# Kling 3.0 Pro Image to Video API

> ਨੇਟਿਵ ਸਾਊਂਡ, ਵਿਕਲਪਿਕ ਅੰਤਿਮ ਫ੍ਰੇਮ ਅਤੇ ਮਲਟੀ-ਸ਼ਾਟ ਪ੍ਰੌਂਪਟਾਂ ਸਮੇਤ ਸਥਿਰ ਚਿੱਤਰ ਨੂੰ 3 ਤੋਂ 15 ਸਕਿੰਟ ਦੀ ਕਲਿੱਪ ਵਿੱਚ ਐਨੀਮੇਟ ਕਰਦਾ ਹੈ।

Kling ਦਾ ਫਲੈਗਸ਼ਿਪ image-to-video ਮਾਡਲ ਸ਼ੁਰੂਆਤੀ ਚਿੱਤਰ ਦੇ ਵਿਸ਼ੇ ਨੂੰ ਸਥਿਰ ਰੱਖਦੇ ਹੋਏ ਕੁਦਰਤੀ ਹਿਲਚਲ, ਕੈਮਰਾ ਮੂਵਮੈਂਟ ਅਤੇ ਡਿਫਾਲਟ ਤੌਰ ਉੱਤੇ ਮੇਲ ਖਾਂਦੀ ਆਵਾਜ਼ ਅਤੇ ਬੋਲਚਾਲ ਜੋੜਦਾ ਹੈ। ਸ਼ਾਟ ਕਿੱਥੇ ਸਮਾਪਤ ਹੋਵੇ, ਇਹ ਨਿਯੰਤਰਿਤ ਕਰਨ ਲਈ ਅੰਤਿਮ ਚਿੱਤਰ ਦਿਓ, ਪ੍ਰਤੀ-ਸ਼ਾਟ ਪ੍ਰੌਂਪਟਾਂ ਨਾਲ ਇੱਕ ਜਨਰੇਸ਼ਨ ਨੂੰ ਕਈ ਸ਼ਾਟਾਂ ਵਿੱਚ ਵੰਡੋ, ਜਾਂ ਰੈਫਰੈਂਸ elements ਨਾਲ ਵਾਰ-ਵਾਰ ਆਉਣ ਵਾਲੇ ਕਿਰਦਾਰਾਂ ਅਤੇ ਵਸਤੂਆਂ ਨੂੰ ਪਿੰਨ ਕਰੋ। ਫ੍ਰੇਮ ਦਾ ਆਕਾਰ ਸ਼ੁਰੂਆਤੀ ਚਿੱਤਰ ਦੇ ਅਨੁਸਾਰ ਹੁੰਦਾ ਹੈ।

- Model id: `kling-video/v3/pro/image-to-video`
- Made by: Kling
- Category: Image to Video
- Output: video
- Price: from $0.112 / second (5 s ≈ $0.56) (cheapest run $0.56 (560 API credits))
- Run: `POST https://api.doitong.ru/v1/run/kling-video/v3/pro/image-to-video`
- Quote: `POST https://api.doitong.ru/v1/quote/kling-video/v3/pro/image-to-video`
- Docs page: https://doitong.com/pa/developers/models/kling-video/v3/pro/image-to-video

## Pricing

Price: **from $0.112 / second (5 s ≈ $0.56)** (the lowest tier; the quote prices your exact input). Billed per second of output (`duration`, default 5).

Price rules (the first rule that matches the input wins; a parameter you leave out counts as its default):

- When `generate_audio` = true and `elements` is set: $0.196 (196 API credits) / second
- When `generate_audio` = true: $0.168 (168 API credits) / second

The full example input below costs $0.84 = 840 API credits (5 s × 168 API credits).

Prices are the upstream price in USD, paid from the API balance in API credits (1000 API credits = 1 USD). `POST https://api.doitong.ru/v1/quote/kling-video/v3/pro/image-to-video` with the same JSON body returns the exact price for that input; the quote is exactly what a run charges. Invalid input is never charged and failed or canceled requests are refunded automatically.

