Kling 2.6 — การแปลงข้อความเป็นวิดีโอและภาพเป็นวิดีโอพร้อมควบคุมการเคลื่อนไหว + ควบคุมเสียง (โหมดโปร), ระยะเวลาที่ปรับเปลี่ยนได้, 1080p, 24fps
kling/kling-v2-6 เป็นโมเดลสร้างวิดีโอที่พัฒนาโดย Kling ซึ่งเป็นบริษัทในเครือของ Kuaishou โมเดลนี้ใช้สถาปัตยกรรมแบบ diffusion เพื่อสร้างวิดีโอที่มีความสอดคล้องทางเวลาจากข้อความ prompt หรือภาพเริ่มต้น…
ด้วยการเน้นความสมจริงเป็นหลัก kling/kling-v2-6 มีความโดดเด่นในการสร้างวิดีโอฉากธรรมชาติ ภาพบุคคล การเคลื่อนไหวของสัตว์ และวัตถุในชีวิตประจำวัน โมเดลสามารถติดตามคำอธิบายการเคลื่อนไหวที่ซับซ้อน เช่น คนเดินในขณะที่ถือสิ่งของ หรือรถยนต์ขับผ่านป่า นอกจากนี้ยังจัดการกับเนื้อหาที่มีสไตล์ เช่น ภาพเคลื่อนไหวหรือองค์ประกอบแฟนตาซีได้ แม้ว่าจุดแข็งของมันจะอยู่ที่เอาต์พุตที่เหมือนจริง คะแนน AA I2V Arena ที่ 1271.0 บ่งชี้ว่ามันทำงานได้ดีเป็นพิเศษในงานที่ท้าทายอย่างการแปลงภาพเดี่ยวให้เป็นวิดีโอต่อเนื่องที่สมเหตุสมผล กรณีการใช้งาน ได้แก่ การสร้างการเปลี่ยนแปลงก่อน-หลัง การทำให้ภาพถ่ายนิ่ง 'มีชีวิตชีวา' และการสร้างคลิปสั้นแบบวนซ้ำสำหรับเว็บหรือโซเชียลมีเดีย สำหรับงานที่ง่ายกว่า เช่น ภาพเคลื่อนไหวเรขาคณิตพื้นฐาน โมเดลข้อความเป็นวิดีโอที่ราคาถูกกว่าอาจเพียงพอ
แม้ว่า kling/kling-v2-6 จะมีคุณภาพวิดีโอระดับสูงสุด แต่มันอาจจะเกินความจำเป็นสำหรับบางกรณีการใช้งาน หากคุณต้องการคลิปสั้นมาก (ต่ำกว่า 2 วินาที) หรือความละเอียดต่ำ (เช่น 480p) หรือหัวข้อของคุณเป็นนามธรรมและไม่ต้องการความสมจริง โมเดลที่เบากว่า เช่นที่ OrcaRouter หรือผู้ให้บริการอื่นๆ เสนอ อาจคุ้มค่ากว่า นอกจากนี้ หากแอปพลิเคชันของคุณต้องการความหน่วงที่ต่ำมาก (เช่น การสร้างแบบโต้ตอบแบบเรียลไทม์) กระบวนการที่ใช้การแพร่ (diffusion-based) ของ kling/kling-v2-6 อาจไม่ตอบสนองความต้องการเหล่านั้น สำหรับการสร้างแบบแบตช์วิดีโอเรียบง่ายที่มีการเคลื่อนไหวน้อย ทางเลือกที่ถูกกว่าสามารถให้ผลลัพธ์ที่ยอมรับได้ในราคาที่ต่ำกว่าเสมอ ประเมินการแลกเปลี่ยนระหว่างคุณภาพ เวลาสร้าง และงบประมาณเสมอเมื่อเลือกโมเดล
