API de sincronización labial de Kling (Kling Lip Sync)

Haz que un video existente de Kling (de 5 o 10 segundos) “hable” según audio o texto — es decir, sincronización labial (Lip Sync). Combinado con image2video de /kling/videos (para hacer que una foto se mueva), puede formar un flujo completo de “fotos parlantes / locución de avatar digital”.

Esta interfaz es un encapsulado práctico de un solo paso proporcionado por AceDataCloud, orientado a escenarios comunes impulsados por audio/texto; no es un reflejo de los campos de la interfaz oficial de múltiples pasos de Kling «reconocimiento facial → Advanced Lip Sync». Consulta la tabla de parámetros de esta página.

Dirección de la interfaz: POST https://api.acedata.cloud/kling/lip-sync
Formato de solicitud: application/json
Formato de respuesta: application/json
Facturación: 2.45 Credits por cada llamada exitosa (fijo)

Encabezados de solicitud (Request Headers)

Campo	Valor	Descripción
`authorization`	`Bearer ${API_KEY}`	Tu clave de API, obtener aquí
`content-type`	`application/json`	Formato del cuerpo de la solicitud
`accept`	`application/json`	Formato de respuesta

Parámetros de solicitud (Request Body)

Parámetro	Tipo	Obligatorio	Predeterminado	Descripción
`mode`	string	Sí	—	Modo de generación. Enumeración: `audio2video` (impulsado por audio), `text2video` (impulsado por texto)
`video_id`	string	Uno de dos	—	ID del video generado por Kling (como el `video_id` devuelto por image2video de `/kling/videos`). Solo admite videos de 5s/10s generados dentro de los últimos 30 días. Elige uno entre `video_id` y `video_url`; no se pueden enviar al mismo tiempo
`video_url`	string	Uno de dos	—	Enlace de video accesible públicamente. Restricciones: `.mp4`/`.mov`, ≤100MB, duración 2–10s, solo 720p/1080p, lado de 720–1920px. Elige uno entre este y `video_id`
`audio_url`	string	Condicional	—	URL de descarga del audio controlador, obligatoria cuando `audio2video` + `audio_type=url`. Formatos `.mp3`/`.wav`/`.m4a`/`.aac`, ≤5MB
`audio_type`	string	No	`url`	Método de transmisión de audio. Enumeración: `url`, `file` (efectivo cuando se usa `audio2video`)
`audio_file`	string	Condicional	—	Base64 del archivo de audio, obligatorio cuando `audio_type=file`. Mismos formatos que arriba, ≤5MB
`text`	string	Condicional	—	Texto que se leerá, obligatorio cuando se usa `text2video`, máximo 120 caracteres
`voice_id`	string	Condicional	—	ID de voz, obligatorio cuando se usa `text2video`
`voice_language`	string	No	`zh`	Idioma de voz. Enumeración: `zh`, `en` (efectivo cuando se usa `text2video`)
`voice_speed`	float	No	`1.0`	Velocidad de habla, rango `0.8`–`2.0`, con precisión de un decimal (efectivo cuando se usa `text2video`)
`callback_url`	string	No	—	Dirección de devolución de llamada. Si se proporciona este elemento o `async=true`, se utiliza el modo asíncrono: devuelve inmediatamente `task_id`, y realiza la devolución de llamada después de generar el resultado
`async`	boolean	No	`false`	Si es asíncrono. Cuando es `true`, devuelve inmediatamente `task_id`, en combinación con el sondeo de `/kling/tasks` o la devolución de llamada de `callback_url`

Ejemplos de solicitud

1）Impulsado por audio (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）Impulsado por texto (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
  }'

Ejemplo de respuesta (éxito síncrono)

{
  "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"
}

Campo	Tipo	Descripción
`success`	boolean	Si tuvo éxito
`task_id`	string	ID de esta tarea (se puede usar para consultar `/kling/tasks`)
`video_id`	string	ID de Kling del video generado (puede utilizarse como entrada para el siguiente `extend`/`lip-sync`)
`video_url`	string	URL del video hablado generado (ya transferido al CDN de esta plataforma, válido a largo plazo)
`duration`	string	Duración del video (segundos)
`state`	string	Estado de la tarea: `succeed` / `failed`

Modo asíncrono y consulta

Cuando se proporciona callback_url o async: true, la interfaz devuelve inmediatamente task_id; después puedes:

Sondear: POST /kling/tasks, body { "action": "retrieve", "id": "<task_id>" } (gratis)
Devolución de llamada: después de completar la generación, el resultado se envía mediante POST a tu callback_url

Flujo completo: foto parlante (image2video → lip-sync)

# Paso 1: hacer que la foto se mueva, obtener video_id
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", ... }

# Paso 2: sincronizar los labios con el audio
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", ... }

Respuesta de error

{
  "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	Significado
400	`bad_request`	Parámetros faltantes o no válidos (por ejemplo, no se envió mode, conflicto entre video y audio al elegir uno de los dos, text supera los 120 caracteres)
401	`authorization_missing`	Falta una clave API o no es válida
403	`forbidden`	El contenido fue bloqueado por el control de riesgos
429	`too_many_requests`	Límite de concurrencia del proveedor, inténtelo de nuevo más tarde
500	`api_error`	Error del proveedor o interno

Consideraciones

video_id debe ser un video de Kling generado dentro de los últimos 30 días y ser de 5 s o 10 s; de lo contrario, use video_url para enviar un video que cumpla con las restricciones.
Se recomienda que el video de entrada tenga un rostro frontal claro y una sola persona para obtener el mejor efecto de sincronización labial.
La duración del audio/texto debe coincidir con la duración del video (el audio no debe exceder la duración del video).
La facturación ocurre al tener éxito (2.45 Credits/vez); los fallos de validación de parámetros (4xx) no se cobran.

Primeros pasos

Chat de IA

Imagen de IA

Video de IA

Audio de IA

Web y datos

CAPTCHA

Identidad

Coding

Más guías

API de sincronización labial de Kling (Kling Lip Sync)

Encabezados de solicitud (Request Headers)

Parámetros de solicitud (Request Body)

Ejemplos de solicitud

1）Impulsado por audio (audio2video)

2）Impulsado por texto (text2video)

Ejemplo de respuesta (éxito síncrono)

Modo asíncrono y consulta

Flujo completo: foto parlante (image2video → lip-sync)

Respuesta de error

Consideraciones

​Encabezados de solicitud (Request Headers)

​Parámetros de solicitud (Request Body)

​Ejemplos de solicitud

​1）Impulsado por audio (audio2video)

​2）Impulsado por texto (text2video)

​Ejemplo de respuesta (éxito síncrono)

​Modo asíncrono y consulta

​Flujo completo: foto parlante (image2video → lip-sync)

​Respuesta de error

​Consideraciones

Encabezados de solicitud (Request Headers)

Parámetros de solicitud (Request Body)

Ejemplos de solicitud

1）Impulsado por audio (audio2video)

2）Impulsado por texto (text2video)

Ejemplo de respuesta (éxito síncrono)

Modo asíncrono y consulta

Flujo completo: foto parlante (image2video → lip-sync)

Respuesta de error

Consideraciones