Kling 3.0 (архив) API

Профессионально генерирует и редактирует видео по тексту, изображению, референсам и исходному видео, чтобы получались связные сцены с нужным стилем и движением камеры. Стоимость от 27 до 50 рублей за секунду - зависит от режима (генерация/редактирование), модели (Standard/Pro) и включения генерации аудио.

Нейросеть

Kling 3.0 (архив) API — Братуха.ру

Kling 3.0 (архив) API

Нейросеть

API документация

Общая документация Public API · API-ключ можно создать в настройках аккаунта

Краткое практическое введение

Kling 3.0 подходит для случаев, когда нужно сгенерировать или отредактировать короткое видео несколькими разными способами через один и тот же Public API endpoint.

Практически у модели пять основных сценариев:

text_to_video - видео только по текстовому описанию;
image_to_video - анимация одного исходного изображения;
reference_image_to_video - видео по стартовому кадру с дополнительными референсами изображений;
edit_video - редактирование уже готового видео;
reference_video_to_video - генерация на основе референс-видео с возможностью добавить изображения-референсы.

Дополнительно модель поддерживает несколько полезных опций:

generate_audio для генерации нативного аудио в режимах без входного видео;
voice_ids для озвучки в text_to_video;
use_multi_prompt и multi_prompt для multi-shot сценариев с несколькими сценами;
конечный кадр для image_to_video и reference_image_to_video;
массивы изображений и массивы elements для более точного контроля персонажей, объектов и стиля.

Каждый вызов создаёт асинхронную операцию. Сразу после запроса API возвращает id, стартовый статус и стоимость запуска, а готовый ролик нужно получать отдельной проверкой статуса.

Создание операции

Endpoint: POST /api/v1/operations
Авторизация: Authorization: Bearer brth_...
Запрос создаёт новую операцию и сразу возвращает id, стартовый статус и стоимость.
Выполнение асинхронное.

Практически у Kling 3.0 есть пять публичных режимов:

text_to_video
image_to_video
reference_image_to_video
edit_video
reference_video_to_video

Тело запроса

Базовая форма запроса:

{
  "tool": "kling-3-0",
  "input": {
    "kling_generation_type": "image_to_video",
    "kling_model_tier": "standard",
    "...": "..."
  }
}

tool - slug нейросети. Для этой модели всегда используйте "kling-3-0".
input - параметры конкретного запуска.
Набор полей внутри input зависит от выбранного kling_generation_type.
Параметры передаются напрямую внутри input, без дополнительного вложенного объекта input.input.

Параметры

Параметр	Тип	Обязательный	Описание
`kling_generation_type`	`enum`	Да	Режим запуска. Варианты: `text_to_video`, `image_to_video`, `reference_image_to_video`, `edit_video`, `reference_video_to_video`. Именно этот параметр определяет, какие остальные поля нужно передавать.
`kling_model_tier`	`enum`	Да	Качество модели. Варианты: `standard`, `pro`. Влияет на цену во всех режимах.
`use_multi_prompt`	`boolean`	Нет	Включает multi-shot сценарий с несколькими сценами. Практически имеет смысл в режимах без входного видео. Если включён, основной `prompt` можно не передавать, а детализацию сцены нужно описывать в `multi_prompt`.
`prompt`	`string`	Да	Основное текстовое описание ролика или правок. Максимум `2500` символов. Для `text_to_video` можно использовать маркеры `<<<voice_1>>>` и `<<<voice_2>>>`, если передаёте `voice_ids`.
`multi_prompt`	`object[]`	Да	Массив сцен для multi-shot генерации. Каждый элемент должен содержать `prompt` и `duration`. Минимум `1`, максимум `6` сцен. Длительность одной сцены - от `3` до `15` секунд. Если используете `multi_prompt`, поле `duration` должно совпадать с суммой длительностей всех сцен.
`image_url`	`string (url)`	Да	Один URL исходного изображения для режима `image_to_video`. Разрешены только внешние `http/https` ссылки. Допустимые форматы Public API: `JPG`, `JPEG`, `PNG`, `WebP`.
`start_image_url`	`string (url)`	Да	Один URL стартового кадра для режима с референс-изображениями. Форматы Public API: JPG / JPEG / PNG / WebP.
`image_urls`	`string[] (url)`	Нет	Дополнительные изображения-референсы для `reference_image_to_video`. Обычно используют для сохранения персонажа, одежды, окружения и деталей стиля. Максимум `4` файла, а если включён конечный кадр - максимум `2`.
`elements`	`object[]`	Нет	Дополнительные элементы для `reference_image_to_video`. Каждый элемент может содержать обязательный `frontal_image_url` и опциональный массив `reference_image_urls`. Используйте, когда нужно жёстче удерживать отдельный объект или персонажа.
`video_url_edit`	`string (url)`	Да	URL исходного видео для режима `edit_video`. Допустимые форматы: `MP4`, `MOV`. Практически используйте ролики длиной от `3` до `10` секунд.
`video_url_reference`	`string (url)`	Да	URL референс-видео для режима `reference_video_to_video`. Допустимые форматы: `MP4`, `MOV`. Практически используйте ролики длиной от `3` до `10` секунд.
`keep_audio_edit`	`boolean`	Нет	Для `edit_video`. Если `true`, модель старается сохранить исходное аудио видео. На цену не влияет.
`keep_audio_reference`	`boolean`	Нет	Для `reference_video_to_video`. Если `true`, модель старается сохранить аудио исходного видео. На цену не влияет.
`image_urls_edit`	`string[] (url)`	Нет	Дополнительные изображения-референсы для `edit_video`. Максимум `4` файла. Подходит, когда нужно изменить стиль, лицо, одежду или объект по дополнительным картинкам.
`image_urls_reference`	`string[] (url)`	Нет	Дополнительные изображения-референсы для `reference_video_to_video`. Максимум `4` файла.
`elements_edit`	`object[]`	Нет	Дополнительные элементы для `edit_video`. Структура элемента такая же, как у `elements`: обязательный `frontal_image_url` и опциональный массив `reference_image_urls`.
`elements_reference`	`object[]`	Нет	Дополнительные элементы для `reference_video_to_video`. Структура элемента такая же, как у `elements`.
`use_end_image_i2v`	`boolean`	Нет	Включает конечный кадр в режиме `image_to_video`. Не комбинируйте с `use_multi_prompt = true`.
`end_image_url_i2v`	`string (url)`	Да	URL конечного кадра для `image_to_video`, если `use_end_image_i2v = true`. Допустимые форматы Public API: `JPG`, `JPEG`, `PNG`, `WebP`.
`use_end_image_reference`	`boolean`	Нет	Включает конечный кадр в режиме `reference_image_to_video`. Не комбинируйте с `use_multi_prompt = true`.
`end_image_url_reference`	`string (url)`	Да	URL конечного кадра для `reference_image_to_video`, если `use_end_image_reference = true`. Допустимые форматы Public API: `JPG`, `JPEG`, `PNG`, `WebP`.
`duration`	`number`	Да	Длительность ролика в секундах для `text_to_video`, `image_to_video` и `reference_image_to_video`. Диапазон - от `3` до `15` секунд. Если используете `multi_prompt`, это поле должно быть равно сумме длительностей всех сцен.
`duration_v2v`	`number`	Да	Длительность ролика для `reference_video_to_video`. Диапазон - от `3` до `10` секунд. Влияет на стоимость.
`aspect_ratio`	`enum`	Да	Соотношение сторон для `text_to_video`. Варианты: `16:9`, `9:16`, `1:1`.
`aspect_ratio_v2v`	`enum`	Да	Соотношение сторон для `reference_video_to_video`. Варианты: `auto`, `16:9`, `9:16`, `1:1`.
`generate_audio`	`boolean`	Нет	Генерация нативного аудио. Доступна только в `text_to_video`, `image_to_video` и `reference_image_to_video`. Влияет на цену.
`voice_ids`	`string[]`	Нет	Список Voice ID для `text_to_video`. Практически используйте до `2` голосов и вставляйте в `prompt` маркеры `<<<voice_1>>>` и `<<<voice_2>>>`.

