Kling O1 — การสร้างวิดีโอรุ่นถัดไปด้วยข้อความเป็นวิดีโอ รูปภาพเป็นวิดีโอ การควบคุมวัตถุ และการแก้ไขโดยอ้างอิงวิดีโอ คลิปความยาว 5–10 วินาที โหมดมาตรฐาน/โปร
kling/kling-video-o1 เป็นโมเดลสร้างวิดีโอจากข้อความ (text-to-video) ที่พัฒนาโดย Kling ซึ่งเป็นส่วนหนึ่งของ Kuaishou Technology โดยรับ prompt ภาษาธรรมชาติเป็นอินพุต และส่งออกไฟล์วิดีโอ…
kling/kling-video-o1 สร้างคลิปวิดีโอสั้นจากข้อความแจ้ง (text prompts) ระยะเวลาสูงสุดและความละเอียดที่แน่นอนไม่ได้ระบุไว้ในข้อมูลที่ให้มา; โดยทั่วไปโมเดลข้อความเป็นวิดีโอจาก Kling จะสร้างคลิปที่มีความยาวตั้งแต่ไม่กี่วินาทีถึงประมาณ 10 วินาที มักเป็น 720p หรือ 1080p โมเดลสามารถแสดงฉากต่างๆ มากมาย ตั้งแต่สภาพแวดล้อมที่สมจริงไปจนถึงแอนิเมชันที่มีสไตล์ ขึ้นอยู่กับพรอมต์ มีเป้าหมายเพื่อความสอดคล้องทางสุนทรียศาสตร์ในระดับสูง หมายความว่าผลลัพธ์ควรดูสวยงามและสอดคล้องกับคำอธิบาย อย่างไรก็ตาม คุณภาพของการสร้างอาจแตกต่างกันไปตามความชัดเจนและความซับซ้อนของพรอมต์
AA T2V Arena (Aesthetic Alignment Text-to-Video Arena) วัดความชอบของมนุษย์ต่อคุณภาพวิดีโอและการสอดคล้องกับคำอธิบาย (prompt) kling/kling-video-o1 ได้คะแนน 1209.0 ซึ่งบ่งชี้ถึงประสิทธิภาพที่แข็งแกร่งในการผลิตวิดีโอที่ผู้ให้คะแนนพบว่ามีความสวยงามน่าดึงดูดและแม่นยำทางความหมาย สิ่งนี้ชี้ให้เห็นว่าโมเดลนี้เหมาะสำหรับโครงการสร้างสรรค์ที่ให้ความสำคัญกับคุณภาพของภาพ ผู้ใช้สามารถคาดหวังผลลัพธ์ที่โดยทั่วไปตรงกับเนื้อหาที่อธิบายและดูกลมกลืน คะแนนยังสะท้อนถึงความสามารถในการแข่งขันกับโมเดลวิดีโออื่นๆ ในเกณฑ์มาตรฐานเดียวกัน
หากกรณีการใช้งานของคุณไม่ต้องการคุณภาพด้านสุนทรียศาสตร์สูง หรือหากคุณกำลังสร้างวิดีโอสำหรับการทดสอบภายในที่ความสวยงามของภาพไม่ใช่เรื่องสำคัญ การเลือกใช้โมเดลวิดีโอที่ราคาถูกกว่าหรือเร็วกว่าอาจคุ้มค่ากว่า นอกจากนี้ หากคุณต้องการวิดีโอที่ยาวมากหรือความละเอียดเฉพาะที่ไม่รองรับโดย kling/kling-video-o1 โมเดลอื่นอาจมีฟีเจอร์เหล่านั้นในราคาที่ถูกกว่า บน OrcaRouter คุณสามารถเปรียบเทียบราคาระหว่างโมเดลวิดีโอต่างๆ เพื่อหาตัวเลือกที่เหมาะสมที่สุด ควรประเมินการแลกเปลี่ยนระหว่างคุณภาพและราคาสำหรับปริมาณและความต้องการเฉพาะของคุณเสมอ
