Kling 4.0は、快手（Kuaishou）のKling AIが開発した第4世代の動画モデルです。ネイティブ30秒のクリップ生成、複数のキーフレームによるストーリー構成、Omni Reference（オムニ参照）、最大4K・10ビットHDR出力に対応しています。
近日公開
Kling 4.0の生成機能は近日公開予定です
Kling 4.0が当プラットフォームで利用可能になり次第、このワークスペースで生成できるようになります。それまでは、Kling 3またはSeedance 2.5で動画を作成できます。
今すぐ作成できるモデル
Kling 4.0
Kling AIの動画生成モデル
Kling 4.0 · モデル概要
Kling 4.0は、快手（Kuaishou）のAI動画プラットフォームであるKling AIが開発した第4世代の動画モデルです。映像のリアリティ、クリエイティブの制御性、ストーリーの完成度に重点を置いています。1回の生成で最長30秒の動画を作成でき、最大10個のキーフレームと最大15点のマルチモーダル参照を活用できるほか、ステレオ音声と最大4K・10ビットHDR出力にも対応しています。
1回の生成で最長30秒の動画を作成できます。Kling 3.0の上限である15秒の2倍となり、導入、メインアクション、結末までを1本に収められます。
タイムライン上に最大10個のキーフレームを配置して構図、キャラクターの位置、ストーリーの節目を固定すると、その間の動きはKling 4.0が生成します。
最大10枚の画像、5本の動画、7つの被写体を組み合わせ、1回の生成につき合計15点まで参照できるため、キャラクター、商品、スタイルの一貫性が高まります。参照ベースの動画編集も強化されています。
速いアクション、連続した動き、複雑なカメラワークがより安定して滑らかに描写されるため、大規模なシーンやチェイスシーン、ダイナミックなショットも扱いやすくなります。
出力解像度は最大4Kに達し、1080pと4Kでは10ビットHDRに対応します。より広い色の表現範囲と滑らかなグラデーションを実現し、カラーグレーディングの余地も広がります。
音声は映像と同時に生成され、高品質なステレオ音声、より正確なリップシンク、複数の言語・アクセント・方言による発話に対応します。
生成したクリップを1回または複数回延長し、最長2分の連続したシーケンスを構築できます。ショットが切り替わっても同じキャラクターと舞台設定が維持されます。
Kling 4.0の主な仕様の一覧です。
| 仕様 | Kling 4.0 |
|---|---|
| 開発元 | Kling AI（快手科技／Kuaishou Technology） |
| バージョン | Kling 4.0（別名Kling 4）とKling 4.0 Flash |
| 1回の生成 | 最長30秒（ネイティブ生成） |
| 動画延長 | 合計最長2分 |
| キーフレーム | 最大10個 |
| Omni Reference | 最大15点：画像10枚、動画5本、被写体7つ |
| プロンプトの長さ | 最大8,000トークン |
| 解像度 | 最大4K |
| HDR | 1080pと4Kで10ビットHDR |
| アスペクト比 | 21:9ウルトラワイドを追加 |
| 音声 | 2チャンネルステレオ、より正確なリップシンク |
| 言語 | 中国語、英語、日本語、韓国語、スペイン語など（アクセントや方言にも対応） |
Kling 4.0には2つのバージョンがあります。フルモデルは最高水準のリアリティと制御性を追求し、Flashは生成速度とコスト効率を重視して調整されています。
高精細なシーン向けのフルモデル
高頻度の制作向けの軽量版
ネイティブ30秒生成とキーフレームを活用して、導入、展開、結末までを備えた完結したシーンを構成し、さらに長いシーケンスへ延長できます。
Omni Referenceで商品やキャラクターの一貫性を保ち、ローンチページ、SNS広告、ECサイトの商品ページ向けに4K HDR映像を制作できます。
解説動画、キャラクター同士の対話、ローカライズ版を制作し、複数の言語・アクセント・方言でリップシンクを実現できます。