Примеры запросов

Сценарий 1. Видео из текста

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "tool": "kling-3-0",
    "input": {
      "kling_generation_type": "text_to_video",
      "kling_model_tier": "standard",
      "prompt": "Кинематографичный ночной город после дождя. <<<voice_1>>> говорит спокойным голосом: «Мы уже рядом». Камера медленно едет вперёд, отражения неона в мокром асфальте, мягкий пар в воздухе.",
      "duration": 5,
      "aspect_ratio": "16:9",
      "generate_audio": true,
      "voice_ids": [
        "11111111-1111-1111-1111-111111111111"
      ]
    }
  }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'kling-3-0',
    input: {
      kling_generation_type: 'text_to_video',
      kling_model_tier: 'standard',
      prompt:
        'Кинематографичный ночной город после дождя. <<<voice_1>>> говорит спокойным голосом: «Мы уже рядом». Камера медленно едет вперёд, отражения неона в мокром асфальте, мягкий пар в воздухе.',
      duration: 5,
      aspect_ratio: '16:9',
      generate_audio: true,
      voice_ids: ['11111111-1111-1111-1111-111111111111'],
    },
  }),
})

const data = await response.json()
console.log(data)

Python

import requests

response = requests.post(
    "https://bratuha.ru/api/v1/operations",
    headers={
        "Authorization": "Bearer brth_ваш_ключ",
        "Content-Type": "application/json",
    },
    json={
        "tool": "kling-3-0",
        "input": {
            "kling_generation_type": "text_to_video",
            "kling_model_tier": "standard",
            "prompt": "Кинематографичный ночной город после дождя. <<<voice_1>>> говорит спокойным голосом: «Мы уже рядом». Камера медленно едет вперёд, отражения неона в мокром асфальте, мягкий пар в воздухе.",
            "duration": 5,
            "aspect_ratio": "16:9",
            "generate_audio": True,
            "voice_ids": ["11111111-1111-1111-1111-111111111111"],
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Сценарий 2. Анимация одного изображения

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "tool": "kling-3-0",
    "input": {
      "kling_generation_type": "image_to_video",
      "kling_model_tier": "standard",
      "prompt": "Девушка делает пол-оборота, улыбается в камеру, лёгкий ветер шевелит волосы, мягкий золотой свет, плавное движение камеры.",
      "image_url": "https://cdn.example.com/source-image-1.jpg",
      "duration": 5,
      "generate_audio": false
    }
  }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'kling-3-0',
    input: {
      kling_generation_type: 'image_to_video',
      kling_model_tier: 'standard',
      prompt:
        'Девушка делает пол-оборота, улыбается в камеру, лёгкий ветер шевелит волосы, мягкий золотой свет, плавное движение камеры.',
      image_url: 'https://cdn.example.com/source-image-1.jpg',
      duration: 5,
      generate_audio: false,
    },
  }),
})

const data = await response.json()
console.log(data)

Python

import requests

response = requests.post(
    "https://bratuha.ru/api/v1/operations",
    headers={
        "Authorization": "Bearer brth_ваш_ключ",
        "Content-Type": "application/json",
    },
    json={
        "tool": "kling-3-0",
        "input": {
            "kling_generation_type": "image_to_video",
            "kling_model_tier": "standard",
            "prompt": "Девушка делает пол-оборота, улыбается в камеру, лёгкий ветер шевелит волосы, мягкий золотой свет, плавное движение камеры.",
            "image_url": "https://cdn.example.com/source-image-1.jpg",
            "duration": 5,
            "generate_audio": False,
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Сценарий 3. Видео по стартовому кадру и нескольким сценам