เช่นเดียวกับโมเดลข้อความเป็นวิดีโอส่วนใหญ่ ประสิทธิภาพจะลดลงเมื่อใช้คำสั่งที่เป็นนามธรรมมาก มีรายละเอียดสูง หรือขัดแย้งกันเอง kling/kling-video-o1 ได้รับการปรับให้เหมาะสมสำหรับภาษาธรรมชาติที่ชัดเจนและพรรณนา สำหรับคำสั่งที่ระบุตัวละครหลายตัว การกระทำ และการเปลี่ยนฉาก โมเดลอาจทำให้เรียบง่ายหรือละเว้นองค์ประกอบบางอย่าง โมเดลทำงานได้ดีที่สุดเมื่อคำสั่งอธิบายฉากหรือการกระทำเดียวที่สอดคล้องกัน สำหรับการเล่าเรื่องแบบต่อเนื่อง อาจต้องสร้างหลายครั้ง ไม่มีแนวทางเฉพาะสำหรับการออกแบบคำสั่ง แต่ผู้ใช้ควรใช้ภาษาที่กระชับและเป็นรูปธรรมเพื่อผลลัพธ์ที่ดีที่สุด
AA T2V Arena ย่อมาจาก Aesthetic Alignment Text-to-Video Arena เป็นเกณฑ์วัดแบบ crowdsourced ที่ให้ผู้ประเมินที่เป็นมนุษย์เปรียบเทียบวิดีโอที่สร้างขึ้นสองรายการจากพรอมต์เดียวกัน และเลือกวิดีโอที่ตนชอบตามคุณภาพโดยรวมและความสอดคล้องกับข้อความ คะแนน 1209.0 สำหรับ kling/kling-video-o1 เป็นการจัดอันดับแบบ Elo ที่ได้จากการเปรียบเทียบแบบคู่เหล่านี้ คะแนนนี้บ่งบอกถึงอันดับสัมพัทธ์ของโมเดล ยิ่งสูงยิ่งดีตามความชอบของมนุษย์ เกณฑ์วัดนี้มุ่งเน้นที่ความสวยงามทางสายตาและความเที่ยงตรงต่อพรอมต์ ไม่ใช่เมตริกเช่น FID หรือ CLIP score
คะแนน 1209.0 เป็นผลจากการส่งผลลัพธ์ของ kling/kling-video-o1 ไปยัง AA T2V Arena ซึ่งแข่งขันกับโมเดล text-to-video อื่นๆ ในการเปรียบเทียบแบบไม่เปิดเผยชื่อ วิดีโอที่สร้างขึ้นแต่ละรายการได้รับการประเมินโดยผู้ประเมินที่เป็นมนุษย์ในด้านคุณภาพความสวยงามและความสอดคล้องกับคำแนะนำ ระบบการจัดอันดับ Elo ถูกใช้ในการคำนวณคะแนนสุดท้าย ซึ่งหมายความว่าโมเดลทำงานได้ดีในการแข่งขันแบบตัวต่อตัว ชนะมากกว่าแพ้เมื่อเทียบกับกลุ่มโมเดลคู่แข่ง สำหรับบริบท คะแนนโดยทั่วไปจะอยู่ในช่วง 1000 ถึง 1500; 1209 ทำให้มันอยู่เหนือค่าเฉลี่ย
มีเกณฑ์วัดประสิทธิภาพเพียงหนึ่งคะแนนที่ให้ไว้: 1209.0 บน AA T2V Arena ไม่มีข้อมูลเกี่ยวกับความเร็วในการอนุมาน (inference speed), latency, ขีดจำกัดความยาววิดีโอ, ความละเอียด หรือความสามารถในการประมวลผลแบบแบตช์ ผู้ใช้ควรทราบว่าคะแนนเกณฑ์วัดประสิทธิภาพไม่ได้รับประกันประสิทธิภาพในทุก prompt หรือภาระงานในสภาพแวดล้อมจริง โมเดลอาจมีอคติ, สิ่งรบกวน, หรือโหมดความล้มเหลวที่พบได้ทั่วไปในโมเดลข้อความเป็นวิดีโอ (เช่น flickering, unrealistic motion, object morphing) หากไม่มีข้อเท็จจริงเพิ่มเติม ก็ไม่สามารถระบุข้อจำกัดเฉพาะเจาะจงได้ ควรทดสอบด้วย prompt ของคุณเองก่อนนำไปใช้งานในระดับใหญ่
