你将构建的内容
你将提交一个 Kling 文生视频任务,存储返回的任务 ID,轮询对应的 Kling 任务端点,并决定何时添加callback_url 以接收推送通知。
前置条件
- 一个存储在
COMETAPI_KEY中的 CometAPI API 密钥 - 安装了
requests的 Python 3.10+,或 Node.js 18+ - 一个用于轮询的服务端 worker,或一个用于 webhook 的 HTTPS 回调端点
API 密钥、基础 URL、身份验证
使用以下接口创建一个 Kling 文生视频任务:代码示例
使用下面的标签页查看可直接复制的 cURL、Python 和 Node.js 示例。流程说明
Kling 视频生成是异步的。创建端点会返回一个data.task_id。轮询 GET /kling/v1/videos/text2video/<task_id>,直到 data.task_status 变为 succeed 或 failed。当任务成功时,如果你需要持久访问,请将 data.task_result 中已完成资源的 URL 复制到你自己的存储中。
当你希望将任务状态更新推送到你控制的 HTTPS 端点时,请添加 callback_url。同时保留轮询机制,用于对账以及处理回调投递遗漏的情况。
常用参数
故障排查 / 常见问题
响应结构与 OpenAI 视频路由不同
响应结构与 OpenAI 视频路由不同
Kling 使用提供商特定的 JSON 字段,例如
data.task_id、data.task_status 和 data.task_result。不要像解析 OpenAI 兼容的 /v1/videos 路由那样解析它。任务始终没有变为 succeed
任务始终没有变为 succeed
使用有界轮询,并在任务失败时检查
data.task_status_msg。存储 task ID 以便后续诊断。我应该使用 callback_url 还是轮询
我应该使用 callback_url 还是轮询
将轮询作为基础方案。添加
callback_url 用于推送投递,然后再通过轮询对最终状态进行核对。后续步骤
- 阅读 Kling 文生视频 API 参考。
- 通过 获取 Kling 任务 进行轮询。
- 通过 使用 Kling callback URLs 配置回调。
- 在 Models 中查找 Kling 视频模型。
- 查看 对视频生成使用轮询和 webhooks。
- 通过 在调用模型前估算请求成本。