## Input parameters

Send either the canonical name or the native field name (not both). Canonical names are the same across models.

| Parameter | Canonical name | Type | Required | Default | Allowed values / range | Description |
|---|---|---|---|---|---|---|
| `prompt` |  | string \| null | no |  | ≤ 2500 characters | ਵੀਡੀਓ ਬਣਾਉਣ ਲਈ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਲਿਖਤੀ ਹਦਾਇਤਾਂ। ਪ੍ਰੌਂਪਟ ਜਾਂ multi_prompt ਵਿੱਚੋਂ ਸਿਰਫ਼ ਇੱਕ ਦਿਓ। |
| `multi_prompt` |  | array of object {prompt, duration} \| null | no |  |  | ਦਿੱਤੇ ਜਾਣ 'ਤੇ ਵੀਡੀਓ ਨੂੰ ਕਈ ਸ਼ਾਟਾਂ ਵਿੱਚ ਵੰਡਣ ਵਾਲੀ ਪ੍ਰੌਂਪਟ ਸੂਚੀ। |
| `multi_prompt[].prompt` |  | string | yes |  |  | ਮੌਜੂਦਾ ਸ਼ਾਟ ਲਈ ਟੈਕਸਟ ਹਦਾਇਤਾਂ। |
| `multi_prompt[].duration` |  | enum (string) | no | `5` | `1`, `2`, `3`, `4`, `5`, `6`, `7`, `8`, `9`, `10`, `11`, `12`, `13`, `14`, `15` | ਮੌਜੂਦਾ ਸ਼ਾਟ ਦੀ ਮਿਆਦ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ। |
| `start_image_url` | `image` | string (image URL) | yes |  |  | ਵੀਡੀਓ ਸਿਰਜਣ ਲਈ ਵਰਤੇ ਗਏ ਚਿੱਤਰ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ URL। ਫ਼ਾਈਲ ਦਾ ਆਕਾਰ 50 MB ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ; ਚੌੜਾਈ ਅਤੇ ਉਚਾਈ ਦੋਵੇਂ ਘੱਟੋ-ਘੱਟ 300px ਅਤੇ ਆਸਪੈਕਟ ਰੇਸ਼ੋ 0.40 ਤੋਂ 2.50 ਦੇ ਵਿਚਕਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। |
| `duration` |  | enum (string) | no | `5` | `3`, `4`, `5`, `6`, `7`, `8`, `9`, `10`, `11`, `12`, `13`, `14`, `15` | ਆਉਟਪੁੱਟ ਵੀਡੀਓ ਦੀ ਮਿਆਦ, ਸਕਿੰਟਾਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ। |
| `generate_audio` |  | boolean | no | `true` |  | ਮੂਲ ਵੀਡੀਓ ਆਡੀਓ ਸਿਰਜਣ ਟੌਗਲ, ਜੋ ਚੀਨੀ ਜਾਂ ਅੰਗਰੇਜ਼ੀ ਆਵਾਜ਼ਾਂ ਦਾ ਸਮਰਥਨ ਕਰਦਾ ਹੈ ਅਤੇ ਕਿਸੇ ਵੀ ਹੋਰ ਭਾਸ਼ਾ ਦਾ ਆਪਣੇ ਆਪ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਅਨੁਵਾਦ ਕਰਦਾ ਹੈ। ਅੰਗਰੇਜ਼ੀ ਬੋਲੀ ਲਈ ਸੰਖੇਪ ਰੂਪ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਨਾਂ ਵੱਡੇ ਅੱਖਰਾਂ ਵਿੱਚ, ਅਤੇ ਬਾਕੀ ਸਭ ਕੁਝ ਛੋਟੇ ਅੱਖਰਾਂ ਵਿੱਚ ਲਿਖੋ। |
| `end_image_url` | `end_image` | string (image URL) \| null | no |  |  | ਵੀਡੀਓ ਦੇ ਅੰਤ ਵਿੱਚ ਵਰਤੇ ਗਏ ਚਿੱਤਰ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ URL। ਫ਼ਾਈਲ ਦਾ ਆਕਾਰ 50 MB ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ; ਚੌੜਾਈ ਅਤੇ ਉਚਾਈ ਦੋਵੇਂ ਘੱਟੋ-ਘੱਟ 300px ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ, ਅਤੇ ਆਸਪੈਕਟ ਰੇਸ਼ੋ 0.40 ਤੋਂ 2.50 ਦੇ ਵਿਚਕਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। |
