Kling O1 — tạo video thế hệ tiếp theo với văn bản thành video, hình ảnh thành video, kiểm soát đối tượng và chỉnh sửa tham chiếu video, clip 5–10 giây, chế độ std/pro.
kling/kling-video-o1 là một mô hình tạo video từ văn bản do Kling, một bộ phận của Kuaishou Technology, phát triển. Mô hình này nhận đầu vào là một prompt ngôn ngữ tự nhiên và xuất ra một tệp video.…
kling/kling-video-o1 tạo ra các đoạn video ngắn từ văn bản mô tả. Thời lượng và độ phân giải tối đa chính xác không được nêu rõ trong các sự kiện được cung cấp; các mô hình văn bản thành video điển hình từ Kling tạo ra các đoạn clip từ vài giây đến khoảng 10 giây, thường ở độ phân giải 720p hoặc 1080p. Mô hình có thể mô tả nhiều loại cảnh khác nhau, từ môi trường chân thực đến hoạt hình cách điệu, tùy thuộc vào văn bản mô tả. Mô hình hướng tới sự phù hợp thẩm mỹ cao, nghĩa là đầu ra phải hấp dẫn về mặt thị giác và nhất quán với mô tả. Tuy nhiên, chất lượng tạo ra có thể thay đổi dựa trên độ rõ ràng và độ phức tạp của văn bản mô tả.
AA T2V Arena (Aesthetic Alignment Text-to-Video Arena) đo lường mức độ ưa thích của con người đối với chất lượng video và sự phù hợp với lời nhắc. kling/kling-video-o1 đạt 1209.0 điểm, cho thấy hiệu suất mạnh mẽ trong việc tạo ra các video mà người đánh giá thấy hấp dẫn về mặt thẩm mỹ và chính xác về mặt ngữ nghĩa. Điều này cho thấy mô hình này rất phù hợp cho các dự án sáng tạo nơi chất lượng hình ảnh được ưu tiên. Người dùng có thể mong đợi các đầu ra thường khớp với nội dung được mô tả và trông gắn kết. Điểm số cũng phản ánh tính cạnh tranh so với các mô hình video khác trong cùng chuẩn đánh giá.
Nếu trường hợp sử dụng của bạn không yêu cầu chất lượng thẩm mỹ cao hoặc nếu bạn đang tạo video để kiểm thử nội bộ, nơi độ trau chuốt hình ảnh không quan trọng, thì một mô hình video rẻ hơn hoặc nhanh hơn có thể hiệu quả hơn về chi phí. Ngoài ra, nếu bạn cần video rất dài hoặc độ phân giải cụ thể không được hỗ trợ bởi kling/kling-video-o1, các mô hình thay thế có thể cung cấp những tính năng đó với chi phí thấp hơn. Trên OrcaRouter, bạn có thể so sánh giá cả giữa các mô hình video khác nhau để tìm ra lựa chọn phù hợp nhất. Luôn đánh giá sự đánh đổi giữa chất lượng và giá cả cho khối lượng và yêu cầu cụ thể của bạn.
Như với hầu hết các mô hình văn bản thành video, hiệu suất sẽ giảm đi với các prompt quá trừu tượng, quá chi tiết hoặc mâu thuẫn. kling/kling-video-o1 được tối ưu hóa cho ngôn ngữ tự nhiên rõ ràng, mang tính mô tả. Đối với các prompt chỉ định nhiều nhân vật, hành động và thay đổi cảnh, mô hình có thể đơn giản hóa hoặc bỏ qua các yếu tố. Mô hình hoạt động tốt nhất khi prompt mô tả một cảnh hoặc hành động duy nhất, mạch lạc. Để kể chuyện tuần tự, có thể cần nhiều lần sinh. Không có hướng dẫn kỹ thuật prompt cụ thể nào được cung cấp, nhưng người dùng nên sử dụng ngôn ngữ cô đọng, cụ thể để đạt kết quả tốt nhất.
AA T2V Arena là viết tắt của Aesthetic Alignment Text-to-Video Arena. Đây là một chuẩn đánh giá có sự tham gia của cộng đồng, nơi những người đánh giá so sánh hai video được tạo ra từ cùng một prompt và chọn video họ ưa thích dựa trên chất lượng tổng thể và mức độ phù hợp với văn bản. Điểm số 1209.0 cho kling/kling-video-o1 là một xếp hạng kiểu Elo được suy ra từ các so sánh cặp này. Điểm số này cho biết vị trí tương đối của mô hình; điểm càng cao càng tốt theo sở thích của con người. Chuẩn đánh giá tập trung vào tính hấp dẫn thị giác và độ trung thành với prompt, chứ không phải các chỉ số như FID hay điểm CLIP.
