kie-ai-generation

name	kie-ai-generation
description	在开发需要调用 Kie.ai（kie.ai）生成视频/图片的 API 服务时使用。本 Skill 提供统一的“创建任务→查询结果/回调”工作流、模型参数对照、后端封装最佳实践（鉴权、重试、轮询、回调验签/防重、解析 resultJson）、以及可直接复制的 curl/TypeScript/Python 示例代码。适用于 Next.js/Node/Flask 等服务端集成。

Kie.ai 生成任务 Skill（Text-to-Video / Image/Media）

目标：把 Kie.ai 的“异步任务式生成”封装成你项目里稳定、可观测、可扩展的 API：
CreateTask → Poll/Callback → Parse Result → Store/Return URLs

---

你应该在什么时候触发这个 Skill

当你在做以下任一事情时就用它：

• 写后端接口：POST /api/generate/video、GET /api/tasks/:id 之类
• 在 Next.js / Express / Flask 中对接 Kie.ai
• 需要支持多个模型：Kling v2.1、Wan 2.2 A14B Turbo、Sora 2 Pro（文档给的 model 标识不同）
• 需要处理：轮询、回调、失败码、限流、余额不足、参数校验失败等
• 需要把 resultJson 解析成可用的 resultUrls[]

---

核心事实（Kie.ai API 形态）

Kie.ai 的生成是两步异步任务：

1. 创建任务

POST https://api.kie.ai/api/v1/jobs/createTask
返回 data.taskId 2. 查询任务状态/结果
GET https://api.kie.ai/api/v1/jobs/recordInfo?taskId=...
返回 data.state：waiting | success | fail
成功时 data.resultJson 是一个 JSON 字符串，里面通常是：{ "resultUrls": ["...mp4"] }

鉴权统一为：

Authorization: Bearer YOUR_API_KEY
Content-Type: application/json

---

建议你在自己项目里定义的统一抽象（强烈建议）

1) 统一的 Task 记录（数据库/缓存都行）

建议最少字段：

• id（你自己的 task id，或直接用 kie taskId）
• provider："kie"
• model：字符串（如 kling/v2-1-master-text-to-video）
• state：waiting | success | fail
• input：你请求的 input（保存一份，便于重放/排查）
• result_urls：字符串数组
• fail_code、fail_msg
• created_at、updated_at

不要只把 Kie 的 taskId 直接吐给前端不管了——你最终会需要可观测与可控（重试/限流/回调防重/对账）。

2) 统一的业务流程

• create：创建任务成功后立刻把 taskId 存库，状态为 waiting
• resolve：轮询或回调到来时更新状态
• deliver：成功时返回 resultUrls，失败时返回可读错误 + failCode

---

模型与参数对照（按你提供的文档）

统一接口都是同一个 createTask，差异仅在 model 与 input 字段结构。

A) Kling V2.1 Master Text To Video

• model: kling/v2-1-master-text-to-video
• input：
  • prompt (string, required, <=5000)
  • duration ("5"|"10", optional, default "5")
  • aspect_ratio ("16:9"|"9:16"|"1:1", optional)
  • negative_prompt (string <=500, optional)
  • cfg_scale (number 0-1 step 0.1, optional)

B) Wan 2.2 A14b Text To Video Turbo

• model: wan/2-2-a14b-text-to-video-turbo
• input：
  • prompt (string, required, <=5000)
  • resolution ("480p"|"580p"|"720p", optional, default "720p")
  • aspect_ratio ("16:9"|"9:16"|"1:1", optional)
  • enable_prompt_expansion (boolean, optional)
  • seed (number 0..2147483647, optional)
  • acceleration ("none"|"regular", optional, default "none")

C) Sora 2 Pro Text To Video

• model: sora-2-pro-text-to-video
• input：
  • prompt (string, required, <=10000)
  • aspect_ratio ("portrait"|"landscape", optional)
  • n_frames ("10"|"15", optional) // 文档描述像“10s/15s”
  • size ("standard"|"high", optional)
  • remove_watermark (boolean, optional, default true)

---

你必须处理好的坑（非常常见）

1) param 与 resultJson 是“JSON 字符串”

查询接口返回里：

• data.param："{\"model\":\"...\",\"input\":{...}}"
• data.resultJson："{\"resultUrls\":[\"https://...\"]}"

