`bad_request`	Parameter fehlen oder sind ungültig (z. B. mode nicht übergeben, Konflikt bei der Auswahl zwischen video und audio, text überschreitet 120 Zeichen)
401	`authorization_missing`	API-Schlüssel fehlt oder ist ungültig
403	`forbidden`	Inhalt wurde durch die Risikokontrolle abgefangen
429	`too_many_requests`	Upstream-Parallelitätslimit, bitte später erneut versuchen
500	`api_error`	Upstream- oder interner Fehler

Hinweise

video_id muss ein innerhalb von 30 Tagen generiertes Kling-Video sein und 5 s oder 10 s lang sein; andernfalls bitte video_url verwenden, um ein Video zu übergeben, das den Einschränkungen entspricht.
Für das Eingabevideo werden ein klares frontales Gesicht und eine einzelne Person empfohlen, um den besten Lippensynchronisationseffekt zu erzielen.
Die Audio-/Textdauer sollte der Videodauer entsprechen (Audio darf die Videolänge nicht überschreiten).
Die Abrechnung erfolgt bei Erfolg (2,45 Credits/Vorgang); bei fehlgeschlagener Parameterprüfung (4xx) fallen keine Kosten an.

Erste Schritte

KI Chat

KI Bild

KI Video

KI Audio

Web & Daten

CAPTCHA

Identität

Coding

Weitere Anleitungen

Kling-Lip-Sync-API (Kling Lip Sync)

Anfrage-Header (Request Headers)

Anfrageparameter (Request Body)

Anfragebeispiele

1）Audiogesteuert (audio2video)

2）Textgesteuert (text2video)

Antwortbeispiel (synchroner Erfolg)

Asynchroner Modus und Abfrage

Vollständiger Ablauf: Sprechendes Foto (image2video → lip-sync)

Fehlerantwort

Hinweise

​Anfrage-Header (Request Headers)

​Anfrageparameter (Request Body)

​Anfragebeispiele

​1）Audiogesteuert (audio2video)

​2）Textgesteuert (text2video)

​Antwortbeispiel (synchroner Erfolg)

​Asynchroner Modus und Abfrage

​Vollständiger Ablauf: Sprechendes Foto (image2video → lip-sync)

​Fehlerantwort

​Hinweise

Anfrage-Header (Request Headers)

Anfrageparameter (Request Body)

Anfragebeispiele

1）Audiogesteuert (audio2video)

2）Textgesteuert (text2video)

Antwortbeispiel (synchroner Erfolg)

Asynchroner Modus und Abfrage

Vollständiger Ablauf: Sprechendes Foto (image2video → lip-sync)

Fehlerantwort

Hinweise