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "tool": "kling-3-0",
    "input": {
      "kling_generation_type": "reference_image_to_video",
      "kling_model_tier": "standard",
      "use_multi_prompt": true,
      "start_image_url": "https://cdn.example.com/source-image-1.jpg",
      "image_urls": [
        "https://cdn.example.com/source-image-2.jpg",
        "https://cdn.example.com/source-image-3.jpg"
      ],
      "duration": 10,
      "multi_prompt": [
        {
          "prompt": "Персонаж медленно поднимает голову и смотрит в сторону камеры, лёгкий ветер, спокойный фон.",
          "duration": 4
        },
        {
          "prompt": "Камера плавно приближается, персонаж делает шаг вперёд и мягко улыбается, сохраняется тот же стиль и освещение.",
          "duration": 6
        }
      ],
      "generate_audio": false
    }
  }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'kling-3-0',
    input: {
      kling_generation_type: 'reference_image_to_video',
      kling_model_tier: 'standard',
      use_multi_prompt: true,
      start_image_url: 'https://cdn.example.com/source-image-1.jpg',
      image_urls: [
        'https://cdn.example.com/source-image-2.jpg',
        'https://cdn.example.com/source-image-3.jpg',
      ],
      duration: 10,
      multi_prompt: [
        {
          prompt:
            'Персонаж медленно поднимает голову и смотрит в сторону камеры, лёгкий ветер, спокойный фон.',
          duration: 4,
        },
        {
          prompt:
            'Камера плавно приближается, персонаж делает шаг вперёд и мягко улыбается, сохраняется тот же стиль и освещение.',
          duration: 6,
        },
      ],
      generate_audio: false,
    },
  }),
})

const data = await response.json()
console.log(data)

Python

import requests

response = requests.post(
    "https://bratuha.ru/api/v1/operations",
    headers={
        "Authorization": "Bearer brth_ваш_ключ",
        "Content-Type": "application/json",
    },
    json={
        "tool": "kling-3-0",
        "input": {
            "kling_generation_type": "reference_image_to_video",
            "kling_model_tier": "standard",
            "use_multi_prompt": True,
            "start_image_url": "https://cdn.example.com/source-image-1.jpg",
            "image_urls": [
                "https://cdn.example.com/source-image-2.jpg",
                "https://cdn.example.com/source-image-3.jpg",
            ],
            "duration": 10,
            "multi_prompt": [
                {
                    "prompt": "Персонаж медленно поднимает голову и смотрит в сторону камеры, лёгкий ветер, спокойный фон.",
                    "duration": 4,
                },
                {
                    "prompt": "Камера плавно приближается, персонаж делает шаг вперёд и мягко улыбается, сохраняется тот же стиль и освещение.",
                    "duration": 6,
                },
            ],
            "generate_audio": False,
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Сценарий 4. Редактирование готового видео

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "tool": "kling-3-0",
    "input": {
      "kling_generation_type": "edit_video",
      "kling_model_tier": "pro",
      "prompt": "Сделай фон более кинематографичным, усили мягкий контровой свет, сохрани лицо и движения человека без искажений.",
      "video_url_edit": "https://cdn.example.com/source-video-1.mp4",
      "keep_audio_edit": true
    }
  }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'kling-3-0',
    input: {
      kling_generation_type: 'edit_video',
      kling_model_tier: 'pro',
      prompt:
        'Сделай фон более кинематографичным, усили мягкий контровой свет, сохрани лицо и движения человека без искажений.',
      video_url_edit: 'https://cdn.example.com/source-video-1.mp4',
      keep_audio_edit: true,
    },
  }),
})

const data = await response.json()
console.log(data)

Python

import requests

response = requests.post(
    "https://bratuha.ru/api/v1/operations",
    headers={
        "Authorization": "Bearer brth_ваш_ключ",
        "Content-Type": "application/json",
    },
    json={
        "tool": "kling-3-0",
        "input": {
            "kling_generation_type": "edit_video",
            "kling_model_tier": "pro",
            "prompt": "Сделай фон более кинематографичным, усили мягкий контровой свет, сохрани лицо и движения человека без искажений.",
            "video_url_edit": "https://cdn.example.com/source-video-1.mp4",
            "keep_audio_edit": True,
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Сценарий 5. Видео по референс-видео

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "tool": "kling-3-0",
    "input": {
      "kling_generation_type": "reference_video_to_video",
      "kling_model_tier": "pro",
      "prompt": "Замени автомобиль в ролике на автомобиль с референсных изображений, сохрани ракурс, темп движения и общую композицию.",
      "video_url_reference": "https://cdn.example.com/source-video-2.mov",
      "image_urls_reference": [
        "https://cdn.example.com/source-image-4.jpg",
        "https://cdn.example.com/source-image-5.jpg"
      ],
      "duration_v2v": 7,
      "aspect_ratio_v2v": "16:9",
      "keep_audio_reference": true
    }
  }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'kling-3-0',
    input: {
      kling_generation_type: 'reference_video_to_video',
      kling_model_tier: 'pro',
      prompt:
        'Замени автомобиль в ролике на автомобиль с референсных изображений, сохрани ракурс, темп движения и общую композицию.',
      video_url_reference: 'https://cdn.example.com/source-video-2.mov',
      image_urls_reference: [
        'https://cdn.example.com/source-image-4.jpg',
        'https://cdn.example.com/source-image-5.jpg',
      ],
      duration_v2v: 7,
      aspect_ratio_v2v: '16:9',
      keep_audio_reference: true,
    },
  }),
})

const data = await response.json()
console.log(data)