你需要对它们再 JSON.parse 一次才能当对象用。

2) 轮询策略不要太猛（避免 429）

推荐策略（可按你业务调整）：

• 前 30 秒：每 2 秒一次
• 30~120 秒：每 5 秒一次
• 2 分钟后：每 10~15 秒一次
• 超时：例如 10 分钟仍 waiting，就标记为 timeout（你自己的状态），允许用户稍后刷新/重试

3) 回调（callBackUrl）一定要“防重 + 验证来源”

Kie 会在任务成功/失败时 POST 你的回调地址，内容结构与 Query API 一致。

你必须做：

• 幂等：同一个 taskId 的回调多次到来，不重复写入/不重复触发下游
• 校验：至少校验 taskId 是否存在于你库中、是否属于当前用户/订单
• 不要信任回调的 resultUrls：你可以接受回调后再调用一次 Query 做最终确认（高安全场景）

文档未给出签名字段时，你只能做“业务校验 + 限制回调入口 + 记录原始请求体 + 可选二次查询确认”。

4) API Key 安全

• 只能在服务端使用（Node/Next API route/Edge Function/Flask），不要暴露给前端
• 存在环境变量：KIE_API_KEY
• 日志里打码：Bearer sk-****

5) 错误码要映射成“可行动”的业务错误

常见：

• 401：API Key 无效
• 402：余额不足（应提示充值/降级到便宜模型）
• 422：参数校验失败（把你发过去的 model/input 记录下来便于排查）
• 429：限流（指数退避重试）
• 500：服务内部错误（重试 + 告警）

---

curl 示例（可直接复制）

注意：以下示例里把 YOUR_API_KEY 替换为你自己的 key。

1) 创建 Kling v2.1 任务

curl -X POST "https://api.kie.ai/api/v1/jobs/createTask" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "kling/v2-1-master-text-to-video",
    "input": {
      "prompt": "A cinematic close-up of a ramen chef plating noodles, steam swirling, warm neon reflections, shallow depth of field, handheld camera micro-shake.",
      "duration": "5",
      "aspect_ratio": "16:9",
      "negative_prompt": "blur, distort, low quality, watermark",
      "cfg_scale": 0.5
    }
  }'

2) 创建 Wan 2.2 Turbo 任务

curl -X POST "https://api.kie.ai/api/v1/jobs/createTask" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "wan/2-2-a14b-text-to-video-turbo",
    "input": {
      "prompt": "Drone shot through a rainy alley in Tokyo at night, reflections on asphalt, cinematic lighting, smooth forward motion.",
      "resolution": "720p",
      "aspect_ratio": "16:9",
      "enable_prompt_expansion": false,
      "seed": 42,
      "acceleration": "none"
    }
  }'

3) 创建 Sora 2 Pro 任务

curl -X POST "https://api.kie.ai/api/v1/jobs/createTask" \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "sora-2-pro-text-to-video",
    "input": {
      "prompt": "a happy dog running in the garden, sunlight, slow motion, natural camera tracking",
      "aspect_ratio": "landscape",
      "n_frames": "10",
      "size": "high",
      "remove_watermark": true
    }
  }'

4) 查询任务

curl -X GET "https://api.kie.ai/api/v1/jobs/recordInfo?taskId=YOUR_TASK_ID" \
  -H "Authorization: Bearer YOUR_API_KEY"

---

TypeScript（Node/Next.js）推荐封装

目标：你只需要调用 kieCreateTask() 与 kieQueryTask()，其余都封装好。

type KieModel =
  | "kling/v2-1-master-text-to-video"
  | "wan/2-2-a14b-text-to-video-turbo"
  | "sora-2-pro-text-to-video";

type CreateTaskResponse = { code: number; msg: string; data?: { taskId: string } };
type RecordInfoResponse = {
  code: number;
  msg: string;
  data?: {
    taskId: string;
    model: string;
    state: "waiting" | "success" | "fail";
    param: string;        // JSON string
    resultJson: string;   // JSON string
    failCode: string | null;
    failMsg: string | null;
    costTime: number | null;
    completeTime: number | null;
    createTime: number;
  };
};

const KIE_BASE_URL = "https://api.kie.ai";
const  = process..;

 ():  {
   (!)   ();
   ;
}

   (): <{ :  }> {
   apiKey = ();

   res =  (, {
    : ,
    : {
      : ,
      : ,
    },
    : .(params),
  });

   (!res.) {
     text =  res.().( );
      ();
  }

   json = ( res.())  ;