速い動き、連続したアクション、複雑なカメラワークでの安定性が向上し、チェイスシーン、スポーツのハイライト、壮大なエスタブリッシングショットに適しています。
最大10個のキーフレームで重要なショットを固定し、本格的な制作に入る前に構図、テンポ、カメラの動線を検証できます。
21:9のウルトラワイドでシーンを構成し、プロのカラーグレーディングにも対応できる10ビットHDR映像を制作できます。
制作ワークフロー
Kling 4.0では、事前の計画が仕上がりを左右します。まずストーリーの節目を決め、キーフレームと参照素材で固定したうえで、公開先に合った出力形式を選択してください。
ステップ01
クリップをいくつかの節目に分けます。たとえば、0〜10秒で被写体と舞台を提示し、10〜20秒でメインアクションを展開し、20〜30秒でクライマックスまたはラストカットを見せます。構成が明確であるほど、モデルは動きとカメラワークのテンポを適切に配分できます。
ステップ02
正確に表現したい場面にはキーフレームをアップロードし、キャラクター、商品、スタイルには画像・動画・被写体の参照を追加します。Kling 4.0は最大10個のキーフレームと最大15点の参照に対応しています。
ステップ03
被写体、動き、カメラワーク、ライティング、セリフ、サウンドを記述します。プロンプトは最大8,000トークンまで入力できるため、複雑なシーンもショットごとに記述できます。
ステップ04
21:9のワイドスクリーンを含むアスペクト比と、必要な解像度を選択します。結果を確認し、ストーリーにさらに時間が必要な場合は、合計最長2分までクリップを延長できます。
Kling 4.0は、従来のKlingモデルよりも高い制御性を備えています。以下のポイントを押さえることで、その制御性を一貫性のある実用的な映像につなげられます。
クリップの冒頭と末尾にキーフレームを配置してシーンの始まりと終わりを確定し、中間のキーフレームはストーリー上、特定の瞬間が必要な箇所にのみ追加します。
キャラクターや商品ごとに、鮮明で明るく撮影された参照を1つずつ使用します。これにより、Omni Referenceが複数の外見を混ぜることなく、それぞれの特徴を一貫して保てます。
30秒全体に1つの指示を与えるのではなく、ゆっくりとしたプッシュイン、オービット、トラッキングショットなど、クリップの各パートごとにカメラワークを指定します。
セリフは引用符で囲み、話者と言語またはアクセントを明記します。これにより、リップシンクと声が正しいキャラクターに対応します。
環境音、効果音、音楽をタイミングとあわせて列挙し、ステレオ音声がアクションと競合せず、アクションを引き立てるようにします。
クリップを2分に向けて延長する際は、各セグメント間でキャラクターとスタイルの記述を同一に保ち、アクションのみを変更します。
以下の表では、Kling 4.0、Kling 3.0、Seedance 2.5の公開済みの機能を比較し、各モデルが最も適した用途を示しています。
| 機能 | Kling 4.0 | Kling 3.0 | Seedance 2.5 |
|---|---|---|---|
| 1回の生成 | ネイティブ30秒 | 3〜15秒 | 最長30秒 |
| ストーリー制御 | 最大10個のキーフレームによるタイムライン単位の制御 | 1つのプロンプトからマルチショットのストーリーを生成 | 開始フレームの指定と、カメラブロッキングのための3D空間プリビズ |
| 参照 | 最大15点：画像10枚、動画5本、被写体7つ | Kling 3.0 Omni：画像最大7枚と参照動画1本 | 最大50点：画像30枚、動画10本、音声ファイル10個 |
| 解像度 | 最大4K、1080pと4Kで10ビットHDRに対応 | 720pと1080p、さらにネイティブ4Kモード | 720pからネイティブ4Kまで |
| 音声 | ステレオ音声、より正確なリップシンク、複数の言語・アクセント・方言 | 多言語の発話とアクセントに対応したネイティブ音声 | ネイティブ音声、音声ファイルを参照として使用可能 |
| 長尺シーケンス | 動画延長で合計最長2分 | 1本のクリップ内で複数ショット | 添付した動画の延長・編集 |
