Kling 数字人

Kling 数字人可将人物图片和语音生成口播视频。完整流程包含两个独立的 AnyFast 接口：可选的语音合成接口 POST /kling/v1/audio/tts，以及数字人生成接口 POST /kling/v1/videos/avatar/image2video。

TTS 是独立的同步接口，数字人生成是异步接口。如果已有符合要求的音频，可跳过 TTS，直接通过 sound_file 传入音频。

调用流程

准备语音

调用 TTS 将文本转换为音频，并读取 data.task_result.audios[0].id；也可以准备自己的公网音频 URL。

创建数字人任务

提交人物图片，并在 audio_id 和 sound_file 中选择一个。两个音频字段不能同时传入。

按任务 ID 轮询

从创建响应读取 task_id，轮询 GET /kling/v1/videos/avatar/image2video/{task_id}，直到 data.task_status 变为 succeed 或 failed。

保存结果

成功后下载 data.task_result.videos[0].url。生成媒体可能过期，请及时转存。

输入要求

能力	输入	主要限制
TTS	`text`、`voice_id`、`voice_language`，可选 `voice_speed`	文本不超过 1,000 字符；语言为 `zh` 或 `en`；语速 `0.8`～`2.0`
人物图片	`image` 中的公网 URL 或纯 Base64	JPG、JPEG、PNG；不超过 10 MB；宽高均不小于 300 px；比例 1:2.5～2.5:1
已生成语音	TTS 返回的 `audio_id`	30 天内生成；时长 2～300 秒
自有语音	`sound_file` 中的公网 URL 或纯 Base64	MP3、WAV、M4A、AAC；不超过 5 MB；时长 2～300 秒
输出质量	`mode`	`std` 或 `pro`；默认 `std`

传入纯 Base64 时，不要包含 data:image/png;base64, 等前缀。

使用 TTS 生成语音

cURL

curl --request POST \
  --url https://www.anyfast.ai/kling/v1/audio/tts \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "text": "你好，欢迎使用 AnyFast 数字人服务。",
    "voice_id": "oversea_male1",
    "voice_language": "zh",
    "voice_speed": 1.0
  }'

TTS 会在同一个响应中返回已完成的音频。请保存音频 ID、URL 和时长：

data.task_result.audios[0].id
data.task_result.audios[0].url
data.task_result.audios[0].duration

voice_id 用于选择 TTS 音色。请从 Kling AI Voice List 选择音色 ID，并将 voice_language 设置为该音色对应的语言。返回音频的 id 才是后续接口所需的 audio_id，二者不能混用。

生成数字人视频

使用 TTS 音频 ID
使用自有音频

cURL

curl --request POST \
  --url https://www.anyfast.ai/kling/v1/videos/avatar/image2video \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "image": "https://example.com/portrait.png",
    "audio_id": "AUDIO_ID_FROM_TTS",
    "prompt": "人物自然看向镜头说话，神态友好，轻微点头。",
    "mode": "std",
    "watermark_info": {"enabled": true}
  }'

cURL

curl --request POST \
  --url https://www.anyfast.ai/kling/v1/videos/avatar/image2video \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --header 'Content-Type: application/json' \
  --data '{
    "image": "https://example.com/portrait.png",
    "sound_file": "https://example.com/speech.mp3",
    "prompt": "人物面向镜头自然讲述，表情友好。",
    "mode": "pro",
    "watermark_info": {"enabled": false}
  }'

创建响应使用 AnyFast 任务包装格式，可从 task_id 或 id 读取任务 ID。

查询任务

cURL

curl --request GET \
  --url https://www.anyfast.ai/kling/v1/videos/avatar/image2video/TASK_ID \
  --header 'Authorization: Bearer YOUR_API_KEY'

查询响应使用 Kling 任务字段。轮询 data.task_status 时，submitted 和 processing 可能重复出现或相互切换，不应据此判断任务失败。仅在状态变为 succeed 或 failed 时停止轮询。

选择 `std` 或 `pro`

普通口播或低成本预览可使用 std；更重视画面细节时使用 pro。实测中，两种模式都成功生成了包含音轨且可解码的视频，pro 的输出分辨率高于 std。

数字人 API 参考

查看 TTS 与数字人生成的完整请求和响应字段。

快速开始

模型介绍

资源

Kling 数字人

调用流程

输入要求

使用 TTS 生成语音

生成数字人视频

查询任务

选择 `std` 或 `pro`

数字人 API 参考

​调用流程

​输入要求

​使用 TTS 生成语音

​生成数字人视频

​查询任务

​选择 std 或 pro

数字人 API 参考

调用流程

输入要求

使用 TTS 生成语音

生成数字人视频

查询任务

选择 `std` 或 `pro`