Intégration et utilisation de l'API Kling Tasks

La principale fonctionnalité de l’API Kling Tasks est de permettre la consultation de l’état d’exécution d’une tâche en entrant l’ID de tâche généré par l’API Kling Videos Generation. Ce document détaillera les instructions d’intégration de l’API Kling Tasks, vous aidant à intégrer facilement et à tirer pleinement parti de la puissance de cette API. Grâce à l’API Kling Tasks, vous pouvez facilement interroger l’état d’exécution des tâches de l’API Kling Videos Generation.

Processus de demande

Pour utiliser l’API Kling Videos Generation, commencez par obtenir votre jeton API sur le tableau de bord Ace Data Cloud pour le garder en réserve.

Si vous n’êtes pas encore connecté ou inscrit, vous serez automatiquement redirigé vers la page de connexion vous invitant à vous inscrire et à vous connecter, après quoi vous serez automatiquement renvoyé à la page actuelle. Un jeton API suffit pour appeler tous les services de la plateforme, sans avoir besoin de demander séparément pour chaque service. La première demande vous donnera un quota gratuit pour une expérience sans frais ; lorsque le quota est insuffisant, vous pouvez recharger le solde général dans le tableau de bord.

📘 Documentation complète : Kling Videos Generation API →

Exemple de demande

L’API Kling Tasks peut être utilisée pour interroger les résultats de l’API Kling Videos Generation. Pour savoir comment utiliser l’API Kling Videos Generation, veuillez consulter la documentation Kling Videos Generation API. Prenons un exemple avec un ID de tâche retourné par le service Kling Videos Generation. Supposons que nous ayons un ID de tâche : 20068983-0cc9-4c6a-aeb6-9c6a3c668be0, nous allons maintenant démontrer comment l’utiliser en passant cet ID de tâche.

Exemple de tâche

Configuration des en-têtes de demande et du corps de la demande

Request Headers comprend :

accept : spécifie que la réponse doit être au format JSON, ici rempli avec application/json.
authorization : la clé pour appeler l’API, que vous pouvez sélectionner directement après la demande.

Request Body comprend :

id : l’ID de la tâche téléchargée.
action : la manière d’opérer sur la tâche.

Configuration comme indiqué dans l’image ci-dessous :

Exemple de code

Vous pouvez constater que divers langages de code ont déjà été générés automatiquement sur le côté droit, comme le montre l’image :

Voici quelques exemples de code :

CURL

curl -X POST 'https://api.acedata.cloud/kling/tasks' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "id": "20068983-0cc9-4c6a-aeb6-9c6a3c668be0",
  "action": "retrieve"
}'

Python

import requests

url = "https://api.acedata.cloud/kling/tasks"

headers = {
    "accept": "application/json",
    "authorization": "Bearer {token}",
    "content-type": "application/json"
}

payload = {
    "id": "20068983-0cc9-4c6a-aeb6-9c6a3c668be0",
    "action": "retrieve"
}

response = requests.post(url, json=payload, headers=headers)
print(response.text)

Exemple de réponse

Après une demande réussie, l’API renverra les détails de la tâche vidéo ici. Par exemple :

{
  "_id": "67c5163f550a4144a5b68698",
  "id": "20068983-0cc9-4c6a-aeb6-9c6a3c668be0",
  "api_id": "29187cb2-1acb-43b8-baf5-3f3f709292eb",
  "application_id": "f35762fe-e8a4-4613-bb70-e5c1be4f9fc2",
  "created_at": 1740969535.333,
  "started_at": 1740969535.393,
  "finished_at": 1740969852.463,
  "elapsed": 317.07,
  "credential_id": "ce81345f-7e2a-4871-b539-aefb5f725220",
  "request": {
    "action": "text2video",
    "model": "kling-v1",
    "prompt": "Tasse à café en céramique blanche sur un comptoir en marbre brillant avec la lumière du matin venant de la fenêtre. La caméra tourne lentement à 360 degrés autour de la tasse, s'arrêtant brièvement au niveau de la poignée.",
    "callback_url": "https://webhook.site/624b2c78-6dbd-4618-9d2b-b32eade6d8c3"
  },
  "trace_id": "0a907f69-4ae2-4a08-b34c-ee15c1c47077",
  "type": "videos",
  "user_id": "ad7afe47-cea9-4cda-980f-2ad8810e51cf",
  "job_id": "CjJzzGfBfqcAAAAAAKdVMQ",
  "response": {
    "success": true,
    "video_id": "030bb06d-98d4-4044-9042-0aa0822e8c8c",
    "video_url": "https://platform2.cdn.acedata.cloud/gemini/04a043bd-6b23-4b4e-945c-ce48158c3eee.mp4",
    "duration": "5.1",
    "state": "succeed",
    "task_id": "20068983-0cc9-4c6a-aeb6-9c6a3c668be0"
  }
}