   (json. !==  || !json.?.) {
      ();
  }

   { : json.. };
}

   (): <{
  :  |  | ;
  ?: [];
  ?:  | ;
  ?:  | ;
  : ;
}> {
   apiKey = ();

   url =  ();
  url..(, taskId);

   res =  (url, {
    : ,
    : { :  },
  });

   (!res.) {
     text =  res.().( );
      ();
  }

   json = ( res.())  ;

   (json. !==  || !json.) {
      ();
  }

   { state, resultJson, failCode, failMsg } = json.;

   (state === ) {
    
     parsed = (resultJson)  { ?: [] } | ;
     resultUrls = parsed?. ?? [];
     { state, resultUrls, : json };
  }

   { state, failCode, failMsg, : json };
}

 ():  |  {
   {
     .(value);
  }  {
     ;
  }
}

业务层建议（Next.js API Route 伪代码）

• POST /api/video：调用 kieCreateTask → 写库 waiting → 返回你的 taskId
• GET /api/tasks/:id：读库；如 still waiting 可选择触发一次 kieQueryTask 刷新

---

Python（Flask/FastAPI）最小封装

import os
import json
import requests
from typing import Any, Dict, Optional, List

KIE_BASE_URL = "https://api.kie.ai"
KIE_API_KEY = os.environ.get("KIE_API_KEY")

def _require_key() -> str:
    if not KIE_API_KEY:
        raise RuntimeError("Missing env: KIE_API_KEY")
    return KIE_API_KEY

def kie_create_task(model: str, input_data: Dict[str, Any], callback_url: Optional[str] = None) -> str:
    api_key = _require_key()
    payload: Dict[str, Any] = {"model": model, "input": input_data}
    if callback_url:
        payload["callBackUrl"] = callback_url

    r = requests.post(
        f"{KIE_BASE_URL}/api/v1/jobs/createTask",
        headers={"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"},
        json=payload,
        timeout=60,
    )
    r.raise_for_status()
    data = r.json()
    if data.get("code") != 200 or  data.get(, {}).get():
         RuntimeError()
     data[][]

 () -> [, ]:
    api_key = _require_key()
    r = requests.get(
        ,
        headers={: },
        params={: task_id},
        timeout=,
    )
    r.raise_for_status()
    data = r.json()
     data.get() !=    data.get():
         RuntimeError()

    state = data[][]
    result_json_str = data[].get()  
    fail_code = data[].get()
    fail_msg = data[].get()

    result_urls: [] = []
     state == :
        :
            parsed = json.loads(result_json_str)
            result_urls = parsed.get(, [])  []
         Exception:
            result_urls = []

     {
        : state,
        : result_urls,
        : fail_code,
        : fail_msg,
        : data,
    }

---

Prompt 设计（给“生视频”更稳的模板）

你可以在 UI/接口层做一个 prompt 结构化模板（对小白很友好）：

• 主体：主体是谁/是什么
• 场景：地点、时间、天气、氛围
• 镜头语言：镜头运动（push-in / tracking / drone）、焦段、景深、稳定性
• 风格：电影感、写实、动漫、赛博朋克等
• 约束：不出现水印、不要抖动、不要低清等（放到 negative_prompt 或 prompt 末尾）

示例（可直接给用户）：

“电影镜头：夜晚东京小巷，雨后地面反光，霓虹灯映射；镜头稳定缓慢向前推进，浅景深，画面写实、质感细腻；避免：低清、模糊、失真、水印、文字。”

---

生产级最佳实践清单（你写 API 时照着做）

• 服务端保存 taskId，不要只靠前端轮询 Kie
• 记录每次请求的 model/input（脱敏后），便于排错
• 轮询有退避（避免 429）
• 回调 endpoint 幂等（按 taskId 去重）
• 成功后解析 resultJson（JSON 字符串）
• 把 resultUrls 存到你自己的存储/数据库（可选：下载转存到你对象存储）
• 失败时把 failCode/failMsg 映射为用户可理解的提示
• API Key 只在服务端，日志打码
• 余额不足（402）做明确提示 + 可降级模型策略

---

常用“你可以直接抄”的接口设计（面向产品）

1) 创建生成

POST /api/generations

• body:
  • provider: "kie"
  • model: "kling/v2-1-master-text-to-video" | ...
  • prompt: string
  • options: object（duration/aspect_ratio/seed 等）
• resp:
  • generationId（你自己的）
  • providerTaskId（Kie taskId）
  • state: waiting

2) 查询生成

GET /api/generations/:generationId

• resp:
  • state: waiting|success|fail
  • resultUrls: string[]（成功时）
  • error: { code, message }（失败时）