kling/kling-v2-6 แสดงให้เห็นถึงการปฏิบัติตาม prompt ได้อย่างแข็งแกร่ง โดยเฉพาะอย่างยิ่งในเรื่องความสม่ำเสมอของ motion และวัตถุ โมเดลนี้ถูกฝึกให้ทำตามข้อความบรรยายที่ระบุทั้งฉากและการเคลื่อนไหว สำหรับภาพเป็นวิดีโอ โมเดลจะคงเอกลักษณ์และเค้าโครงของภาพที่ให้ไว้ ในขณะที่เพิ่มการเคลื่อนไหวที่สมเหตุสมผล การปรับเปลี่ยนสไตล์ (เช่น cinematic, cartoon) สามารถทำได้โดยการออกแบบ prompt อย่างระมัดระวัง ถึงแม้ว่าผลลัพธ์เริ่มต้นของโมเดลจะเป็นแนวสมจริงก็ตาม เพื่อให้ได้ผลลัพธ์ที่มีสไตล์ ควรพิจารณาใส่คำสำคัญสไตล์ เช่น 'anime', 'oil painting', หรือ 'cyberpunk' ใน prompt อย่างไรก็ตาม การเปลี่ยนแปลงสไตล์ที่รุนแรงอาจทำให้ความราบรื่นทางเวลาลดลง สำหรับผู้ใช้ที่ต้องการควบคุมสไตล์ที่แม่นยำ โมเดลอื่นที่มีโมดูลสไตล์เฉพาะอาจเหมาะสมกว่า API ของ OrcaRouter ช่วยให้คุณทดลองใช้ prompt ต่างๆ ได้อย่างคุ้มค่าก่อนตัดสินใจสร้างจำนวนมาก
AA I2V Arena เป็นเกณฑ์มาตรฐานที่ออกแบบมาเพื่อประเมินโมเดลการสร้างวิดีโอจากภาพ (image-to-video) ในด้านความสมจริง ความเป็นไปได้ของการเคลื่อนไหว การคงเนื้อหา และความต่อเนื่องทางเวลา คะแนนที่สูงขึ้นบ่งชี้ถึงประสิทธิภาพที่ดีขึ้นในทุกมิติเหล่านี้ คะแนน 1271.0 ของ kling/kling-v2-6 ทำให้มันอยู่ในกลุ่มผู้ที่มีประสิทธิภาพสูงสุดในโดเมน I2V ซึ่งบ่งชี้ว่าสำหรับภาพที่ป้อนเข้าไป โมเดลสามารถสร้างวิดีโอที่ใกล้เคียงกับความคาดหวังของมนุษย์เกี่ยวกับการเคลื่อนไหวที่เป็นธรรมชาติ ความสม่ำเสมอของแสง และความคงอยู่ของวัตถุ แม้ว่าเกณฑ์มาตรฐานจะไม่ใช่เครื่องวัดคุณค่าของโมเดลเพียงอย่างเดียว แต่คะแนนนี้ถือเป็นตัวบ่งชี้ที่เชื่อถือได้ของคุณภาพของภาพสำหรับการใช้งานในโลกจริง ผู้ใช้ควรทราบว่าผลลัพธ์ของแต่ละบุคคลอาจแตกต่างกันไปตามความเฉพาะเจาะจงของพรอมต์ ความละเอียด และการตั้งค่าระยะเวลา
จุดแข็งหลักของ kling/kling-v2-6 อยู่ที่ความสามารถในการแปลงภาพเป็นวิดีโอ ซึ่งเห็นได้จากคะแนนสูงสุดใน AA I2V Arena โมเดลนี้สร้างวิดีโอที่มีความเที่ยงตรงสูงพร้อมการเคลื่อนไหวที่ราบรื่น หลีกเลี่ยงสิ่งรบกวนทั่วไป เช่น การกะพริบ การบิดเบี้ยว หรือการสูญเสียเอกลักษณ์ นอกจากนี้ยังจัดการกับการกระทำที่ซับซ้อน เช่น การเคลื่อนไหวที่ลื่นไหล การแพนกล้อง และการเปลี่ยนแปลงสภาพแวดล้อมได้ดี ความสมจริงโดดเด่นเป็นพิเศษในฉากธรรมชาติ สีหน้ามนุษย์ และปฏิสัมพันธ์ของวัตถุ สำหรับผู้ใช้จำนวนมาก คุณภาพใกล้เคียงกับการผลิตระดับ VFX จากอินพุตข้อความหรือรูปภาพอย่างง่าย ทำให้เป็นเครื่องมือที่ยอดเยี่ยมสำหรับเนื้อหาคุณภาพสูงที่ต้องการความละเอียดของภาพที่วิจิตรบรรจง นอกจากนี้ การผสานรวมผ่าน API ที่เป็นหนึ่งเดียวของ OrcaRouter ยังทำให้ไปป์ไลน์การปรับใช้งานง่ายขึ้น ช่วยให้คุณสามารถสลับระหว่างโมเดลต่างๆ ได้โดยไม่ต้องเปลี่ยนโครงสร้างโค้ด