| `elements` |  | array of object {frontal_image_url, reference_image_urls, video_url, voice_id} \| null | no |  |  | ਵੀਡੀਓ ਤੱਤਾਂ ਵਜੋਂ ਸ਼ਾਮਲ ਪਾਤਰ ਜਾਂ ਵਸਤੂਆਂ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਪ੍ਰੌਂਪਟ ਵਿੱਚ @Element1, @Element2 ਆਦਿ ਨਾਲ ਸੰਬੋਧਿਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ। ਹਰ ਉਦਾਹਰਨ ਲਈ ਜਾਂ ਤਾਂ ਇੱਕ ਵੀਡੀਓ ਜਾਂ ਸਾਹਮਣੇ ਤੋਂ ਲਏ ਚਿੱਤਰ ਅਤੇ ਹਵਾਲਾ ਚਿੱਤਰਾਂ ਵਾਲਾ ਸੈੱਟ ਦਿਓ। |
| `elements[].frontal_image_url` |  | string (image URL) \| null | no |  |  | ਤੱਤ ਦਾ ਮੁੱਖ ਦ੍ਰਿਸ਼ ਦਿਖਾਉਣ ਵਾਲਾ ਸਾਹਮਣੇ ਤੋਂ ਲਿਆ ਚਿੱਤਰ। ਫ਼ਾਈਲ ਦਾ ਆਕਾਰ 50 MB ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ; ਚੌੜਾਈ ਅਤੇ ਉਚਾਈ ਦੋਵੇਂ ਘੱਟੋ-ਘੱਟ 300px ਅਤੇ ਆਸਪੈਕਟ ਰੇਸ਼ੋ 0.40 ਤੋਂ 2.50 ਦੇ ਵਿਚਕਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। |
| `elements[].reference_image_urls` |  | array of image URL \| null | no |  |  | ਵੱਖ-ਵੱਖ ਕੋਣ ਦਿਖਾਉਣ ਵਾਲੇ 1–3 ਵਾਧੂ ਸੰਦਰਭ ਚਿੱਤਰ ਦਿਓ। ਹਰ ਚਿੱਤਰ ਦਾ ਆਸਪੈਕਟ ਰੇਸ਼ੋ 0.40 ਤੋਂ 2.50 ਦੇ ਵਿਚਕਾਰ, ਦੋਵੇਂ ਮਾਪ ਘੱਟੋ-ਘੱਟ 300px ਅਤੇ ਆਕਾਰ 50.0MB ਤੋਂ ਵੱਧ ਨਹੀਂ ਹੋਣਾ ਚਾਹੀਦਾ। |
| `elements[].video_url` |  | string (video URL) \| null | no |  |  | ਤੱਤ ਦੇ ਵੀਡੀਓ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਨ ਵਾਲਾ URL; ਹਰ ਬੇਨਤੀ ਵਿੱਚ ਸਿਰਫ਼ ਇੱਕ ਤੱਤ ਵਿੱਚ ਵੀਡੀਓ ਸ਼ਾਮਲ ਹੋ ਸਕਦਾ ਹੈ। ਫ਼ਾਈਲ ਵੱਧ ਤੋਂ ਵੱਧ 200 MB, ਚੌੜਾਈ ਅਤੇ ਉਚਾਈ ਦੋਵੇਂ 720px ਤੋਂ 2160px ਦੇ ਵਿਚਕਾਰ ਹੋਣੀਆਂ ਚਾਹੀਦੀਆਂ ਹਨ। ਮਿਆਦ 3 ਸਕਿੰਟ ਤੋਂ 10.05 ਸਕਿੰਟ ਅਤੇ FPS 24.0 ਤੋਂ 60.0 ਦੇ ਵਿਚਕਾਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। |
| `elements[].voice_id` |  | string \| null | no |  |  | ਤੱਤ ਨੂੰ ਦਿੱਤਾ ਗਿਆ Voice ID। ਉਸ ਤੱਤ ਦੇ ਸੰਦਰਭ ਇਸ ਨੂੰ ਦਿੱਤੀ ਗਈ ਆਵਾਜ਼ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। |
| `shot_type` |  | enum (string) | no | `customize` | `customize`, `intelligent` | ਚੁਣੋ ਕਿ ਬਹੁ-ਸ਼ਾਟ ਸਿਰਜਣਾ ਆਪਣੇ ਸ਼ਾਟਾਂ ਦੀ ਯੋਜਨਾ ਕਿਵੇਂ ਬਣਾਏ; 'intelligent' ਚੁਣਨ ਨਾਲ ਸ਼ਾਟ ਦੀ ਬਣਤਰ ਮਾਡਲ ਨੂੰ ਸੌਂਪੀ ਜਾਂਦੀ ਹੈ। |
| `negative_prompt` |  | string | no | `blur, distort, and low quality` | ≤ 2500 characters |  |
| `cfg_scale` |  | number | no | `0.5` | 0 – 1 | CFG ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਿਰਜਣਾ ਤੁਹਾਡੇ ਪ੍ਰੌਂਪਟ ਦੀ ਕਿੰਨੀ ਨੇੜਤਾ ਨਾਲ ਪਾਲਣਾ ਕਰੇ, ਇਹ ਸੈੱਟ ਕਰੋ; CFG ਦਾ ਅਰਥ Classifier Free Guidance ਹੈ। |

