/kling/videos 的 image2video（讓照片動起來），即可串成完整的「會說話的照片 / 數位人口播」流程。
本介面是 AceDataCloud 提供的單步便利封裝，面向常見的音訊／文字驅動場景；它不是 Kling 官方「人臉辨識 → Advanced Lip Sync」多步介面的欄位鏡像。請以本頁參數表為準。
- 介面位址：
POST https://api.acedata.cloud/kling/lip-sync - 請求格式：
application/json - 回應格式：
application/json - 計費：每次成功呼叫 2.45 Credits（固定）
請求標頭（Request Headers）
請求參數（Request Body）
請求範例
1）音訊驅動（audio2video）
2）文字驅動（text2video）
回應範例（同步成功）
非同步模式與查詢
傳入callback_url 或 async: true 時，介面立即回傳 task_id；之後可：
- 輪詢：
POST /kling/tasks，body{ "action": "retrieve", "id": "<task_id>" }（免費） - 回呼：生成完成後，結果 POST 到你的
callback_url
完整流程：會說話的照片（image2video → lip-sync）
錯誤回應
注意事項
video_id必須是30 天內生成的可靈影片，且為 5s 或 10s；否則請用video_url傳入符合約束的影片。- 輸入影片建議清晰正臉、單人，口型效果最佳。
- 音訊/文字時長應與影片時長匹配（音訊不超過影片長度）。
- 計費在成功時發生（2.45 Credits/次）；參數驗證失敗（4xx）不計費。