แม้จะมีคะแนน benchmark ที่น่าประทับใจ แต่ kling/kling-v2-6 ก็มีข้อจำกัด โมเดลนี้ไม่ได้ถูกปรับให้เหมาะสำหรับการสร้าง (generation) ที่รวดเร็วมาก เวลา inference โดยทั่วไปอยู่ระหว่างวินาทีถึงมากกว่าหนึ่งนาที ขึ้นอยู่กับความยาวและความละเอียดของวิดีโอ อาจมีปัญหาเมื่อได้รับ prompt ที่เป็นนามธรรมสูง หรือฉากที่มีการบังเกิดขึ้นอย่างรวดเร็วและวัตถุที่มีปฏิสัมพันธ์กันจำนวนมาก ผลลัพธ์ยังถูกจำกัดระยะเวลา (โดยปกติสูงสุด 10 วินาทีต่อการสร้างหนึ่งครั้ง) สำหรับเนื้อหาที่ยาวขึ้น คุณจะต้องนำหลายคลิปมาต่อกัน นอกจากนี้ โมเดลนี้เหมาะที่สุดสำหรับ prompt ข้อความภาษาอังกฤษและภาษาจีน ส่วนภาษาอื่นอาจทำให้ความสอดคล้องลดลง เนื่องจากไม่มีข้อมูลสาธารณะเกี่ยวกับรายละเอียดการฝึกสอน (training) ผู้ใช้ในอุตสาหกรรมที่มีกฎระเบียบควรตรวจสอบการปฏิบัติตามนโยบายการกำกับดูแลข้อมูลของตน สุดท้าย ต้นทุนต่อการสร้างอาจสูงกว่าโมเดลที่เรียบง่ายกว่า
รายละเอียดราคาสำหรับ kling/kling-v2-6 ถูกกำหนดโดย OrcaRouter ตามอัตราค่าบริการและปริมาณการใช้งานจากผู้ให้บริการพื้นฐาน โดยทั่วไปแล้ว โมเดลสร้างวิดีโอจะคิดค่าใช้จ่ายต่อวินาทีของวิดีโอที่สร้างขึ้น โดยมีค่าใช้จ่ายเพิ่มเติมสำหรับความละเอียดที่สูงขึ้นและจำนวนขั้นตอนการอนุมาน (inference steps) ที่มากขึ้น OrcaRouter อาจเสนอราคาแบบลดหลั่นสำหรับผู้ใช้ที่ใช้งานปริมาณมากหรือบัญชีองค์กร ตามข้อมูลล่าสุดที่มีอยู่ ต้นทุนต่อวินาทีที่แน่นอนไม่ได้เปิดเผยในบริบทนี้ แต่ผู้ใช้สามารถคาดหวังว่าราคาจะสูงกว่าโมเดลข้อความเป็นรูปภาพที่เรียบง่ายกว่า ซึ่งสะท้อนถึงค่าใช้จ่ายในการคำนวณ ขอแนะนำให้ตรวจสอบหน้าเว็บราคาของ OrcaRouter เพื่อดูอัตราล่าสุด ไม่มีส่วนลดการแคชเนื่องจากวิดีโอที่สร้างขึ้นแต่ละรายการมีเอกลักษณ์เฉพาะ
kling/kling-v2-6 เสนอพารามิเตอร์ที่ปรับได้ เช่น ความละเอียด (เช่น 720p เทียบกับ 1080p) และจำนวนขั้นตอนการอนุมาน (ลดลงเพื่อความเร็ว เพิ่มขึ้นเพื่อคุณภาพ) การลดความละเอียดหรือการลดขั้นตอนการอนุมานจะลดต้นทุนและเวลาในการสร้างผลลัพธ์ แต่อาจทำให้เกิดสิ่งรบกวนการเคลื่อนไหวหรือความเที่ยงตรงทางภาพลดลง คะแนน