アバター

CometAPI の Kling Avatar API を使用して、画像からアバター主導の動画を生成します。高速な image-to-video アバターには POST /kling/v1/videos/avatar/image2video を使用します。

POST /kling/v1/videos/avatar/image2video

Create a Kling avatar task

cURL

curl --request POST \
  --url https://api.cometapi.com/kling/v1/videos/avatar/image2video \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "image": "example"
}
'

200

{
  "code": 123,
  "message": "<string>",
  "data": {
    "task_id": "<string>",
    "task_status": "<string>",
    "created_at": 123,
    "updated_at": 123,
    "task_info": {}
  }
}

このエンドポイントを使用すると、1 枚の元画像と 1 つの音声ソースから、話すアバター動画クリップを作成できます。

​

呼び出す前に

• 1 つのアバター image を公開 URL または生の base64 文字列で指定します
• audio_id または sound_file のいずれか一方のみを送信します
• 最初のリクエストはシンプルにしてください: 顔画像 1 枚、音声クリップ 1 つ、必要に応じて短いプロンプト（Prompt）
• 特別に高品質な経路が必要でない限り、mode: std から始めてください

​

音声ソースのルール

• audio_id は、すでに Kling の TTS ルートで音声を生成している場合に最も簡単な方法です
• sound_file は、すでに独自の MP3、WAV、M4A、または AAC アセットを持っている場合に使えます
• アバター用音声の長さは 2〜60 秒とされています

​

タスクフロー

1. アバタータスクを作成

   画像と 1 つの音声ソースを送信し、返された task id を保存します。

2. タスクをポーリング

   タスクが終端状態に到達するまで、個別クエリ を使って確認を続けます。

3. 完成した結果を保存

   プロバイダーの配信用 URL を超えて保持する必要がある場合は、最終アセットを自分のストレージにコピーします。

完全なパラメータリファレンスについては、公式の Kling Avatar ドキュメント を参照してください。

承認

Authorization · string · header · 必須

Bearer token authentication. Use your CometAPI key.

ヘッダー

Content-Type · string

Optional content type header.

ボディ

application/json

Option 1

Option 2

image · string · デフォルト: example · 必須

Avatar reference image. Accepts an image URL or raw Base64 string (no data: prefix). Supported formats: JPG, JPEG, PNG. Max file size 10 MB. Minimum dimension 300 px on each side; aspect ratio between 1:2.5 and 2.5:1.

audio_id · string · 必須

Audio ID returned by the Kling TTS API. Only audio clips between 2 and 60 seconds generated within the last 30 days are accepted. Mutually exclusive with sound_file — exactly one must be provided.

sound_file · string

Audio file as a URL or Base64 string. Accepted formats: MP3, WAV, M4A, AAC. Max 5 MB, duration 2–60 seconds. Mutually exclusive with audio_id — exactly one must be provided.

prompt · string

Text prompt to guide avatar actions, emotions, and camera movements. Max 2500 characters.

mode · string

Generation mode. std (standard, faster and more cost-effective) or pro (professional, higher quality output).

callback_url · string

Webhook URL for task status notifications. The server sends a callback when the task status changes.

external_task_id · string

Optional user-defined task ID for your own tracking. Does not replace the system-generated task ID. Must be unique per account.

レスポンス

200 - application/json

Task accepted.

code · integer · 必須

message · string · 必須

data · object · 必須

Show child attributes