Điểm số 1209.0 là kết quả từ việc gửi đầu ra của kling/kling-video-o1 đến AA T2V Arena, nơi mô hình này cạnh tranh với các mô hình chuyển văn bản thành video khác trong các so sánh mù. Mỗi video được tạo ra đều được đánh giá bởi những người đánh giá thực tế về chất lượng thẩm mỹ và mức độ phù hợp với nội dung yêu cầu. Hệ thống xếp hạng Elo được sử dụng để tính điểm cuối cùng. Điều này có nghĩa là mô hình đã hoạt động tốt trong các cuộc đối đầu trực tiếp, thắng nhiều hơn thua so với một tập hợp các mô hình đối thủ. Trong bối cảnh đó, điểm số thường dao động từ 1000 đến 1500; 1209 đưa mô hình này lên trên mức trung bình.
Chỉ có một điểm benchmark duy nhất: 1209.0 trên AA T2V Arena. Không có thông tin về tốc độ suy luận, độ trễ, giới hạn độ dài video, độ phân giải hoặc khả năng xử lý theo lô. Người dùng cần lưu ý rằng điểm benchmark không đảm bảo hiệu suất trên tất cả các prompt hoặc khối lượng công việc sản xuất. Mô hình có thể có các thiên lệch, artifact hoặc lỗi thường gặp ở các mô hình text-to-video (ví dụ: nhấp nháy, chuyển động không thực tế, biến dạng đối tượng). Nếu không có thêm dữ kiện, không thể liệt kê các giới hạn cụ thể. Luôn kiểm tra với prompt của riêng bạn trước khi triển khai ở quy mô lớn.
Không có số liệu cụ thể về tốc độ suy luận hoặc độ trễ nào được cung cấp cho kling/kling-video-o1. Quá trình tạo video từ văn bản thường mất nhiều thời gian hơn so với tạo ảnh do có thêm chiều thời gian. Hiệu suất thực tế phụ thuộc vào độ dài video, độ phân giải, độ phức tạp của cảnh và phần cứng cơ bản mà Kling sử dụng. Trên OrcaRouter, API có thể có thêm độ trễ mạng. Để hiểu được thời gian phản hồi điển hình, người dùng nên chạy các bài kiểm tra điểm chuẩn với các prompt đại diện trong điều kiện tải dự kiến. Liên hệ bộ phận hỗ trợ của OrcaRouter để được hướng dẫn về mức dịch vụ nếu cần.
Thông tin chính xác về giá cho mỗi lần tạo video không được cung cấp trong dữ liệu đã cho. OrcaRouter tính phí dựa trên mức giá của nhà cung cấp, có thể tính theo giây video, theo yêu cầu tạo, hoặc theo thời gian tính toán. Thông thường, các mô hình chất lượng cao hơn sẽ có giá cao hơn. Người dùng nên truy cập trang giá của OrcaRouter hoặc tài liệu API để biết chi phí hiện tại của mô hình "kling/kling-video-o1". Vì giá có thể thay đổi, hãy luôn kiểm tra trước khi xây dựng các ứng dụng nhạy cảm về chi phí. Không có thông tin nào về việc sử dụng miễn phí hoặc tín dụng.
Không có thông tin về chiết khấu theo số lượng được cung cấp. OrcaRouter có thể cung cấp định giá theo bậc hoặc gói trả trước cho quyền truy cập API, nhưng điều này không cụ thể cho kling/kling-video-o1. Đối với người dùng tần suất cao, nên liên hệ trực tiếp với OrcaRouter để thảo luận về định giá tùy chỉnh. Ngoài ra, nếu trường hợp sử dụng của bạn cho phép đầu ra chất lượng thấp hơn, hãy cân nhắc sử dụng một mô hình rẻ hơn trên OrcaRouter để giảm chi phí. Nhà cung cấp (Kling) cũng có thể có các thỏa thuận giá riêng ảnh hưởng đến mức phí mà OrcaRouter tính.
Bộ nhớ đệm không được đề cập trong các dữ kiện được cung cấp cho kling/kling-video-o1. Thông thường, các mô hình chuyển văn bản thành video tạo ra đầu ra duy nhất cho mỗi lời nhắc do lấy mẫu stochastic, khiến cho việc trúng bộ nhớ đệm khó xảy ra trừ khi lời nhắc và seed chính xác được sử dụng lại. OrcaRouter có thể lưu vào bộ nhớ đệm các thế hệ được yêu cầu thường xuyên, nhưng không có thông tin nào khả dụng. Để quản lý chi phí, hãy giả định rằng mỗi lần tạo ra đều phải trả phí riêng. Để tránh chi phí dư thừa, hãy thiết kế ứng dụng của bạn để tái sử dụng các video đã tạo khi có thể, thay vì tạo lại các lời nhắc giống hệt nhau.
Sử dụng điểm cuối tương thích với OpenAI dành cho hoàn thiện trò chuyện hoặc điểm cuối chuyên dụng tạo video. URL cơ sở là https://api.orcarouter.ai/v1. Đặt tham số model thành "kling/kling-video-o1". Yêu cầu xác thực, thường qua khóa API trong header Authorization. Để tạo video từ văn bản, bạn có thể gửi một payload JSON với trường prompt. Định dạng yêu cầu chính xác có thể thay đổi; hãy tham khảo tài liệu của OrcaRouter cho schema cụ thể. Một ví dụ curl tối thiểu: 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"}'
Các tham số có sẵn không được ghi chép đầy đủ trong các dữ kiện được cung cấp. Các tham số phổ biến cho mô hình văn bản thành video bao gồm prompt (bắt buộc), negative_prompt, num_frames, width, height, guidance_scale, seed và num_inference_steps. kling/kling-video-o1 có khả năng hỗ trợ một tập con các tham số này. Vì OrcaRouter trừu tượng hóa nhà cung cấp, một số tham số có thể bị biến đổi hoặc giới hạn. Hãy bắt đầu với các tham số Kling đã được ghi chép và kiểm tra tính tương thích. Luôn kiểm tra thông báo lỗi nếu một tham số không được hỗ trợ. Giá trị mặc định sẽ được áp dụng cho các tham số bị thiếu.