| 最適な用途 | キーフレームの精度、豊富な参照、HDR納品が求められる、演出を作り込んだ長尺シーン | SNS、広告、短いシーン向けの最長15秒のシネマティックなクリップ | 参照素材を多用する30秒の映像制作と4Kのブランドコンテンツ |
Kling AIは2024年6月以降、数か月ごとに主要モデルをリリースしてきました。Kling 4.0は、クリップの長さ、クリエイティブの制御性、出力品質のいずれにおいても、最も大きな進化を遂げたモデルです。
| バージョン | リリース | 主な特長 |
|---|---|---|
| Kling 1.0 | 2024年6月 | Klingのテキストから動画・画像から動画の生成機能を一般公開 |
| Kling 1.5 | 2024年9月 | 1080pの高解像度出力と動きの品質向上 |
| Kling 2.0 | 2025年4月 | 動き、プロンプト理解、映像品質が大幅に向上し、マルチモーダル動画編集にも対応 |
| Kling 2.5 Turbo | 2025年9月 | より高速かつ低コストな生成と、プロンプトへの忠実度の強化 |
| Kling 2.6 | 2025年12月 | 発話、効果音、環境音を含むネイティブ音声に対応した初のKlingモデル |
| Kling 3.0 | 2026年2月 | 3〜15秒のクリップ、マルチショットのストーリー構成、多言語ネイティブ音声 |
| Kling 4.0 | 2026年 | ネイティブ30秒生成、10個のキーフレーム、15点の参照、最大4K・10ビットHDR、最長2分の延長 |
各例は30秒のクリップ全体を想定して書かれており、明確な展開、カメラの指示、サウンドを含むため、モデルが冒頭から結末までシーンのテンポを組み立てられます。
0〜10秒：マットブラックのスマートウォッチが濡れた石の台座の上でゆっくり回転する。柔らかなリムライト、マクロレンズ。10〜20秒：カメラが周囲を回り込むと画面が点灯し、雨粒がガラス面を滑り落ちる。20〜30秒：カメラが引いて、夕暮れの雨に濡れた屋上をワイドショットで捉え、文字盤が光を放つ。深みのあるアンビエントシンセと柔らかな雨音をステレオで。
夜の温かみのあるカフェ。緑のコートを着た若い女性がノートから顔を上げ、英語で「You came back.」と言う。向かいに座る男性は微笑み、スペイン語で「Nunca me fui del todo.」と答える。ゆっくりとしたプッシュイン、浅い被写界深度、背景には静かなカフェのざわめきと柔らかなピアノ。
キーフレーム1、5、10をアンカーとして使用：赤い自転車に乗った配達員が日の出とともに狭い路地に入り、正午には混雑した市場を縫うように進み、日没時に港のゲートの前で止まる。服装と自転車は一貫させる。ハンドルの高さからのトラッキングショット、21:9ワイドスクリーン、徐々に高まるドラムのリズム。
0〜10秒：ラリーカーが泥だらけの森のコーナーをドリフトで抜け、泥がレンズに向かって跳ね上がる。ローアングルのトラッキングショット。10〜20秒：ドローンショットが上昇し、木々の間から差し込む日差しがフレアとなる中、丘の頂を越える車を追う。20〜30秒：観客が歓声を上げる中、車がスローモーションでゴールラインを通過する。轟くエンジン音と観客の歓声をステレオで。
明るいスタジオで、プレゼンターがワイヤレスイヤホンを手に持ち、英語で「Twelve hours of battery, one small case.」と言う。続けて同じセリフを日本語で繰り返し、カメラに向かって微笑む。ミディアムショット、柔らかなキーライト、クリーンなスタジオの環境音。
21:9ワイドスクリーン、10ビットHDR。霧に包まれた山あいの谷の夜明け。0〜10秒：雲の上をゆっくりと滑るように進む空撮。10〜20秒：カメラが尾根に立つ一人のライダーに向かって降下する。20〜30秒：山々の頂から朝日が差し込み、ライダーが立ち止まる。次第に高まるオーケストラ音楽と穏やかな風の音。
Kling 4.0の機能、参照素材、解像度、プロンプト、他の動画モデルとの比較についてお答えします。