ไม่มีตัวเลขความเร็วในการอนุมานหรือเวลาแฝงที่เฉพาะเจาะจงสำหรับ kling/kling-video-o1 การสร้างวิดีโอจากข้อความมักใช้เวลานานกว่าการสร้างภาพเนื่องจากมิติทางเวลา ประสิทธิภาพจริงขึ้นอยู่กับความยาววิดีโอ ความละเอียด ความซับซ้อนของฉาก และฮาร์ดแวร์พื้นฐานที่ Kling ใช้ บน OrcaRouter API อาจมีเวลาแฝงของเครือข่ายเพิ่มเติม เพื่อทำความเข้าใจเวลาตอบสนองทั่วไป ผู้ใช้ควรทำการทดสอบเกณฑ์มาตรฐานด้วยพรอมต์ที่เป็นตัวแทนภายใต้สภาวะโหลดที่คาดหวัง ติดต่อฝ่ายสนับสนุน OrcaRouter เพื่อขอคำแนะนำระดับบริการหากจำเป็น
ไม่ได้ระบุราคาที่แน่นอนต่อการสร้างวิดีโอในข้อมูลที่ให้มา OrcaRouter คิดค่าบริการตามอัตราของผู้ให้บริการ ซึ่งอาจเป็นต่อวินาทีของวิดีโอ ต่อคำขอสร้าง หรือต่อเวลาคำนวณ โดยทั่วไป โมเดลคุณภาพสูงกว่าจะมีราคาสูงกว่า ผู้ใช้ควรไปที่หน้าราคาของ OrcaRouter หรือเอกสาร API เพื่อดูต้นทุนปัจจุบันของโมเดล "kling/kling-video-o1" เนื่องจากราคาอาจเปลี่ยนแปลง ควรตรวจสอบทุกครั้งก่อนสร้างแอปพลิเคชันที่อ่อนไหวต่อต้นทุน ไม่มีข้อบ่งชี้ถึงการใช้งานฟรีหรือเครดิต
ไม่มีข้อมูลเกี่ยวกับส่วนลดตามปริมาณที่ให้มา OrcaRouter อาจเสนอราคาแบบหลายระดับหรือแพ็กเกจชำระล่วงหน้าสำหรับการเข้าถึง API แต่สิ่งนี้ไม่ได้เฉพาะเจาะจงกับ kling/kling-video-o1 สำหรับผู้ใช้ที่ใช้งานบ่อยครั้ง ควรติดต่อ OrcaRouter โดยตรงเพื่อหารือเกี่ยวกับราคาที่กำหนดเอง นอกจากนี้ หากการใช้งานของคุณอนุญาตให้ใช้ผลลัพธ์คุณภาพต่ำลง ลองพิจารณาใช้โมเดลที่ถูกกว่าบน OrcaRouter เพื่อลดต้นทุน ผู้ให้บริการ (Kling) อาจมีข้อตกลงราคาของตนเองที่ส่งผลต่อค่าใช้จ่ายที่ OrcaRouter เรียกเก็บ
ไม่มีข้อมูลเกี่ยวกับการแคชในข้อเท็จจริงที่ให้มาสำหรับ kling/kling-video-o1 โดยทั่วไปแล้วโมเดลแปลงข้อความเป็นวิดีโอจะสร้างผลลัพธ์ที่ไม่ซ้ำกันต่อคำสั่งเนื่องจากเทคนิคการสุ่มตัวอย่างแบบสโตแคสติก ทำให้การแคชฮิตมีโอกาสเกิดขึ้นได้ยากเว้นแต่จะใช้คำสั่งและค่า seed เดียวกันซ้ำ OrcaRouter อาจแคชการสร้างที่ถูกขอใช้บ่อย แต่ไม่มีข้อมูลเพิ่มเติม สำหรับการจัดการต้นทุน ให้ถือว่าการสร้างแต่ละครั้งมีค่าใช้จ่ายแยกต่าง เพื่อหลีกเลี่ยงต้นทุนที่ซ้ำซ้อน ให้ออกแบบแอปพลิเคชันของคุณเพื่อนำวิดีโอที่สร้างแล้วกลับมาใช้ใหม่เมื่อเป็นไปได้ แทนที่จะสร้างคำสั่งที่เหมือนกันซ้ำอีก
