Kling：Kuaishouの動画モデル、3.0と4.0でできること

Klingとは

Klingは、同名のショート動画プラットフォームを運営する中国企業Kuaishouの動画モデルです。2026年2月時点の同社の数字では、Klingを使った作者は6000万人超、生成されたクリップは6億本超、モデルを使った企業は3万社超です。

Kling 3.0は2026年2月5日に公開されました。Kuaishouが挙げた主な改善は、キャラクターの安定、写真に近い見た目、最長15秒、そして言語・方言・なまりの違うネイティブ音声です。モデルは一体型で、テキスト、画像、音声、動画を理解し、生成と編集を同じ流れで行います。参照と修正には Kling 3.0 Omni が並びます。その後、速い Kling 3.0 Turbo が出ました。

Kling 4.0は2026年9月28日に発表されました。内容は下でまとめます。

Klingでできること

1本の中に複数のショット。 Kling 3.0は絵コンテを組みます。各ショットに長さ、サイズ、アングル、動作、カメラの動きを指定できます。合計は最長15秒です。

セリフと音。 引用符の中のセリフは、音楽と環境音とともに口の動きに合わせて話されます。

物理と動き。 慣性と体の重さを保ちます。ジャンプ、走行、着地です。

最初と最後のフレーム。 2枚の画像を渡すと、Klingがその間の動きを作ります。

キャラクター要素。 Kling 3.0 Omniでは画像を最大7枚入れ、4方向からキャラクターを組むか、3〜8秒の動画から見た目と声をまとめて取り出せます。3秒以上の音声は、その声をキャラクターに結びます。

Motion Control。 動きの転送です。参照動画のダンス、ジェスチャー、歩き方が、写真のキャラクターに載ります。

Kling 4.0：分かっていること

2026年9月28日、Klingは4.0を発表しました。公式サイトでは「まったく新しい」モデルとされ、安定したダイナミックな動きと、プロ水準の制作向けの没入する音が挙げられています。開発者向けプラットフォームは、APIに来る4つの機能を挙げています。ダイナミックな動き、Omni参照、ネイティブな30秒生成、複数のキーフレームです。

今使えるのは軽い Kling 4.0 Flash だけで、早期アクセスです。完全版とAPIは「近日」とされています。報道は同社を引いて4K、HDR、参照の数といった数字を出していますが、Klingの公式資料では見つかっていません。4.0が完全に出たら、このページを更新します。

Klingが向いている用途

• 編集なしの、15秒までの短い物語と広告。 複数ショット入りです。
• いろいろな言語となまりの、セリフのあるクリップ。
• Motion Controlによる、参照からのダンスと動き。
• アクションとスポーツ。 慣性をよく保ちます。
• 写真や動画から組んだ、同じキャラクターのシリーズ。

Klingと近いモデル

	Kling 3.0	Veo 3.1	Seedance 2.5	Gemini Omni 1.1 Flash
開発元	Kuaishou	Google DeepMind	ByteDance Seed	Google DeepMind
1回の長さ	最長15秒	4、6、8秒	最長30秒	3〜10秒
解像度	720p、1080p	最大4K	非公開	最大4K（アップスケール）
複数ショット	あり、絵コンテ	プロンプト内のタイムコード	あり	あり
参照	写真最大7枚、声つきで動画からキャラクター	画像最大3枚	写真30、動画10、音声10	画像と動画最大3本
動きの転送	Motion Control	なし	参照動画から	参照動画から
AI2Face	あり	あり	あり	あり

Kling 3.0は、絵コンテとセリフのある10〜15秒のクリップに向きます。動きの転送では、Motion Controlがまだいちばん手間が少ないです。Veo 3.1は4Kと、短いクリップでの音が強いです。Seedance 2.5はいちばん長いクリップを作ります。入力と修正の自由度はGemini Omniが一番です。

Klingのプロンプトの書き方

• ショットに番号を付けます。 「ショット1：手元のクローズ……ショット2：ミディアム……」。それぞれに動作とカメラを書きます。
• セリフは引用符に入れ、 誰がどの調子で話すかを添えます。
• 音は別の行にします。 音楽、効果、背景です。
• 物理は言葉で指定します。 「現実的な慣性」「受け身の着地」。動きがより保たれます。
• 2枚のフレームのあいだは、途中で何が起きるかを書きます。「立ち上がり、コートを着て、葉を取る」。

4ショットの料理の物語。ショット1：木のまな板で新鮮なバジルとトマトを切る料理人の手のクローズ。
ショット2：ミディアム、料理人が熱い鍋でパスタを投げ、炎が立つ。ショット3：スローのクローズ、
パルメザンを皿にすりおろす。ショット4：暖かいトラットリアの厨房のワイド、料理人が皿を受け渡し口に
置いて微笑む。音：木を切るナイフ、鍋の音、厨房の環境音、柔らかいイタリアのギター。
フォトリアル、暖かい光

AI2FaceでKlingを使う

KlingはAI2Faceのジェネレーターで使えます。音声つきクリップ、絵コンテ、動きの転送です。クレジットは開始前に表示されます。

同じジェネレーターには次もあります。

• Veo 3.1 — 4〜8秒、最大4K。セリフと効果音、写真のアニメーション、最初と最後のフレーム。
• Gemini Omni Flash — 最長10秒。複数の参照から場面を組み、最初と最後のフレーム。

短い4Kのクリップは、同じ人物の参照でVeo 3.1を2本つないで作れます。どちらも同じジェネレーターで、費用は事前に分かります。

制限

• 細かい部分の崩れ。 こちらのテストでは、手の中の物が離れることがあります（バイオリニストの弓）。2フレームの遷移では、服が別の服へ溶けます。
• 3.0の解像度は1080pまでです。 Kling 3.0に4Kの公式な記載はありません。
• Kling 4.0はまだ早期アクセスで、Flashだけです。
• 入手先。 公式はKlingのサイト、アプリ、APIです。国によってはサブスクリプションを直接払いづらいです。

まとめ

Kling 3.0は短い物語向けの動画モデルとして強い部類です。最長15秒の1回の生成に、複数ショットの絵コンテ、口の合うセリフ、崩れにくい物理が入ります。ダンスや参照からの動きにはMotion Controlが向きます。Kling 4.0は長さが約2倍になる見込みで、完全版の公開を待っています。KlingはAI2Faceで使えます。4Kや、短いクリップでの音を優先するなら、同じジェネレーターの Veo 3.1 か Gemini Omni を選びます。