Python

import requests

response = requests.post(
    "https://bratuha.ru/api/v1/operations",
    headers={
        "Authorization": "Bearer brth_ваш_ключ",
        "Content-Type": "application/json",
    },
    json={
        "tool": "kling-3-0",
        "input": {
            "kling_generation_type": "reference_video_to_video",
            "kling_model_tier": "pro",
            "prompt": "Замени автомобиль в ролике на автомобиль с референсных изображений, сохрани ракурс, темп движения и общую композицию.",
            "video_url_reference": "https://cdn.example.com/source-video-2.mov",
            "image_urls_reference": [
                "https://cdn.example.com/source-image-4.jpg",
                "https://cdn.example.com/source-image-5.jpg",
            ],
            "duration_v2v": 7,
            "aspect_ratio_v2v": "16:9",
            "keep_audio_reference": True,
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Примеры ответов

Ответ после создания

{
  "id": "op_uuid-123",
  "status": "queued",
  "tool": "kling-3-0",
  "cost": 165,
  "balance_after": 495,
  "created_at": "2026-03-27T12:00:00Z"
}

Ответ после завершения

{
  "id": "op_uuid-123",
  "status": "completed",
  "tool": "kling-3-0",
  "cost": 165,
  "created_at": "2026-03-27T12:00:00Z",
  "completed_at": "2026-03-27T12:03:41Z",
  "result": {
    "type": "video",
    "urls": [
      "https://storage.bratuha.ru/results/kling-3-0/result.mp4"
    ]
  },
  "error_message": null
}

Проверка статуса

После создания операции сохраните id и используйте его для отдельной проверки статуса:

Endpoint: GET /api/v1/operations/{id}
Этот id возвращается сразу после POST /api/v1/operations.

cURL

curl -H "Authorization: Bearer brth_ваш_ключ" \
  https://bratuha.ru/api/v1/operations/op_uuid-123

JavaScript / TypeScript

const response = await fetch(
  'https://bratuha.ru/api/v1/operations/op_uuid-123',
  {
    headers: {
      Authorization: 'Bearer brth_ваш_ключ',
    },
  },
)

const data = await response.json()
console.log(data)

Формат результата

После успешного завершения операция возвращает result в таком формате:

{
  "type": "video",
  "urls": [
    "https://storage.bratuha.ru/results/kling-3-0/result.mp4"
  ]
}

Что важно знать:

type для Kling 3.0 в Public API нужно обрабатывать как "video";
urls - массив ссылок на готовые mp4-файлы;
обычно один запуск возвращает один ролик, но клиенту интеграции лучше обрабатывать результат как массив ссылок;
это исправляет слабое место автогенерации, где результат может выглядеть как абстрактный file, хотя реальные completed операции у kling-3-0 возвращают именно video.

Ценообразование

Базовая ставка начинается от 27 ₽ за секунду.

Итоговая цена зависит от четырёх вещей:

выбранного режима kling_generation_type;
модели kling_model_tier;
включения generate_audio, если режим поддерживает генерацию аудио;
длительности ролика в секундах.

Практические правила расчёта:

для text_to_video, image_to_video и reference_image_to_video цена считается по полю duration;
для reference_video_to_video цена считается по полю duration_v2v;
для multi-shot сценариев сумма multi_prompt[*].duration должна совпадать с duration;
секунды округляются вверх;
минимальная расчётная длительность - 3 секунды;
общий верхний предел pricing-matrix - 15 секунд, но для video-to-video сценариев практически ориентируйтесь на исходные видео до 10 секунд.

Генерация без входного видео

Режим	Standard без аудио	Standard с аудио	Pro без аудио	Pro с аудио
`text_to_video`	27 ₽/сек	33 ₽/сек	33 ₽/сек	42 ₽/сек
`image_to_video`	27 ₽/сек	33 ₽/сек	33 ₽/сек	42 ₽/сек
`reference_image_to_video`	27 ₽/сек	33 ₽/сек	33 ₽/сек	42 ₽/сек

Редактирование и референс-видео

Режим	Standard	Pro
`edit_video`	40 ₽/сек	50 ₽/сек
`reference_video_to_video`	40 ₽/сек	50 ₽/сек

Что это означает на практике:

pro всегда дороже standard;
generate_audio = true влияет только на text_to_video, image_to_video и reference_image_to_video;
keep_audio_edit и keep_audio_reference меняют поведение результата, но не увеличивают цену сами по себе;
чем длиннее ролик, тем выше итоговая стоимость.

Примеры расчёта:

text_to_video + standard + generate_audio = true + 5 секунд = 165 ₽;
image_to_video + pro + generate_audio = false + 9 секунд = 297 ₽;
reference_video_to_video + pro + 7 секунд = 350 ₽.

Ограничения и практические заметки

POST /api/v1/operations не идемпотентен: каждый повторный запрос создаёт новую операцию.
Все операции выполняются асинхронно: сначала вы получаете queued, затем отдельно проверяете статус по id.
Для всех файлов нужны внешние http/https URL. localhost, private IP и внутренние адреса не принимаются.
Для image URL в Public API используйте только .jpg, .jpeg, .png, .webp. Форматы HEIC/HEIF, которые доступны в UI-загрузке, через внешние URL для Public API не поддерживаются.
Для video URL используйте только .mp4 и .mov.
Режимы edit_video и reference_video_to_video практически рассчитаны на входные ролики длиной от 3 до 10 секунд.
Если включаете use_multi_prompt, следите, чтобы duration совпадал с суммой multi_prompt[*].duration.
Не комбинируйте use_multi_prompt = true с конечным кадром use_end_image_i2v или use_end_image_reference.
В reference_image_to_video поле image_urls поддерживает до 4 изображений, но вместе с конечным кадром лучше ориентироваться на лимит 2.
Для voice_ids используйте не более двух голосов и обязательно ставьте соответствующие маркеры <<<voice_1>>> и <<<voice_2>>> внутри prompt.
Если нужно точнее удерживать конкретный объект или персонажа, используйте elements, elements_edit или elements_reference, а не пытайтесь описать всё только текстом.
Не опрашивайте GET /api/v1/operations/{id} слишком часто. Практически безопасно проверять статус примерно раз в секунду.