AA I2V Arena ที่ 1271.0 ทำได้ด้วยการตั้งค่าที่เหมาะสมที่สุด การใช้การตั้งค่าที่ลดลงจะไม่ถึงประสิทธิภาพตามเกณฑ์นั้น ผู้ใช้ที่สร้างแอปพลิเคชันสำหรับผู้บริโภคปลายทางควรทดสอบคุณภาพขั้นต่ำที่ยอมรับได้เพื่อสร้างสมดุลระหว่างต้นทุนและประสบการณ์ผู้ใช้ สำหรับการสร้างต้นแบบภายในหรือร่างคร่าวๆ การตั้งค่าที่ต่ำกว่ามักเพียงพอ OrcaRouter ช่วยให้คุณระบุพารามิเตอร์เหล่านี้ตามคำขอแต่ละครั้ง ทำให้สามารถจัดการต้นทุนได้อย่างคล่องตัว ไม่มีค่าธรรมเนียมเพิ่มเติมสำหรับ negative prompts หรือ seed control
OrcaRouter มักเสนอส่วนลดตามปริมาณการใช้งานและราคาระดับองค์กรสำหรับลูกค้าที่มีการใช้งานสูง สำหรับ kling/kling-v2-6 ซึ่งอาจต้องใช้ทรัพยากรการคำนวณสูง ส่วนลดเหล่านี้สามารถลดต้นทุนต่อวินาทีได้อย่างมาก แผนระดับองค์กรอาจรวมถึงการจัดเส้นทางที่มีลำดับความสำคัญ การสนับสนุนเฉพาะ และ SLA ที่ปรับแต่งได้ หากคุณคาดว่าจะมีปริมาณการสร้างรายเดือนสูง (เช่น วิดีโอหลายพันรายการ) คุณควรติดต่อทีมขายของ OrcaRouter เพื่อเจรจาแผนที่ปรับแต่งเฉพาะ เนื่องจากราคาโมเดลอาจเปลี่ยนแปลงไปตามการอัปเดตของผู้ให้บริการ OrcaRouter มักจะเรียกเก็บเงินตามอัตราปัจจุบัน ไม่มีการสมมติส่วนลดส่งเสริมการขายหรือชั่วคราวสำหรับโมเดลนี้
คุณสามารถใช้ปลายทาง API ที่เข้ากันได้กับ OpenAI ซึ่งให้บริการโดย OrcaRouter ตั้งค่า base URL เป็น https://api.orcarouter.ai/v1 รหัสโมเดลคือ 'kling/kling-v2-6' คุณต้องมีคีย์ API จาก OrcaRouter คำขอทั่วไปสำหรับแปลงข้อความเป็นวิดีโอ: POST /v1/images/generations (หมายเหตุ: ปลายทางที่แน่นอนอาจแตกต่างกัน; ตรวจสอบเอกสาร OrcaRouter สำหรับปลายทางวิดีโอ) หรือใช้ chat/completions หากรองรับ อีกทางเลือกหนึ่ง OrcaRouter อาจเปิดเผยปลายทางสร้างวิดีโอโดยเฉพาะ สำหรับ curl ให้ใช้: curl -X POST 'https://api.orcarouter.ai/v1/video/generations' -H 'Authorization: Bearer YOUR_KEY' -H 'Content-Type: application/json' -d '{"model":"kling/kling-v2-6","prompt":"A cat walking on a beach","duration":5}' คุณสามารถส่งพารามิเตอร์รูปภาพที่เป็นทางเลือกในรูปแบบ base64 การตอบกลับจะมีลิงก์ไปยังวิดีโอที่สร้างขึ้น