ใช้ปลายทางที่เข้ากันได้กับ API แบบ OpenAI สำหรับการสนทนา (chat completions) หรือปลายทางเฉพาะสำหรับสร้างวิดีโอ URL ฐานคือ https://api.orcarouter.ai/v1 ตั้งค่าพารามิเตอร์ model เป็น "kling/kling-video-o1" จำเป็นต้องมีการรับรองความถูกต้อง โดยทั่วไปผ่านคีย์ API ในส่วนหัว Authorization สำหรับการสร้างวิดีโอจากข้อความ คุณควรส่ง payload แบบ JSON พร้อมฟิลด์ prompt รูปแบบคำขอที่แน่นอนอาจแตกต่างกัน ควรดูเอกสารของ OrcaRouter สำหรับสคีมาเฉพาะ ตัวอย่าง curl ขั้นต่ำ: curl https://api.orcarouter.ai/v1/video/generations \ -H "Authorization: Bearer YOUR_API_KEY" \ -H "Content-Type: application/json" \ -d '{"model":"kling/kling-video-o1","prompt":"A cat walking on a beach at sunset"}'
พารามิเตอร์ที่มีอยู่ไม่ได้ถูกบันทึกอย่างสมบูรณ์ในข้อเท็จจริงที่ให้มา พารามิเตอร์ทั่วไปสำหรับโมเดลข้อความเป็นวิดีโอ ได้แก่ prompt (จำเป็น), negative_prompt, num_frames, width, height, guidance_scale, seed และ num_inference_steps kling/kling-video-o1 อาจรองรับเพียงชุดย่อยของพารามิเตอร์เหล่านี้ เนื่องจาก OrcaRouter ทำหน้าที่เป็นตัวกลางระหว่างผู้ให้บริการ พารามิเตอร์บางตัวอาจถูกแปลงหรือจำกัด ควรเริ่มต้นด้วยพารามิเตอร์ของ Kling ที่มีเอกสารแล้วและทดสอบความเข้ากันได้ ควรตรวจสอบข้อความแสดงข้อผิดพลาดหากพารามิเตอร์ไม่ได้รับการสนับสนุน ค่าเริ่มต้นจะถูกนำไปใช้กับพารามิเตอร์ที่ขาดหายไป
หากคุณกำลังใช้ API ที่เข้ากันได้กับ OpenAI ของ OrcaRouter กับโมเดลวิดีโออื่นอยู่แล้ว การย้ายข้อมูลนั้นตรงไปตรงมา: เปลี่ยนฟิลด์ model จาก ID เก่าเป็น "kling/kling-video-o1" ตรวจสอบให้แน่ใจว่ารูปแบบ prompt ของคุณเข้ากันได้ หากคุณใช้ API อื่น (เช่น Kling API โดยตรง) ให้เขียนคำขอใหม่ให้ตรงกับ schema ของ OrcaRouter ไม่จำเป็นต้องเปลี่ยนแปลงโค้ด inference ฝั่งไคลเอนต์หากคุณยังคงใช้รูปแบบมาตรฐานของ OpenAI ทดสอบกับคำขอเดี่ยวก่อนที่จะเปลี่ยนการทำงานจริง โปรดทราบว่าคุณภาพของผลลัพธ์และความหน่วงอาจแตกต่างกัน
OrcaRouter ใช้การยืนยันตัวตนด้วย API key คุณต้องรวม API key ของคุณในส่วนหัว Authorization ในรูปแบบ "Bearer YOUR_API_KEY" โดยทั่วไปแล้ว API key จะถูกสร้างขึ้นจากแดชบอร์ดของ OrcaRouter เก็บไว้เป็นความลับ เพื่อความปลอดภัย หลีกเลี่ยงการ hardcode คีย์ในซอร์สโค้ด ให้ใช้ตัวแปรสภาพแวดล้อม หากคุณต้องการหมุนเวียนคีย์ ให้อัปเดตการกำหนดค่าของคุณตามนั้น OrcaRouter อาจรองรับวิธีการยืนยันตัวตนอื่นๆ เช่น OAuth แต่ข้อเท็จจริงที่ให้มาไม่ได้ระบุ ปฏิบัติตามแนวทางปฏิบัติที่ดีที่สุดสำหรับการเข้าถึง API อย่างปลอดภัย