Nếu bạn đã sử dụng API tương thích OpenAI của OrcaRouter với một mô hình video khác, việc di chuyển rất đơn giản: thay đổi trường model từ ID cũ thành "kling/kling-video-o1". Đảm bảo định dạng prompt của bạn tương thích. Nếu bạn đang sử dụng một API khác (ví dụ: API Kling trực tiếp), hãy viết lại yêu cầu để khớp với schema của OrcaRouter. Không cần thay đổi mã suy luận (inference code) ở phía client nếu bạn tuân theo định dạng chuẩn của OpenAI. Kiểm tra với từng yêu cầu đơn lẻ trước khi chuyển đổi lưu lượng sản xuất. Lưu ý rằng chất lượng đầu ra và độ trễ có thể khác nhau.
OrcaRouter sử dụng xác thực bằng khóa API. Bạn phải bao gồm khóa API của mình trong tiêu đề Authorization dưới dạng "Bearer YOUR_API_KEY". Các khóa API thường được tạo từ bảng điều khiển OrcaRouter. Hãy giữ chúng bí mật. Để bảo mật, tránh mã hóa cứng khóa trong mã nguồn; hãy sử dụng biến môi trường. Nếu bạn cần xoay vòng khóa, hãy cập nhật cấu hình của bạn tương ứng. OrcaRouter cũng có thể hỗ trợ các phương thức xác thực khác như OAuth, nhưng các dữ kiện được cung cấp không xác định cụ thể. Hãy tuân theo các phương pháp hay nhất để truy cập API an toàn.
Kling đã phát hành nhiều phiên bản, bao gồm Kling 1.0, 1.5 và các biến thể khác như Kling-video-o1. Điểm AA T2V Arena là 1209.0 cho thấy mô hình này hoạt động tốt về mặt căn chỉnh thẩm mỹ. Không có điểm số cho các mô hình Kling khác, việc so sánh trực tiếp là không thể. Nhìn chung, các mô hình mới hơn cải thiện về chất lượng và độ trung thực. Ký hiệu "o1" có thể chỉ ra khả năng suy luận hoặc lập kế hoạch cải thiện cho các lời nhắc phức tạp, nhưng điều này chỉ là suy đoán. Người dùng nên so sánh đầu ra trên các lời nhắc của riêng mình để quyết định mô hình Kling nào phù hợp nhất với nhu cầu của họ.
OrcaRouter cung cấp quyền truy cập vào nhiều mô hình tạo video từ các nhà cung cấp khác nhau. Điểm chuẩn 1209.0 của kling/kling-video-o1 trên AA T2V Arena đặt nó trong một phạm vi cạnh tranh. Các mô hình khác như Stable Video Diffusion, Pika hoặc RunwayML có thể có những thế mạnh khác nhau (ví dụ: tốc độ, khả năng kiểm soát, tính chân thực). Vì không có điểm chuẩn so sánh trực tiếp giữa các mô hình, người dùng nên đánh giá dựa trên các yêu cầu cụ thể của mình: độ bám sát prompt, phong cách hình ảnh, thời gian tạo và chi phí. API thống nhất của OrcaRouter giúp dễ dàng thử nghiệm nhiều mô hình chỉ bằng cách thay đổi ID mô hình.
Các mô hình video giá rẻ hơn có thể có chất lượng thẩm mỹ thấp hơn, độ dài video ngắn hơn hoặc nhiều lỗi hiển thị hơn. Điểm số AA T2V Arena cho thấy kling/kling-video-o1 mang lại kết quả chất lượng cao, điều này biện minh cho mức giá cao hơn đối với người dùng ưu tiên tính thẩm mỹ. Nếu dự án của bạn chấp nhận chất lượng thấp hơn hoặc chỉ dùng cho nguyên mẫu nội bộ, một mô hình giá rẻ có thể giảm chi phí. Trên OrcaRouter, bạn có thể so sánh các mẫu được tạo ra cạnh nhau để định lượng sự khác biệt. Ngoài ra, hãy xem xét tốc độ suy luận: các mô hình đắt tiền hơn cũng có thể mất nhiều thời gian hơn để tạo ra. Quyết định nên cân bằng giữa ngân sách, chất lượng và thông lượng.
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)| Mỗi yêu cầu | $0.0840 |
| Tiền tệ | USD |
| Phí cố định mỗi cuộc gọi API (mô hình tạo ảnh) | |
GET /api/public/models/kling/kling-video-o1Mở @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