Kling 4.0は、快手（Kuaishou）のAI動画プラットフォームであるKling AIが開発した動画生成モデルです。テキスト、画像、マルチモーダル参照からネイティブ30秒のクリップを生成し、最大10個のキーフレームと15点の参照に対応するほか、ステレオ音声、より正確なリップシンク、最大4K解像度・10ビットHDR出力が加わりました。
新規アカウントには無料クレジットが付与され、ダウンロード不要ですぐに始められます。Kling 4.0による生成にはクレジットを使用します。現在のプランとクレジットパックは料金ページに掲載しています。
Kling 4.0はフルモデルで、ネイティブ30秒生成、10個のキーフレーム、15点のマルチモーダル参照、最大4K・10ビットHDR出力に対応します。Kling 4.0 Flashは高頻度の制作向けに設計されており、生成速度が速く、コスト効率にも優れています。Flashは下書きや素早い反復作業に、フルモデルは高精細な最終シーンに適しています。
Kling 4.0の1回の生成は最長30秒で、Kling 3.0の上限である15秒の2倍です。動画延長機能を使えば、クリップを1回または複数回延長して、合計最長2分のシーケンスを作成できます。
はい。Kling 4.0は最大4Kの解像度に対応し、1080pと4Kでは10ビットHDR出力が可能です。一般的な8ビット動画と比べて、10ビットカラーはグラデーションがより滑らかで、カラーグレーディングの余地も広がります。
Omni Referenceでは、1回の生成で最大10枚の画像、5本の動画、7つの被写体を使用でき、合計の上限は15点です。マルチキーフレーム制御では最大10個のキーフレームを指定し、クリップ全体の構図とタイミングをガイドできます。
Omni Referenceは、Kling 4.0のマルチモーダル参照システムです。1回の生成で最大10枚の画像、5本の動画、7つの被写体を使用でき、合計15点までの参照でキャラクター、商品、スタイル、動きをガイドします。従来のバージョンと比べて参照の選択肢が豊富になり、結果の一貫性も高まっています。
はい。Kling AIは、Kling 4.0におけるOmni Referenceのアップグレードの一環として、動画編集機能の強化を挙げています。1回の生成につき最大5本の動画参照で既存のシーンの作り直し方をガイドし、変更内容はプロンプトで記述します。
Kling 4.0では、シネマティックな構図に適した21:9のウルトラワイドのアスペクト比が追加され、従来のKlingモデルで使われてきたワイドスクリーン、縦型、正方形の形式がさらに拡充されました。
Kling 4.0は、高速な動き、連続したアクション、複雑なカメラワークにおける安定性が向上しています。大規模なシーン、チェイスシーン、ダイナミックなカメラワークも、従来のバージョンより安定して滑らかに描写されます。
Kling 4.0は動画と同時に高品質なステレオ音声を生成し、リップシンクの精度も向上しています。発話は中国語、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、ヒンディー語を含む複数の言語に対応し、さまざまなアクセントや方言にも対応しています。
Kling 4.0では、リアリティ、制御性、ストーリーの長さが強化されています。
どちらのモデルも最長30秒、最大4Kのクリップを生成できます。Kling 4.0は、キーフレーム単位のタイミング制御、10ビットHDR出力、最長2分の延長が強みです。Seedance 2.5は音声ファイルを含む最大50点の参照に対応しており、参照素材を多用するブランドや商品の制作に適しています。
Kling 4.0は最大8,000トークンのプロンプトに対応しています。この余裕により、30秒のクリップをカメラワーク、セリフ、サウンドを含めてショットごとに記述できます。
プロンプトは一瞬の場面ではなく、タイムラインに沿って構成します。
正確に表現したい要素にはキーフレームと参照を使い、テキストでは動きとテンポを指示します。
Kling 4.0は、快手科技（Kuaishou Technology）のAI動画生成プラットフォームであるKling AIが開発しています。Klingモデルファミリーは2024年6月に公開され、Kling 1.0からKling 4.0まで、数か月ごとに大型アップデートを重ねてきました。