API документация

Общая документация Public API · API-ключ можно создать в настройках аккаунта

Краткое практическое введение

Практически у модели пять основных сценариев:

text_to_video - видео только по текстовому описанию;
image_to_video - анимация одного исходного изображения;
reference_image_to_video - видео по стартовому кадру с дополнительными референсами изображений;
edit_video - редактирование уже готового видео;
reference_video_to_video - генерация на основе референс-видео с возможностью добавить изображения-референсы.

Дополнительно модель поддерживает несколько полезных опций:

generate_audio для генерации нативного аудио в режимах без входного видео;
voice_ids для озвучки в text_to_video;
use_multi_prompt и multi_prompt для multi-shot сценариев с несколькими сценами;
конечный кадр для image_to_video и reference_image_to_video;
массивы изображений и массивы elements для более точного контроля персонажей, объектов и стиля.

Создание операции

Endpoint: POST /api/v1/operations
Авторизация: Authorization: Bearer brth_...
Запрос создаёт новую операцию и сразу возвращает id, стартовый статус и стоимость.
Выполнение асинхронное.

Практически у Kling 3.0 есть пять публичных режимов:

text_to_video
image_to_video
reference_image_to_video
edit_video
reference_video_to_video

Тело запроса

Базовая форма запроса:

{
  "tool": "kling-3-0",
  "input": {
    "kling_generation_type": "image_to_video",
    "kling_model_tier": "standard",
    "...": "..."
  }
}

tool - slug нейросети. Для этой модели всегда используйте "kling-3-0".
input - параметры конкретного запуска.
Набор полей внутри input зависит от выбранного kling_generation_type.
Параметры передаются напрямую внутри input, без дополнительного вложенного объекта input.input.

Параметры

Параметр	Тип	Обязательный	Описание
`kling_generation_type`	`enum`	Да	Режим запуска. Варианты: `text_to_video`, `image_to_video`, `reference_image_to_video`, `edit_video`, `reference_video_to_video`. Именно этот параметр определяет, какие остальные поля нужно передавать.
`kling_model_tier`	`enum`	Да	Качество модели. Варианты: `standard`, `pro`. Влияет на цену во всех режимах.
`use_multi_prompt`	`boolean`	Нет	Включает multi-shot сценарий с несколькими сценами. Практически имеет смысл в режимах без входного видео. Если включён, основной `prompt` можно не передавать, а детализацию сцены нужно описывать в `multi_prompt`.
`prompt`	`string`	Да	Основное текстовое описание ролика или правок. Максимум `2500` символов. Для `text_to_video` можно использовать маркеры `<<<voice_1>>>` и `<<<voice_2>>>`, если передаёте `voice_ids`.
`multi_prompt`	`object[]`	Да	Массив сцен для multi-shot генерации. Каждый элемент должен содержать `prompt` и `duration`. Минимум `1`, максимум `6` сцен. Длительность одной сцены - от `3` до `15` секунд. Если используете `multi_prompt`, поле `duration` должно совпадать с суммой длительностей всех сцен.
`image_url`	`string (url)`	Да	Один URL исходного изображения для режима `image_to_video`. Разрешены только внешние `http/https` ссылки. Допустимые форматы Public API: `JPG`, `JPEG`, `PNG`, `WebP`.
`start_image_url`	`string (url)`	Да	Один URL стартового кадра для режима с референс-изображениями. Форматы Public API: JPG / JPEG / PNG / WebP.
`image_urls`	`string[] (url)`	Нет	Дополнительные изображения-референсы для `reference_image_to_video`. Обычно используют для сохранения персонажа, одежды, окружения и деталей стиля. Максимум `4` файла, а если включён конечный кадр - максимум `2`.
`elements`	`object[]`	Нет	Дополнительные элементы для `reference_image_to_video`. Каждый элемент может содержать обязательный `frontal_image_url` и опциональный массив `reference_image_urls`. Используйте, когда нужно жёстче удерживать отдельный объект или персонажа.
`video_url_edit`	`string (url)`	Да	URL исходного видео для режима `edit_video`. Допустимые форматы: `MP4`, `MOV`. Практически используйте ролики длиной от `3` до `10` секунд.
`video_url_reference`	`string (url)`	Да	URL референс-видео для режима `reference_video_to_video`. Допустимые форматы: `MP4`, `MOV`. Практически используйте ролики длиной от `3` до `10` секунд.
`keep_audio_edit`	`boolean`	Нет	Для `edit_video`. Если `true`, модель старается сохранить исходное аудио видео. На цену не влияет.
`keep_audio_reference`	`boolean`	Нет	Для `reference_video_to_video`. Если `true`, модель старается сохранить аудио исходного видео. На цену не влияет.
`image_urls_edit`	`string[] (url)`	Нет	Дополнительные изображения-референсы для `edit_video`. Максимум `4` файла. Подходит, когда нужно изменить стиль, лицо, одежду или объект по дополнительным картинкам.
`image_urls_reference`	`string[] (url)`	Нет	Дополнительные изображения-референсы для `reference_video_to_video`. Максимум `4` файла.
`elements_edit`	`object[]`	Нет	Дополнительные элементы для `edit_video`. Структура элемента такая же, как у `elements`: обязательный `frontal_image_url` и опциональный массив `reference_image_urls`.
`elements_reference`	`object[]`	Нет	Дополнительные элементы для `reference_video_to_video`. Структура элемента такая же, как у `elements`.
`use_end_image_i2v`	`boolean`	Нет	Включает конечный кадр в режиме `image_to_video`. Не комбинируйте с `use_multi_prompt = true`.
`end_image_url_i2v`	`string (url)`	Да	URL конечного кадра для `image_to_video`, если `use_end_image_i2v = true`. Допустимые форматы Public API: `JPG`, `JPEG`, `PNG`, `WebP`.
`use_end_image_reference`	`boolean`	Нет	Включает конечный кадр в режиме `reference_image_to_video`. Не комбинируйте с `use_multi_prompt = true`.
`end_image_url_reference`	`string (url)`	Да	URL конечного кадра для `reference_image_to_video`, если `use_end_image_reference = true`. Допустимые форматы Public API: `JPG`, `JPEG`, `PNG`, `WebP`.
`duration`	`number`	Да	Длительность ролика в секундах для `text_to_video`, `image_to_video` и `reference_image_to_video`. Диапазон - от `3` до `15` секунд. Если используете `multi_prompt`, это поле должно быть равно сумме длительностей всех сцен.
`duration_v2v`	`number`	Да	Длительность ролика для `reference_video_to_video`. Диапазон - от `3` до `10` секунд. Влияет на стоимость.
`aspect_ratio`	`enum`	Да	Соотношение сторон для `text_to_video`. Варианты: `16:9`, `9:16`, `1:1`.
`aspect_ratio_v2v`	`enum`	Да	Соотношение сторон для `reference_video_to_video`. Варианты: `auto`, `16:9`, `9:16`, `1:1`.
`generate_audio`	`boolean`	Нет	Генерация нативного аудио. Доступна только в `text_to_video`, `image_to_video` и `reference_image_to_video`. Влияет на цену.
`voice_ids`	`string[]`	Нет	Список Voice ID для `text_to_video`. Практически используйте до `2` голосов и вставляйте в `prompt` маркеры `<<<voice_1>>>` и `<<<voice_2>>>`.