Kling ได้เปิดตัวหลายเวอร์ชัน รวมถึง Kling 1.0, 1.5 และรูปแบบต่างๆ เช่น Kling-video-o1 คะแนน AA T2V Arena ที่ 1209.0 ชี้ให้เห็นว่าโมเดลนี้มีประสิทธิภาพด้านความสอดคล้องทางสุนทรียศาสตร์ที่ดี หากไม่มีคะแนนของโมเดล Kling อื่นๆ การเปรียบเทียบโดยตรงก็ไม่สามารถทำได้ โดยทั่วไปแล้ว โมเดลรุ่นใหม่จะปรับปรุงคุณภาพและความเที่ยงตรง การกำหนด "o1" อาจบ่งบอกถึงการปรับปรุงด้านการใช้เหตุผลหรือการวางแผนสำหรับคำสั่งที่ซับซ้อน แต่เป็นเพียงการคาดเดาเท่านั้น ผู้ใช้ควรเปรียบเทียบผลลัพธ์จากคำสั่งของตนเองเพื่อตัดสินใจว่าโมเดล Kling ใดเหมาะสมกับความต้องการของตนมากที่สุด
OrcaRouter เสนอการเข้าถึงโมเดลสร้างวิดีโอหลายตัวจากผู้ให้บริการที่แตกต่างกัน คะแนน benchmark ของ kling/kling-video-o1 ที่ 1209.0 บน AA T2V Arena ทำให้มันอยู่ในช่วงที่มีการแข่งขัน โมเดลอื่น ๆ เช่น Stable Video Diffusion, Pika หรือ RunwayML อาจมีจุดแข็งที่แตกต่างกัน (เช่น ความเร็ว การควบคุม ความสมจริง) เนื่องจากไม่มี benchmark ข้ามโมเดลโดยตรง ผู้ใช้ควรประเมินตามความต้องการเฉพาะของตน: การปฏิบัติตามคำแนะนำ (prompt adherence), สไตล์ภาพ, เวลาที่ใช้ในการสร้าง และค่าใช้จ่าย API แบบรวมศูนย์ของ OrcaRouter ทำให้การทดสอบหลายโมเดลเป็นเรื่องง่าย โดยเพียงแค่เปลี่ยน model ID
โมเดลวิดีโอราคาถูกอาจมีคุณภาพด้านสุนทรียภาพต่ำกว่า ความยาววิดีโอสั้นกว่า หรือมีสิ่งรบกวนมากกว่า คะแนน AA T2V Arena ชี้ให้เห็นว่า kling/kling-video-o1 ให้ผลลัพธ์คุณภาพสูง ซึ่งสมเหตุสมผลกับราคาที่สูงกว่าสำหรับผู้ใช้ที่ให้ความสำคัญกับความสวยงาม หากโปรเจกต์ของคุณยอมรับคุณภาพที่ต่ำกว่าหรือใช้เพื่อการสร้างต้นแบบภายใน การใช้โมเดลที่ถูกกว่าสามารถลดต้นทุนได้ บน OrcaRouter คุณสามารถเปรียบเทียบตัวอย่างที่สร้างขึ้นแบบเคียงข้างกันเพื่อวัดความแตกต่าง นอกจากนี้ ควรพิจารณาความเร็วในการอนุมาน: โมเดลที่แพงกว่าอาจใช้เวลาในการสร้างนานกว่า การตัดสินใจควรสมดุลระหว่างงบประมาณ คุณภาพ และปริมาณงาน
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-video-o1",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)| ต่อคำขอ | $0.0840 |
| สกุลเงิน | USD |
| ค่าธรรมเนียมคงที่ต่อการเรียก API (โมเดลสร้างรูปภาพ) | |
GET /api/public/models/kling/kling-video-o1เปิด @misc{orcarouter_kling_video_o1,
title = {kling/kling-video-o1 API},
author = {kling},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/kling/kling-video-o1}
}kling. (n.d.). kling/kling-video-o1 API. OrcaRouter. https://www.orcarouter.ai/models/kling/kling-video-o1