พารามิเตอร์ที่มีให้สำหรับ kling/kling-v2-6 ได้แก่: prompt (สตริง, จำเป็นสำหรับ text-to-video), image (สตริง, base64 หรือ URL, ไม่จำเป็นสำหรับ I2V), duration (จำนวนเต็ม, วินาที, ช่วงปกติ 2–10), resolution (สตริง เช่น '1280x720' หรือ '1920x1080'), steps (จำนวนเต็ม, ควบคุมคุณภาพการอนุมาน เช่น 25-50), negative prompt (สตริง, เพื่อหลีกเลี่ยงเนื้อหาที่ไม่ต้องการ), seed (จำนวนเต็มสำหรับการสร้างผลลัพธ์ซ้ำได้) และอาจมี cfg_scale พารามิเตอร์บางตัวไม่ได้ถูกบันทึกไว้ในเอกสารสาธารณะ เอกสาร API ของ OrcaRouter ให้ชื่อฟิลด์ที่แน่นอน คุณควรสังเกตว่าโมเดลอาจมีอัตราคำขอสูงสุด ตรวจสอบข้อจำกัดอัตราการใช้งาน สำหรับผลลัพธ์ที่ดีที่สุด ให้ปฏิบัติตามโครงสร้าง prompt ที่แนะนำจากคู่มือทางการของ Kling
การย้ายไปใช้ OrcaRouter สำหรับ kling/kling-v2-6 เป็นเรื่องตรงไปตรงมาหากคุณใช้ API ที่เข้ากันได้กับ OpenAI อยู่แล้ว เปลี่ยน URL พื้นฐานจากผู้ให้บริการเดิมของคุณเป็น https://api.orcarouter.ai/v1 และอัปเดตคีย์ API ตรวจสอบให้แน่ใจว่าเนื้อหาคำขอของคุณมีรหัสโมเดลที่ถูกต้องคือ 'kling/kling-v2-6' โค้ดที่มีอยู่ซึ่งใช้ไคลเอนต์ Python ของ OpenAI หรือการเรียก REST จะทำงานได้โดยมีการเปลี่ยนแปลงเพียงเล็กน้อย ทดสอบด้วยการสร้างผลลัพธ์ต้นทุนต่ำก่อน โปรดทราบว่า OrcaRouter อาจไม่รองรับพารามิเตอร์ทั้งหมดที่ผู้ให้บริการรายอื่นรองรับ ตรวจสอบความเท่าเทียมของคุณสมบัติในเอกสารประกอบของพวกเขา หากคุณเคยใช้ Kling เวอร์ชันอื่นมาก่อน (เช่น kling-v2-5) คุณสามารถสลับรหัสโมเดลได้โดยไม่ต้องเปลี่ยนแปลงพารามิเตอร์คำขออื่นๆ สำหรับการย้ายข้อมูลที่มีปริมาณสูง OrcaRouter สามารถให้ความช่วยเหลือเพื่อลดระยะเวลาหยุดทำงาน
ทั้งสองเป็นโมเดลสร้างวิดีโอจาก Kling แต่ kling/kling-v2-6 เป็นรุ่นที่ปรับปรุงภายหลังด้วยประสิทธิภาพที่ดีขึ้น คะแนน AA I2V Arena ที่ 1271.0 สำหรับ v2-6 น่าจะสูงกว่า v2-5 ซึ่งโดยทั่วไปได้คะแนนต่ำกว่า (ไม่ได้ระบุตัวเลขที่แน่นอน) การปรับปรุงที่คาดหวัง ได้แก่ ความราบรื่นของการเคลื่อนไหว การคงรายละเอียดในวิดีโอที่ยาวขึ้น และการสอดคล้องกับคำอธิบาย v2-6 อาจรองรับความละเอียดที่สูงขึ้นหรือระยะเวลาที่ยาวขึ้นด้วย หากคุณกำลังใช้ v2-5 อยู่และพอใจกับคุณภาพ ก็อาจไม่จำเป็นต้องอัปเกรดโดยด่วน อย่างไรก็ตาม สำหรับงานแปลงภาพเป็นวิดีโอที่คุณภาพตามมาตรฐานมีความสำคัญ v2-6 คือตัวเลือกที่ดีกว่า OrcaRouter ทำให้การสลับระหว่างรุ่นเป็นเรื่องง่าย โดยเพียงเปลี่ยนรหัสโมเดล