Le résultat de la réponse contient plusieurs champs, le champ request est le corps de la demande lors de l’initiation de la tâche, tandis que le champ response est le corps de la réponse retourné après l’achèvement de la tâche. Les champs sont décrits comme suit.

id, l’ID de la tâche vidéo générée, utilisé pour identifier de manière unique cette tâche de génération vidéo.
request, informations de demande dans la tâche vidéo.
response, informations de retour dans la tâche vidéo.
created_at, date de création de la tâche, horodatage Unix (secondes, flottant).
started_at, date de début d’exécution de la tâche, horodatage Unix (secondes, flottant).
finished_at, date de fin de la tâche, horodatage Unix (secondes, flottant). Ce champ n’est pas retourné si la tâche n’est pas terminée.
elapsed, temps d’exécution de la tâche, en secondes (flottant, avec 3 décimales). Ce champ n’est pas retourné si la tâche n’est pas terminée.

Opération de requête en masse

Ceci est destiné à interroger les détails des tâches vidéo pour plusieurs ID de tâche, contrairement à ce qui précède, il faut sélectionner l’action comme retrieve_batch. Request Body comprend :

ids : tableau des ID de tâches téléchargées.
action : la manière d’opérer sur les tâches.

Configuration comme indiqué dans l’image ci-dessous :

Exemple de code

Vous pouvez constater que divers langages de code ont déjà été générés automatiquement sur le côté droit, comme le montre l’image :

Voici quelques exemples de code :

Exemple de réponse

Après une demande réussie, l’API renverra les détails spécifiques de toutes les tâches vidéo en masse. Par exemple :

{
  "items": [
    {
      "_id": "67c5163f550a4144a5b68698",
      "id": "20068983-0cc9-4c6a-aeb6-9c6a3c668be0",
      "api_id": "29187cb2-1acb-43b8-baf5-3f3f709292eb",
      "application_id": "f35762fe-e8a4-4613-bb70-e5c1be4f9fc2",
      "created_at": 1740969535.333,
      "started_at": 1740969535.393,
      "finished_at": 1740969852.463,
      "elapsed": 317.07,
      "credential_id": "ce81345f-7e2a-4871-b539-aefb5f725220",
      "request": {
        "action": "text2video",
        "model": "kling-v1",
        "prompt": "Tasse à café en céramique blanche sur un comptoir en marbre brillant avec la lumière du matin venant de la fenêtre. La caméra tourne lentement à 360 degrés autour de la tasse, s'arrêtant brièvement au niveau de la poignée.",
        "callback_url": "https://webhook.site/624b2c78-6dbd-4618-9d2b-b32eade6d8c3"
      },
      "trace_id": "0a907f69-4ae2-4a08-b34c-ee15c1c47077",
      "type": "videos",
      "user_id": "ad7afe47-cea9-4cda-980f-2ad8810e51cf",
      "job_id": "CjJzzGfBfqcAAAAAAKdVMQ",
      "response": {
        "success": true,
        "video_id": "030bb06d-98d4-4044-9042-0aa0822e8c8c",
        "video_url": "https://platform2.cdn.acedata.cloud/gemini/04a043bd-6b23-4b4e-945c-ce48158c3eee.mp4",
        "duration": "5.1",
        "state": "succeed",
        "task_id": "20068983-0cc9-4c6a-aeb6-9c6a3c668be0"
      }
    },
    {
      "_id": "67c51415550a4144a5b442a5",
      "id": "e3a575aa-a4bd-49c8-9b12-cde38d5462e0",
      "api_id": "29187cb2-1acb-43b8-baf5-3f3f709292eb",
      "application_id": "f35762fe-e8a4-4613-bb70-e5c1be4f9fc2",
      "created_at": 1740968981.619,
      "started_at": 1740968981.679,
      "finished_at": 1740969297.937,
      "elapsed": 316.258,
      "credential_id": "ce81345f-7e2a-4871-b539-aefb5f725220",
      "request": {
        "action": "text2video",
        "model": "kling-v1",
        "prompt": "Tasse à café en céramique blanche sur un comptoir en marbre brillant avec la lumière du matin venant de la fenêtre. La caméra tourne lentement à 360 degrés autour de la tasse, s'arrêtant brièvement au niveau de la poignée."
      },
      "trace_id": "4f32ba2d-8846-4ea9-9253-997ec0b2e052",
      "type": "videos",
      "user_id": "ad7afe47-cea9-4cda-980f-2ad8810e51cf",
      "job_id": "Cjil4mfBfs0AAAAAAKbMQQ",
      "response": {
        "success": true,
        "video_id": "af9a1af0-9aa0-4638-81c1-d41d6143c508",
        "video_url": "https://platform2.cdn.acedata.cloud/gemini/04a043bd-6b23-4b4e-945c-ce48158c3eee.mp4",
        "duration": "5.1",
        "state": "succeed",
        "task_id": "e3a575aa-a4bd-49c8-9b12-cde38d5462e0"
      }
    }
  ],
  "count": 2
}

