API de Sincronização Labial do Kling (Kling Lip Sync)

Faça um vídeo Kling já existente (5 segundos ou 10 segundos) “falar” de acordo com áudio ou texto — isto é, sincronização labial (Lip Sync). Em conjunto com o image2video de /kling/videos (para fazer uma foto se mover), é possível formar um fluxo completo de “fotos que falam / locução de avatar digital”.

Esta interface é um encapsulamento conveniente de etapa única fornecido pela AceDataCloud, voltado para cenários comuns orientados por áudio/texto; ela não é um espelho dos campos da interface oficial de múltiplas etapas do Kling de «reconhecimento facial → Advanced Lip Sync». Consulte a tabela de parâmetros desta página como referência.

Endereço da interface: POST https://api.acedata.cloud/kling/lip-sync
Formato da solicitação: application/json
Formato da resposta: application/json
Cobrança: 2.45 Credits por cada chamada bem-sucedida (fixo)

Cabeçalhos da solicitação (Request Headers)

Campo	Valor	Descrição
`authorization`	`Bearer ${API_KEY}`	Sua chave de API, obtenha aqui
`content-type`	`application/json`	Formato do corpo da solicitação
`accept`	`application/json`	Formato da resposta

Parâmetros da solicitação (Request Body)

Parâmetro	Tipo	Obrigatório	Padrão	Descrição
`mode`	string	Sim	—	Modo de geração. Enumeração: `audio2video` (orientado por áudio), `text2video` (orientado por texto)
`video_id`	string	Escolha um de dois	—	ID do vídeo gerado pelo Kling (como o `video_id` retornado pelo image2video de `/kling/videos`). Compatível apenas com vídeos de 5s/10s gerados nos últimos 30 dias. Escolha um entre `video_id` e `video_url`; não podem ser enviados simultaneamente
`video_url`	string	Escolha um de dois	—	Link de vídeo acessível publicamente. Restrições: `.mp4`/`.mov`, ≤100MB, duração de 2–10s, apenas 720p/1080p, lados de 720–1920px. Escolha um entre este e `video_id`
`audio_url`	string	Condicional	—	URL de download do áudio condutor, obrigatório quando `audio2video` + `audio_type=url`. Formatos `.mp3`/`.wav`/`.m4a`/`.aac`, ≤5MB
`audio_type`	string	Não	`url`	Método de transmissão do áudio. Enumeração: `url`, `file` (válido em `audio2video`)
`audio_file`	string	Condicional	—	Base64 do arquivo de áudio, obrigatório quando `audio_type=file`. Mesmo formato acima, ≤5MB
`text`	string	Condicional	—	Texto a ser lido, obrigatório em `text2video`, máximo de 120 caracteres
`voice_id`	string	Condicional	—	ID da voz, obrigatório em `text2video`
`voice_language`	string	Não	`zh`	Idioma da voz. Enumeração: `zh`, `en` (válido em `text2video`)
`voice_speed`	float	Não	`1.0`	Velocidade de fala, intervalo de `0.8`–`2.0`, com precisão de uma casa decimal (válido em `text2video`)
`callback_url`	string	Não	—	Endereço de callback. Ao enviar este item ou `async=true`, entra no modo assíncrono: retorna imediatamente `task_id`, e faz callback após a geração do resultado
`async`	boolean	Não	`false`	Se é assíncrono. Quando `true`, retorna imediatamente `task_id`, em conjunto com consulta por polling em `/kling/tasks` ou callback em `callback_url`

Exemplos de solicitação

1）Orientado por áudio（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）Orientado 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
  }'

Exemplo de resposta (sucesso 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	Descrição
`success`	boolean	Se foi bem-sucedido
`task_id`	string	ID desta tarefa (pode ser usado para consultar em `/kling/tasks`)
`video_id`	string	ID Kling do vídeo gerado (pode ser usado como entrada do próximo `extend`/`lip-sync`)
`video_url`	string	URL do vídeo falante gerado (já transferido para o CDN desta plataforma, válido por longo prazo)
`duration`	string	Duração do vídeo (segundos)
`state`	string	Status da tarefa: `succeed` / `failed`

Modo assíncrono e consulta

Ao enviar callback_url ou async: true, a interface retorna imediatamente task_id; depois é possível:

Polling: POST /kling/tasks, body { "action": "retrieve", "id": "<task_id>" } (gratuito)
Callback: após a conclusão da geração, o resultado é enviado via POST para o seu callback_url

Fluxo completo: fotos que falam（image2video → lip-sync）

# 第 1 步：让照片动起来，拿到 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", ... }

# 第 2 步：用音频对口型
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", ... }

Resposta de erro

{
  "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`	Parâmetros ausentes ou inválidos (por exemplo, mode não informado, conflito entre video e audio, text excede 120 caracteres)
401	`authorization_missing`	Chave de API ausente ou inválida
403	`forbidden`	Conteúdo bloqueado pelo controle de risco
429	`too_many_requests`	Limite de concorrência do upstream, tente novamente mais tarde
500	`api_error`	Erro do upstream ou interno

Observações

video_id deve ser um vídeo Kling gerado nos últimos 30 dias e ter 5s ou 10s; caso contrário, use video_url para enviar um vídeo que atenda às restrições.
Recomenda-se que o vídeo de entrada tenha um rosto frontal nítido, de uma única pessoa, para obter o melhor efeito de sincronização labial.
A duração do áudio/texto deve corresponder à duração do vídeo (o áudio não deve exceder a duração do vídeo).
A cobrança ocorre em caso de sucesso (2,45 Credits/vez); falhas na validação de parâmetros (4xx) não são cobradas.

Primeiros passos

Chat AI

Imagem AI

Vídeo AI

Áudio AI

Web e Dados

CAPTCHA

Identidade

Coding

Mais guias

API de Sincronização Labial do Kling (Kling Lip Sync)

Cabeçalhos da solicitação (Request Headers)

Parâmetros da solicitação (Request Body)

Exemplos de solicitação

1）Orientado por áudio（audio2video）

2）Orientado por texto（text2video）

Exemplo de resposta (sucesso síncrono)

Modo assíncrono e consulta

Fluxo completo: fotos que falam（image2video → lip-sync）

Resposta de erro

Observações

​Cabeçalhos da solicitação (Request Headers)

​Parâmetros da solicitação (Request Body)

​Exemplos de solicitação

​1）Orientado por áudio（audio2video）

​2）Orientado por texto（text2video）

​Exemplo de resposta (sucesso síncrono)

​Modo assíncrono e consulta

​Fluxo completo: fotos que falam（image2video → lip-sync）

​Resposta de erro

​Observações

Cabeçalhos da solicitação (Request Headers)

Parâmetros da solicitação (Request Body)

Exemplos de solicitação

1）Orientado por áudio（audio2video）

2）Orientado por texto（text2video）

Exemplo de resposta (sucesso síncrono)

Modo assíncrono e consulta

Fluxo completo: fotos que falam（image2video → lip-sync）

Resposta de erro

Observações