File parameters (`image`, `end_image`) take a public `https://` URL, a `data:` URI up to 10 MB, or the `file_url` of an upload from `POST /files`.

## Example input

Required parameters only:

```json
{
  "image": "https://content.doitong.com/images/gp/image_20260610003801_541d9719_316882.png"
}
```

A fuller example:

```json
{
  "prompt": "The banana manager turns to the camera, smiles and waves while coworkers keep typing, gentle handheld camera",
  "image": "https://content.doitong.com/images/gp/image_20260610003801_541d9719_316882.png",
  "duration": 5
}
```

## Run it

Set `DOITONG_API_KEY` to a key from https://doitong.com/developers/dashboard#keys. `?wait=20` returns the finished request in the same call when it is ready within 20 seconds; otherwise poll `GET /requests/{id}` (it also accepts `?wait=`), or pass `webhook_url`.

### curl

```bash
# Run the model; wait up to 20 s for the finished result in the same call
curl -X POST "https://api.doitong.ru/v1/run/kling-video/v3/pro/image-to-video?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "prompt": "The banana manager turns to the camera, smiles and waves while coworkers keep typing, gentle handheld camera",
    "image": "https://content.doitong.com/images/gp/image_20260610003801_541d9719_316882.png",
    "duration": 5
  }'

# Still "queued" or "running"? Poll with the id from the response:
curl "https://api.doitong.ru/v1/requests/REQUEST_ID?wait=20" \
  -H "Authorization: Bearer $DOITONG_API_KEY"
```

### JavaScript

```javascript
const API = "https://api.doitong.ru/v1";
const headers = {
  "Authorization": "Bearer " + process.env.DOITONG_API_KEY,
  "Content-Type": "application/json",
};

// Run the model; wait up to 20 s for the finished result in the same call
let res = await fetch(API + "/run/kling-video/v3/pro/image-to-video?wait=20", {
  method: "POST",
  headers,
  body: JSON.stringify({
    "prompt": "The banana manager turns to the camera, smiles and waves while coworkers keep typing, gentle handheld camera",
    "image": "https://content.doitong.com/images/gp/image_20260610003801_541d9719_316882.png",
    "duration": 5
  }),
});
let request = await res.json();
if (!res.ok) throw new Error(request.error.code + ": " + request.error.message);

// Not finished yet: long-poll until it is
while (request.status === "queued" || request.status === "running") {
  res = await fetch(API + "/requests/" + request.id + "?wait=20", { headers });
  request = await res.json();
}
if (request.status !== "succeeded") throw new Error(JSON.stringify(request.error));
console.log(request.outputs.map((o) => o.url), request.cost.credits + " API credits ($" + request.cost.usd + ")");
```

### Python

```python
import os
import requests

API = "https://api.doitong.ru/v1"
headers = {"Authorization": "Bearer " + os.environ["DOITONG_API_KEY"]}

payload = {
    "prompt": "The banana manager turns to the camera, smiles and waves while coworkers keep typing, gentle handheld camera",
    "image": "https://content.doitong.com/images/gp/image_20260610003801_541d9719_316882.png",
    "duration": 5,
}

# Run the model; wait up to 20 s for the finished result in the same call
r = requests.post(API + "/run/kling-video/v3/pro/image-to-video", params={"wait": 20}, json=payload, headers=headers)
request = r.json()
if not r.ok:
    raise RuntimeError(request["error"]["code"] + ": " + request["error"]["message"])

# Not finished yet: long-poll until it is
while request["status"] in ("queued", "running"):
    request = requests.get(API + "/requests/" + request["id"], params={"wait": 20}, headers=headers).json()
if request["status"] != "succeeded":
    raise RuntimeError(request["error"])
print([o["url"] for o in request["outputs"]], request["cost"]["credits"], "API credits", "$" + request["cost"]["usd"])
```

### MCP

The MCP server at `https://api.doitong.ru/v1/mcp` exposes the tools `search_models`, `get_model`, `quote`, `run`, `get_request`, `cancel_request`, `list_requests`, `create_upload` and `get_account`. A `run` call for this model:

```json
{
  "jsonrpc": "2.0",
  "id": 1,
  "method": "tools/call",
  "params": {
    "name": "run",
    "arguments": {
      "model_id": "kling-video/v3/pro/image-to-video",
      "input": {
        "prompt": "The banana manager turns to the camera, smiles and waves while coworkers keep typing, gentle handheld camera",
        "image": "https://content.doitong.com/images/gp/image_20260610003801_541d9719_316882.png",
        "duration": 5
      },
      "wait_seconds": 20
    }
  }
}
```

