ワンショットで最長30秒
1回の生成で3〜30秒、1秒単位で調整できます。連続したワンショットの中で、被写体とシーンが最初のフレームから最後まで一貫し、短い物語をまるごと描ける長さです。
Kling 4.0：一文から30秒の映像作品
快手（Kuaishou）の最新動画モデル。3〜30秒の連続ショットを1回で生成し、ステレオ音声とリップシンクしたセリフ付き、解像度は最大1080p。VideoAIならキーフレームと参照素材で思いどおりに演出できます。
- 3–30s
- 1回の生成
- 10
- キーフレーム
- 15
- 参照素材
- 1080p
- 最大解像度
- ステレオ
- リップシンク音声
- 21:9
- ウルトラワイド
1回の生成で、広告がまるごと1本
この30秒のスニーカー広告は、Kling 4.0の1回の生成から生まれました。ランナー2人、シューズ1足、8つのロケーション、そしてBGM。下のポイントをタップするとそのシーンに移動します。
入力：モデルの写真2枚と商品写真3枚。出力：BGM付きで途切れない30秒の動画1本。
0s5s10s15s20s25s30s
Kling 3.0の2倍の長さ
Kling 3.0は最長15秒。Kling 4.0は3〜30秒を1秒単位で設定できるので、ひとつの物語をつなぎ合わせる必要がありません。
最初から最後まで同じ顔
いくつものロケーションをまたいでも、人物・商品・背景はどのカットでも一貫したままです。
カット割りもカメラワークも狙いどおり
「0〜5秒はクローズアップ、5〜12秒は追従ショット」のようにプロンプトに時間を書けば、そのテンポでショットを組み立てます。
Kling 4.0の主な機能
より長いショット、リアルな音、より細かな演出。音声をオンにして、それぞれの動画を聴いてみてください。
ステレオ音声と正確なリップシンク
セリフ、歌、効果音、環境音を映像と同時に2chステレオで生成。話すときも歌うときも、口の動きが音声にぴったり合います。
1回の生成で参照素材を最大15件
画像は最大10枚、動画は5本（合計30秒）、エレメント7件と音声参照を組み合わせられます。顔からカメラワークまで、それぞれの素材が何を決めるのかをKling 4.0に指示できます。
キーフレームは最大10枚
ポーズ、場面転換、見せ場など、動画に必ず入れたい瞬間をアップロード。先頭フレームだけ、先頭と末尾、または最大10枚のキーフレームを指定すると、その順に物語が進みます。
動画を編集しても、ほかはそのまま
アップロードした動画の表情、動き、カメラアングル、背景、スタイルを変更できます。1回の編集で最大5本・合計30秒まで使え、変更しない部分は元のまま残ります。
多言語のセリフと読みやすい画面内テキスト
キャラクターは中国語、英語、日本語、韓国語、スペイン語、ポルトガル語、ドイツ語、フランス語などを話し、アクセントや方言にも対応。カメラが動いても文字、絵文字、ロゴはくっきり表示されます。
Kling 4.0の作例：参照素材から完成動画まで
使われた入力素材と、アレンジして使えるプロンプトをあわせて紹介します。
Kling 4.0
8コマの絵コンテがひと続きのショットに
屋根の上の柱で舞う獅子舞を描いた8コマの絵コンテ1枚から、すべてのコマを順にたどる動きのあるシーンを生成しました。
入力
Kling 4.0
@Image1は8コマの絵コンテです。コマの順にたどるひと続きのショットにしてください。夕暮れの街の上空で、獅子舞の一団が高い柱から柱へと跳び移る。太鼓の音と観衆の歓声。
Kling 4.0
キャラクターシートと絵コンテからクレイアニメ
粘土の宇宙飛行士犬の三面図とコマ割りの絵コンテから、チーズの月で繰り広げるストップモーションの追いかけっこを生成しました。
入力
Kling 4.0
@Image1は粘土の宇宙飛行士犬の設定です。すべてのショットでデザインを保ってください。@Image2の絵コンテに1コマずつ沿って進行。ストップモーションのクレイアニメ風で、チーズでできた月の上で追いかけっこ。楽しげな音楽。