Retourne les résultats avec plusieurs champs, où les éléments contiennent les détails spécifiques des tâches vidéo en lot, chaque tâche vidéo ayant des informations spécifiques identiques aux champs de la requête précédente pour une tâche unique.

items, tous les détails spécifiques des tâches vidéo en lot. C’est un tableau, chaque élément du tableau ayant le même format que le résultat de la requête d’une seule tâche.
count, le nombre de tâches vidéo dans cette requête en lot.

CURL

curl -X POST 'https://api.acedata.cloud/kling/tasks' \
-H 'accept: application/json' \
-H 'authorization: Bearer {token}' \
-H 'content-type: application/json' \
-d '{
  "ids": ["e3a575aa-a4bd-49c8-9b12-cde38d5462e0","20068983-0cc9-4c6a-aeb6-9c6a3c668be0"],
  "action": "retrieve_batch"
}'

Gestion des erreurs

Lors de l’appel de l’API, si une erreur se produit, l’API renverra le code d’erreur et les informations correspondantes. Par exemple :

400 token_mismatched : Mauvaise requête, probablement en raison de paramètres manquants ou invalides.
400 api_not_implemented : Mauvaise requête, probablement en raison de paramètres manquants ou invalides.
401 invalid_token : Non autorisé, jeton d’autorisation invalide ou manquant.
429 too_many_requests : Trop de requêtes, vous avez dépassé la limite de taux.
500 api_error : Erreur interne du serveur, quelque chose s’est mal passé sur le serveur.

Exemple de réponse d’erreur

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "échec de la récupération"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

Conclusion

Grâce à ce document, vous avez compris comment utiliser l’API Kling Tasks pour interroger les détails spécifiques d’une tâche vidéo unique ou en lot. Nous espérons que ce document vous aidera à mieux intégrer et utiliser cette API. Si vous avez des questions, n’hésitez pas à contacter notre équipe de support technique.

Démarrage

Chat IA

Image IA

Vidéo IA

Audio IA

Web & Données

CAPTCHA

Identité

Proxy

Avancé

Coding

Intégration et utilisation de l'API Kling Tasks

Processus de demande

Exemple de demande

Exemple de tâche

Configuration des en-têtes de demande et du corps de la demande

Exemple de code

CURL

Python

Exemple de réponse

Opération de requête en masse

Exemple de code

Exemple de réponse

CURL

Gestion des erreurs

Exemple de réponse d’erreur

Conclusion

​Processus de demande

​Exemple de demande

​Exemple de tâche

​Configuration des en-têtes de demande et du corps de la demande

​Exemple de code

​CURL

​Python

​Exemple de réponse

​Opération de requête en masse

​Exemple de code

​Exemple de réponse

​CURL

​Gestion des erreurs

​Exemple de réponse d’erreur

​Conclusion

Processus de demande

Exemple de demande

Exemple de tâche

Configuration des en-têtes de demande et du corps de la demande

Exemple de code

CURL

Python

Exemple de réponse

Opération de requête en masse

Exemple de code

Exemple de réponse

CURL

Gestion des erreurs

Exemple de réponse d’erreur

Conclusion