Примеры запросов

Сценарий 1. Видео из текста

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "tool": "kling-3-0",
    "input": {
      "kling_generation_type": "text_to_video",
      "kling_model_tier": "standard",
      "prompt": "Кинематографичный ночной город после дождя. <<<voice_1>>> говорит спокойным голосом: «Мы уже рядом». Камера медленно едет вперёд, отражения неона в мокром асфальте, мягкий пар в воздухе.",
      "duration": 5,
      "aspect_ratio": "16:9",
      "generate_audio": true,
      "voice_ids": [
        "11111111-1111-1111-1111-111111111111"
      ]
    }
  }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'kling-3-0',
    input: {
      kling_generation_type: 'text_to_video',
      kling_model_tier: 'standard',
      prompt:
        'Кинематографичный ночной город после дождя. <<<voice_1>>> говорит спокойным голосом: «Мы уже рядом». Камера медленно едет вперёд, отражения неона в мокром асфальте, мягкий пар в воздухе.',
      duration: 5,
      aspect_ratio: '16:9',
      generate_audio: true,
      voice_ids: ['11111111-1111-1111-1111-111111111111'],
    },
  }),
})

const data = await response.json()
console.log(data)

Python

import requests

response = requests.post(
    "https://bratuha.ru/api/v1/operations",
    headers={
        "Authorization": "Bearer brth_ваш_ключ",
        "Content-Type": "application/json",
    },
    json={
        "tool": "kling-3-0",
        "input": {
            "kling_generation_type": "text_to_video",
            "kling_model_tier": "standard",
            "prompt": "Кинематографичный ночной город после дождя. <<<voice_1>>> говорит спокойным голосом: «Мы уже рядом». Камера медленно едет вперёд, отражения неона в мокром асфальте, мягкий пар в воздухе.",
            "duration": 5,
            "aspect_ratio": "16:9",
            "generate_audio": True,
            "voice_ids": ["11111111-1111-1111-1111-111111111111"],
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Сценарий 2. Анимация одного изображения

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "tool": "kling-3-0",
    "input": {
      "kling_generation_type": "image_to_video",
      "kling_model_tier": "standard",
      "prompt": "Девушка делает пол-оборота, улыбается в камеру, лёгкий ветер шевелит волосы, мягкий золотой свет, плавное движение камеры.",
      "image_url": "https://cdn.example.com/source-image-1.jpg",
      "duration": 5,
      "generate_audio": false
    }
  }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'kling-3-0',
    input: {
      kling_generation_type: 'image_to_video',
      kling_model_tier: 'standard',
      prompt:
        'Девушка делает пол-оборота, улыбается в камеру, лёгкий ветер шевелит волосы, мягкий золотой свет, плавное движение камеры.',
      image_url: 'https://cdn.example.com/source-image-1.jpg',
      duration: 5,
      generate_audio: false,
    },
  }),
})

const data = await response.json()
console.log(data)

Python

import requests

response = requests.post(
    "https://bratuha.ru/api/v1/operations",
    headers={
        "Authorization": "Bearer brth_ваш_ключ",
        "Content-Type": "application/json",
    },
    json={
        "tool": "kling-3-0",
        "input": {
            "kling_generation_type": "image_to_video",
            "kling_model_tier": "standard",
            "prompt": "Девушка делает пол-оборота, улыбается в камеру, лёгкий ветер шевелит волосы, мягкий золотой свет, плавное движение камеры.",
            "image_url": "https://cdn.example.com/source-image-1.jpg",
            "duration": 5,
            "generate_audio": False,
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Сценарий 3. Видео по стартовому кадру и нескольким сценам