Kling 4.0
キャンペーンポスターに命を吹き込む
コラージュ風のポスターをブランド映像に。紙のレイヤーがずれ、地球が回り、見出しが1文字ずつ組み上がります。
入力
Kling 4.0
@Image1を14秒のブランド映像にしてください。破れた紙のレイヤーが左右にずれ、地球が回転し、ペイントされた手がカメラに向かって開き、見出しが1文字ずつ組み上がる。コラージュの質感と配色はそのまま。アップテンポな音楽。
Kling 4.0
カメラワークを新しいキャラクターに移す
ある動画の追従ショット、キャラクターの三面図、誰もいない廊下を組み合わせて、まったく新しい追跡シーンに。
入力
Kling 4.0
@Video1のカメラワークを参照してください。@Image1の女性が@Image2の白い廊下を走り、カメラはすぐ後ろから追いかける。
Kling 4.0
既存のシーンに新キャラクターを追加
3方向から定義した粘土のブタを時代劇のワンシーンに追加。元のセリフはそのまま続きます。
入力
Kling 4.0
@Image1、@Image2、@Image3の粘土のブタを@Video1に追加し、暖炉のそばの人々の間に立たせてください。シーン、セリフ、カメラはすべてそのままにしてください。
Kling 4.0
路上ライブから通行人を消す
噴水のそばで演奏するバンドの映像から通行人を消し、ミュージシャンと広場だけを残しました。
入力Kling 4.0
@Video1から通行人を消し、バンドと噴水のある広場だけを残してください。音楽とカメラの動きは変えないでください。
Kling 4.0
短い一文が、ひとつのシーンに
一行のプロンプトから、Kling 4.0が人物、セット、カメラ、演技まで補い、セリフの音声も同じ生成で作り上げます。
入力テキストのみKling 4.0
AIについて愚痴をこぼす老人。
Kling 4.0
セリフと音まで書き込んだショット指示
夕暮れのイギリスの街角で、手持ちカメラがとらえる再会のシーン。足音、街の環境音、音楽、英語のセリフまですべてプロンプトに書いています。
入力テキストのみKling 4.0
夕暮れ時、イギリスの静かな街角で撮る7秒の連続した手持ちショット。久しぶりに再会した旧友2人が互いに気づき、駆け寄って抱き合う。そばを人々が通り過ぎていく。自然な表情、わずかな手ブレ、温かくノスタルジックな光。音声：足音、街の環境音、穏やかな音楽、そして一人が英語で "I can't believe it's you." と言う。
Kling 3.0からの進化
Kling 4.0は生成時間が2倍になり、キーフレームとステレオ音声に対応、使える参照素材も大幅に増えました。
| 仕様 | Kling 4.0 | Kling 3.0 |
|---|---|---|
| 1回の生成時間 | 3〜30秒 | 3〜15秒 |
| フレーム指定 | 先頭・末尾フレーム、キーフレーム最大10枚 | 先頭・末尾フレーム |
| 参照素材 | 最大15件：画像10枚、動画5本（合計30秒）、エレメント7件、音声 | 画像・エレメント最大7件、または動画1本（15秒）＋画像4枚 |
| 音声 | 2chステレオ、リップシンク | モノラル |
| セリフの言語 | 中国語、英語、日本語、韓国語、スペイン語、ポルトガル語、ドイツ語、フランス語など | 中国語、英語、日本語、韓国語、スペイン語 |
| 解像度 | 720p / 1080p | 720p / 1080p |
| ダイナミックレンジ | 1080pで10-bit HDR（近日対応） | 8-bit SDR |
| アスペクト比 | 21:9、16:9、1:1、9:16、自動 | 21:9は非対応 |
| プロンプトの長さ | 最大8,000トークン | — |
仕様はKling AIが公開したKling 4.0のリリースノートとユーザーガイドに基づきます。VideoAIで利用できるオプションは異なる場合があります。