## Response

Every call returns a request object. `status` is one of `queued`, `running`, `succeeded`, `failed`, `canceled`. `outputs` lists the generated files with URLs on our storage (kept forever, or 7 days with `?storage=temporary`; `storage` says which); `output` is the model's own result object with the same URLs.

```json
{
  "id": "req_8k2m4q7x1z9c3v5b6n0p2r4t",
  "object": "request",
  "model": "kling-video/v3/pro/image-to-video",
  "status": "succeeded",
  "created_at": "2026-10-20T12:00:00Z",
  "started_at": "2026-10-20T12:00:02Z",
  "completed_at": "2026-10-20T12:00:09Z",
  "queue_position": null,
  "cost": {
    "credits": 840,
    "usd": "0.84",
    "charged": 840,
    "refunded": 0
  },
  "input": {
    "prompt": "The banana manager turns to the camera, smiles and waves while coworkers keep typing, gentle handheld camera",
    "image": "https://content.doitong.com/images/gp/image_20260610003801_541d9719_316882.png",
    "duration": 5
  },
  "output": {
    "video": {
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_name": "0-output.mp4",
      "file_size": 1843200
    }
  },
  "outputs": [
    {
      "type": "video",
      "url": "https://content.doitong.com/dev-api/2026/10/20/req_8k2m4q7x1z9c3v5b6n0p2r4t/0-output.mp4",
      "content_type": "video/mp4",
      "file_size": 1843200,
      "width": 1280,
      "height": 720,
      "duration": 5,
      "stored": true
    }
  ],
  "error": null,
  "metrics": {
    "inference_seconds": 6.8
  },
  "urls": {
    "self": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t",
    "cancel": "https://api.doitong.ru/v1/requests/req_8k2m4q7x1z9c3v5b6n0p2r4t/cancel"
  }
}
```

### Output fields (`output`)

| Field | Type | Description |
|---|---|---|
| `video` | object {url, content_type, file_name, file_size} | ਮਾਡਲ ਵੱਲੋਂ ਤਿਆਰ ਕੀਤਾ ਵੀਡੀਓ। |

## Related models

- [Kling 3.0 Pro Text to Video](https://doitong.com/developers/models/kling-video/v3/pro/text-to-video.md) (`kling-video/v3/pro/text-to-video`): from $0.112 / second
- [Kling Video V3 Text to Video 4K](https://doitong.com/developers/models/kling-video/v3/4k/text-to-video.md) (`kling-video/v3/4k/text-to-video`): $0.42 / second
- [Kling Video v3 Text to Video \[Standard\]](https://doitong.com/developers/models/kling-video/v3/standard/text-to-video.md) (`kling-video/v3/standard/text-to-video`): from $0.084 / second
- [Kling Video v3 Image to Video \[Standard\]](https://doitong.com/developers/models/kling-video/v3/standard/image-to-video.md) (`kling-video/v3/standard/image-to-video`): from $0.084 / second
- [Kling Video · v3 · 4k · Image to Video](https://doitong.com/developers/models/kling-video/v3/4k/image-to-video.md) (`kling-video/v3/4k/image-to-video`): $0.42 / second
- [FLUX 3 Max Image to Video](https://doitong.com/developers/models/blackforestlabs/flux-3-max/image-to-video.md) (`blackforestlabs/flux-3-max/image-to-video`): from $0.0425 / second of output video
- [Grok Imagine Video 1.5 Image to Video](https://doitong.com/developers/models/xai/grok-imagine-video/v1.5/image-to-video.md) (`xai/grok-imagine-video/v1.5/image-to-video`): from $0.082 / second
- [LTX 2.5 Pro Image to Video](https://doitong.com/developers/models/lightricks/ltx-2.5/image-to-video/pro.md) (`lightricks/ltx-2.5/image-to-video/pro`): from $0.12 / second

## Links

- HTML page: https://doitong.com/developers/models/kling-video/v3/pro/image-to-video
- All models and guides for AI agents: https://doitong.com/developers/llms.txt
- OpenAPI 3.1 with this model's typed request body: https://doitong.com/developers/openapi.json?model=kling-video/v3/pro/image-to-video
- Errors: https://doitong.com/developers/docs/errors
- Model details as JSON: https://api.doitong.ru/v1/models/kling-video/v3/pro/image-to-video