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "tool": "kling-3-0",
    "input": {
      "kling_generation_type": "reference_image_to_video",
      "kling_model_tier": "standard",
      "use_multi_prompt": true,
      "start_image_url": "https://cdn.example.com/source-image-1.jpg",
      "image_urls": [
        "https://cdn.example.com/source-image-2.jpg",
        "https://cdn.example.com/source-image-3.jpg"
      ],
      "duration": 10,
      "multi_prompt": [
        {
          "prompt": "Персонаж медленно поднимает голову и смотрит в сторону камеры, лёгкий ветер, спокойный фон.",
          "duration": 4
        },
        {
          "prompt": "Камера плавно приближается, персонаж делает шаг вперёд и мягко улыбается, сохраняется тот же стиль и освещение.",
          "duration": 6
        }
      ],
      "generate_audio": false
    }
  }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'kling-3-0',
    input: {
      kling_generation_type: 'reference_image_to_video',
      kling_model_tier: 'standard',
      use_multi_prompt: true,
      start_image_url: 'https://cdn.example.com/source-image-1.jpg',
      image_urls: [
        'https://cdn.example.com/source-image-2.jpg',
        'https://cdn.example.com/source-image-3.jpg',
      ],
      duration: 10,
      multi_prompt: [
        {
          prompt:
            'Персонаж медленно поднимает голову и смотрит в сторону камеры, лёгкий ветер, спокойный фон.',
          duration: 4,
        },
        {
          prompt:
            'Камера плавно приближается, персонаж делает шаг вперёд и мягко улыбается, сохраняется тот же стиль и освещение.',
          duration: 6,
        },
      ],
      generate_audio: false,
    },
  }),
})

const data = await response.json()
console.log(data)

Python

import requests

response = requests.post(
    "https://bratuha.ru/api/v1/operations",
    headers={
        "Authorization": "Bearer brth_ваш_ключ",
        "Content-Type": "application/json",
    },
    json={
        "tool": "kling-3-0",
        "input": {
            "kling_generation_type": "reference_image_to_video",
            "kling_model_tier": "standard",
            "use_multi_prompt": True,
            "start_image_url": "https://cdn.example.com/source-image-1.jpg",
            "image_urls": [
                "https://cdn.example.com/source-image-2.jpg",
                "https://cdn.example.com/source-image-3.jpg",
            ],
            "duration": 10,
            "multi_prompt": [
                {
                    "prompt": "Персонаж медленно поднимает голову и смотрит в сторону камеры, лёгкий ветер, спокойный фон.",
                    "duration": 4,
                },
                {
                    "prompt": "Камера плавно приближается, персонаж делает шаг вперёд и мягко улыбается, сохраняется тот же стиль и освещение.",
                    "duration": 6,
                },
            ],
            "generate_audio": False,
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Сценарий 4. Редактирование готового видео

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "tool": "kling-3-0",
    "input": {
      "kling_generation_type": "edit_video",
      "kling_model_tier": "pro",
      "prompt": "Сделай фон более кинематографичным, усили мягкий контровой свет, сохрани лицо и движения человека без искажений.",
      "video_url_edit": "https://cdn.example.com/source-video-1.mp4",
      "keep_audio_edit": true
    }
  }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'kling-3-0',
    input: {
      kling_generation_type: 'edit_video',
      kling_model_tier: 'pro',
      prompt:
        'Сделай фон более кинематографичным, усили мягкий контровой свет, сохрани лицо и движения человека без искажений.',
      video_url_edit: 'https://cdn.example.com/source-video-1.mp4',
      keep_audio_edit: true,
    },
  }),
})

const data = await response.json()
console.log(data)

Python

import requests

response = requests.post(
    "https://bratuha.ru/api/v1/operations",
    headers={
        "Authorization": "Bearer brth_ваш_ключ",
        "Content-Type": "application/json",
    },
    json={
        "tool": "kling-3-0",
        "input": {
            "kling_generation_type": "edit_video",
            "kling_model_tier": "pro",
            "prompt": "Сделай фон более кинематографичным, усили мягкий контровой свет, сохрани лицо и движения человека без искажений.",
            "video_url_edit": "https://cdn.example.com/source-video-1.mp4",
            "keep_audio_edit": True,
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Сценарий 5. Видео по референс-видео

cURL

curl -X POST https://bratuha.ru/api/v1/operations \
  -H "Authorization: Bearer brth_ваш_ключ" \
  -H "Content-Type: application/json" \
  -d '{
    "tool": "kling-3-0",
    "input": {
      "kling_generation_type": "reference_video_to_video",
      "kling_model_tier": "pro",
      "prompt": "Замени автомобиль в ролике на автомобиль с референсных изображений, сохрани ракурс, темп движения и общую композицию.",
      "video_url_reference": "https://cdn.example.com/source-video-2.mov",
      "image_urls_reference": [
        "https://cdn.example.com/source-image-4.jpg",
        "https://cdn.example.com/source-image-5.jpg"
      ],
      "duration_v2v": 7,
      "aspect_ratio_v2v": "16:9",
      "keep_audio_reference": true
    }
  }'

JavaScript / TypeScript

const response = await fetch('https://bratuha.ru/api/v1/operations', {
  method: 'POST',
  headers: {
    Authorization: 'Bearer brth_ваш_ключ',
    'Content-Type': 'application/json',
  },
  body: JSON.stringify({
    tool: 'kling-3-0',
    input: {
      kling_generation_type: 'reference_video_to_video',
      kling_model_tier: 'pro',
      prompt:
        'Замени автомобиль в ролике на автомобиль с референсных изображений, сохрани ракурс, темп движения и общую композицию.',
      video_url_reference: 'https://cdn.example.com/source-video-2.mov',
      image_urls_reference: [
        'https://cdn.example.com/source-image-4.jpg',
        'https://cdn.example.com/source-image-5.jpg',
      ],
      duration_v2v: 7,
      aspect_ratio_v2v: '16:9',
      keep_audio_reference: true,
    },
  }),
})

const data = await response.json()
console.log(data)