プロンプトはショットリストのように書く
Kling 4.0は、具体的で時間を区切った指示に最もよく応えます。3つのステップと、くり返し使えるプロンプトの型を紹介します。
- 01
Kling 4.0を選んで参照素材を追加
VideoAIの動画作成画面を開いてKling 4.0を選び、画像、動画、音声サンプルをアップロードします。素材はアップロード順に@Image1、@Image2、@Video1と番号が振られます。
- 02
参照素材ごとに役割を決める
「@Image1：彼女の顔と服装を保つ」「@Video1：カメラワークをまねる」のように、各素材が何を決めるのかを書きます。役割のない参照があると、結果が読みにくくなります。
- 03
タイムラインを組んで生成
タイムスタンプ付きでシーンを順に描写し、ほしい音も書き添えます。長さを3〜30秒から、アスペクト比とあわせて選び、生成しましょう。
[参照素材]@Image1が主人公。顔と服装を保つ。@Video1：カメラワークだけを参照。
[ルック]雨の夜のネオン街、浅い被写界深度、映画的な色調。
[タイムライン]0〜5秒：彼女が傘を差すところをクローズアップ。5〜15秒：通りを渡る彼女を追従ショットで。15秒〜最後：カメラのほうを向いてほほえむ。
[音声]雨音と遠くの車の音、やわらかなシンセ音楽。彼女のセリフ：「ちょうどいいタイミングね」
Kling 4.0 よくある質問
Kling 4.0とは？
Kling 4.0は、快手（Kuaishou）の動画チームであるKling AIの最新動画モデルです。テキスト、画像、または最大15件の参照素材から3〜30秒の動画を1回で生成し、2chステレオ音声とリップシンクしたセリフ、最大10枚のキーフレーム、最大1080pの解像度に対応。アップロードした動画の編集もできます。
Kling 4.0の動画は最長何秒ですか？
1回の生成で3〜30秒、1秒単位で調整でき、初期値は10秒です。Kling 3.0の上限15秒の2倍にあたります。
Kling 4.0は音声も生成できますか？
はい。セリフ、歌、効果音、環境音を映像と同時に2chステレオで生成し、リップシンクで口の動きをセリフに合わせます。BGMや字幕が不要なら、プロンプトでそう指定してください。
対応している解像度とアスペクト比は？
Kling 4.0は720p、1080pで出力でき、アスペクト比は21:9、16:9、1:1、9:16、自動から選べます。1080pの10-bit HDR出力は近日対応予定とKling AIが発表しています。
参照素材はいくつまで使えますか？
1回の生成で最大15件です。内訳は画像が最大10枚、動画が5本（合計30秒）、エレメントが7件（うち動画から作るものは最大3件）、そして音声参照です。プロンプトでは@Image1や@Video1のように番号で指定し、何を決める素材なのかを書いてください。
Kling 4.0のキーフレームとは？
キーフレームは、ポーズ、場面転換、見せ場など、動画に必ず入れたい瞬間の画像です。先頭フレームだけ、先頭と末尾、または最大10枚まで指定でき、Kling 4.0はその順に映像を進めます。
キャラクターはどの言語を話せますか？
中国語、英語、日本語、韓国語、スペイン語、ポルトガル語、ドイツ語、フランス語などです。アメリカ英語・イギリス英語・インド英語のアクセントや、広東語・四川語・北京なまりといった中国語の方言も指定できます。セリフはかぎかっこで囲み、アクセントもプロンプトに書いてください。
手持ちの動画を編集できますか？
はい。メインの動画1本に加えて、参照用の動画を最大4本（各3〜30秒、合計30秒）アップロードし、変更したい内容を書きます。キャラクターや背景の差し替え、物の削除、動き・カメラアングル・スタイルの変更ができ、ショットのほかの部分はそのまま保たれます。
ほかのモデルを見る
Kling 4.0と、VideoAIのほかの動画・画像モデルを比べてみましょう。