แม้ว่าจะไม่มีข้อมูลเปรียบเทียบโดยตรง แต่คะแนน AA I2V Arena ของ kling/kling-v2-6 ชี้ให้เห็นว่าสามารถแข่งขันกับโมเดลเชิงพาณิชย์อย่าง Runway Gen-3 และ Pika ได้ โดยทั่วไปแล้ว โมเดล Kling ขึ้นชื่อในเรื่องความสมจริงที่เหนือกว่าในบริบทแบบเอเชียและใบหน้าคน ในขณะที่ Runway มักจะโดดเด่นในสไตล์ภาพยนตร์และฉากเปิดกว้าง Pika 2.0 ให้การควบคุมที่มากขึ้นผ่านเครื่องมือแก้ไข สำหรับการแปลงภาพเป็นวิดีโอโดยตรง kling/kling-v2-6 อาจมีข้อได้เปรียบเนื่องจากการฝึกฝนที่เน้นงาน I2V โดยเฉพาะ อย่างไรก็ตาม แต่ละแพลตฟอร์มมีฟีเจอร์เฉพาะตัว OrcaRouter ช่วยให้คุณทดสอบทั้งหมดภายใต้ API เดียวเพื่อหาตัวเลือกที่เหมาะสมที่สุดสำหรับกรณีการใช้งานเฉพาะของคุณ การเลือกที่ดีที่สุดขึ้นอยู่กับงบประมาณ สไตล์ที่ต้องการ และการผสานรวมกับแพลตฟอร์ม
การเปรียบเทียบนี้เป็นไปในเชิงทฤษฎี เนื่องจาก Sora ยังไม่เปิดให้ใช้งานสาธารณะผ่าน OrcaRouter จากตัวอย่างสาธารณะ Sora โดดเด่นในการสร้างวิดีโอความยาวนาทีด้วยการจัดองค์ประกอบฉากที่ซับซ้อน kling/kling-v2-6 ในปัจจุบันมีข้อจำกัดด้านความยาวมากขึ้น (น่าจะสูงสุด 10 วินาที) แต่ให้ความสมจริงสูงในส่วนนั้น ดังที่เห็นได้จากคะแนนมาตรฐาน Sora สามารถจัดการกับตัวละครหลายตัวและการบดบังรายละเอียดได้ดีกว่า แต่ก็ต้องการพลังประมวลผลมากขึ้น สำหรับการแปลงภาพเป็นวิดีโอสั้นคุณภาพสูง kling/v2-6 เป็นตัวเลือกที่ได้รับการพิสูจน์แล้ว หากต้องการเนื้อเรื่องที่ยาวและซับซ้อนมากขึ้น คุณอาจพิจารณาโมเดลอื่นหรือเชื่อมต่อหลายรุ่นเข้าด้วยกัน ทั้งสองโมเดลต้องใช้การปรับแต่ง prompt อย่างระมัดระวังเพื่อหลีกเลี่ยงสิ่งรบกวน ผ่าน OrcaRouter คุณสามารถทดสอบโมเดลวิดีโออื่นๆ ได้อย่างราบรื่นเมื่อพร้อมใช้งาน
from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="kling/kling-v2-6",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)| ต่อคำขอ | $0.0420 |
| สกุลเงิน | USD |
| ค่าธรรมเนียมคงที่ต่อการเรียก API (โมเดลสร้างรูปภาพ) | |
GET /api/public/models/kling/kling-v2-6เปิด @misc{orcarouter_kling_v2_6,
title = {kling/kling-v2-6 API},
author = {kling},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/kling/kling-v2-6}
}kling. (n.d.). kling/kling-v2-6 API. OrcaRouter. https://www.orcarouter.ai/models/kling/kling-v2-6