Python

import requests

response = requests.post(
    "https://bratuha.ru/api/v1/operations",
    headers={
        "Authorization": "Bearer brth_ваш_ключ",
        "Content-Type": "application/json",
    },
    json={
        "tool": "kling-3-0",
        "input": {
            "kling_generation_type": "reference_video_to_video",
            "kling_model_tier": "pro",
            "prompt": "Замени автомобиль в ролике на автомобиль с референсных изображений, сохрани ракурс, темп движения и общую композицию.",
            "video_url_reference": "https://cdn.example.com/source-video-2.mov",
            "image_urls_reference": [
                "https://cdn.example.com/source-image-4.jpg",
                "https://cdn.example.com/source-image-5.jpg",
            ],
            "duration_v2v": 7,
            "aspect_ratio_v2v": "16:9",
            "keep_audio_reference": True,
        },
    },
    timeout=30,
)

print(response.status_code)
print(response.json())

Примеры ответов

Ответ после создания

{
  "id": "op_uuid-123",
  "status": "queued",
  "tool": "kling-3-0",
  "cost": 165,
  "balance_after": 495,
  "created_at": "2026-03-27T12:00:00Z"
}

Ответ после завершения

{
  "id": "op_uuid-123",
  "status": "completed",
  "tool": "kling-3-0",
  "cost": 165,
  "created_at": "2026-03-27T12:00:00Z",
  "completed_at": "2026-03-27T12:03:41Z",
  "result": {
    "type": "video",
    "urls": [
      "https://storage.bratuha.ru/results/kling-3-0/result.mp4"
    ]
  },
  "error_message": null
}

Проверка статуса

После создания операции сохраните id и используйте его для отдельной проверки статуса:

Endpoint: GET /api/v1/operations/{id}
Этот id возвращается сразу после POST /api/v1/operations.

cURL

curl -H "Authorization: Bearer brth_ваш_ключ" \
  https://bratuha.ru/api/v1/operations/op_uuid-123

JavaScript / TypeScript

const response = await fetch(
  'https://bratuha.ru/api/v1/operations/op_uuid-123',
  {
    headers: {
      Authorization: 'Bearer brth_ваш_ключ',
    },
  },
)

const data = await response.json()
console.log(data)

Формат результата

После успешного завершения операция возвращает result в таком формате:

{
  "type": "video",
  "urls": [
    "https://storage.bratuha.ru/results/kling-3-0/result.mp4"
  ]
}

Что важно знать:

type для Kling 3.0 в Public API нужно обрабатывать как "video";
urls - массив ссылок на готовые mp4-файлы;
обычно один запуск возвращает один ролик, но клиенту интеграции лучше обрабатывать результат как массив ссылок;
это исправляет слабое место автогенерации, где результат может выглядеть как абстрактный file, хотя реальные completed операции у kling-3-0 возвращают именно video.

Ценообразование

Базовая ставка начинается от 27 ₽ за секунду.

Итоговая цена зависит от четырёх вещей:

выбранного режима kling_generation_type;
модели kling_model_tier;
включения generate_audio, если режим поддерживает генерацию аудио;
длительности ролика в секундах.

Практические правила расчёта:

для text_to_video, image_to_video и reference_image_to_video цена считается по полю duration;
для reference_video_to_video цена считается по полю duration_v2v;
для multi-shot сценариев сумма multi_prompt[*].duration должна совпадать с duration;
секунды округляются вверх;
минимальная расчётная длительность - 3 секунды;
общий верхний предел pricing-matrix - 15 секунд, но для video-to-video сценариев практически ориентируйтесь на исходные видео до 10 секунд.

Генерация без входного видео

Режим	Standard без аудио	Standard с аудио	Pro без аудио	Pro с аудио
`text_to_video`	27 ₽/сек	33 ₽/сек	33 ₽/сек	42 ₽/сек
`image_to_video`	27 ₽/сек	33 ₽/сек	33 ₽/сек	42 ₽/сек
`reference_image_to_video`	27 ₽/сек	33 ₽/сек	33 ₽/сек	42 ₽/сек

Редактирование и референс-видео

Режим	Standard	Pro
`edit_video`	40 ₽/сек	50 ₽/сек
`reference_video_to_video`	40 ₽/сек	50 ₽/сек

Что это означает на практике:

pro всегда дороже standard;
generate_audio = true влияет только на text_to_video, image_to_video и reference_image_to_video;
keep_audio_edit и keep_audio_reference меняют поведение результата, но не увеличивают цену сами по себе;
чем длиннее ролик, тем выше итоговая стоимость.

Примеры расчёта:

text_to_video + standard + generate_audio = true + 5 секунд = 165 ₽;
image_to_video + pro + generate_audio = false + 9 секунд = 297 ₽;
reference_video_to_video + pro + 7 секунд = 350 ₽.

Ограничения и практические заметки

POST /api/v1/operations не идемпотентен: каждый повторный запрос создаёт новую операцию.
Все операции выполняются асинхронно: сначала вы получаете queued, затем отдельно проверяете статус по id.
Для всех файлов нужны внешние http/https URL. localhost, private IP и внутренние адреса не принимаются.
Для image URL в Public API используйте только .jpg, .jpeg, .png, .webp. Форматы HEIC/HEIF, которые доступны в UI-загрузке, через внешние URL для Public API не поддерживаются.
Для video URL используйте только .mp4 и .mov.
Режимы edit_video и reference_video_to_video практически рассчитаны на входные ролики длиной от 3 до 10 секунд.
Если включаете use_multi_prompt, следите, чтобы duration совпадал с суммой multi_prompt[*].duration.
Не комбинируйте use_multi_prompt = true с конечным кадром use_end_image_i2v или use_end_image_reference.
В reference_image_to_video поле image_urls поддерживает до 4 изображений, но вместе с конечным кадром лучше ориентироваться на лимит 2.
Для voice_ids используйте не более двух голосов и обязательно ставьте соответствующие маркеры <<<voice_1>>> и <<<voice_2>>> внутри prompt.
Если нужно точнее удерживать конкретный объект или персонажа, используйте elements, elements_edit или elements_reference, а не пытайтесь описать всё только текстом.
Не опрашивайте GET /api/v1/operations/{id} слишком часто. Практически безопасно проверять статус примерно раз в секунду.