# Kling 2.6：音声つきの最初のKlingモデル — セリフ、歌、効果音、キャラクター自身の声

> Kling 2.6は2025年12月3日に出たKuaishouの動画モデルで、Klingシリーズ初のネイティブ音声つきです。1回の生成で5秒または10秒の動画を、セリフ、歌、ラップ、効果音、環境音と一緒に作り、中国語と英語を話します。12月16日からは録音した声でキャラクターを喋らせられます。2026年2月にKling 3.0へ交代しました。AI2FaceのジェネレーターでKling 2.6を使えます。

開発元: Kuaishou (Kling AI) · リリース: 2025-12-03 · 更新日 2026-10-28
URL: https://ai2face.com/ja/models/kling-2-6

## 主要データ

| | |
|---|---|
| 開発元 | Kuaishou（Kling AI） |
| 公開日 | 2025年12月3日。自分の声は2025年12月16日 |
| モード | テキストと画像から、音声つきの動画 |
| 長さ | 5秒または10秒 |
| アスペクト比 | 16:9、1:1、9:16 |
| 音声 | セリフ、会話、歌、ラップ、効果音、環境音を動画と同時に |
| 話せる言語 | 中国語と英語。それ以外は英語に訳して読む |
| 自分の声 | 5〜30秒の録音、最大200声、画像からのモードのみ |
| Motion Control 2.6 | 3〜30秒の動画から動きを移す |
| AI2Face | あり。ジェネレーター内 |

## Kling 2.6とは

Kling 2.6は中国企業Kuaishouの動画モデルです。Klingが2025年12月3日、公開週の3日目に出しました。[Kling O1](/ja/models/kling-o1)の2日後です。モデルのスローガンは「音を見て、絵を聞く」。音声を別工程ではなく、動画と一緒に生成する最初のKlingモデルです。

12月16日に、選んだ声で話すようになり、12月17日には動きの転写用にMotion Control 2.6が出ました。2026年2月に[Kling 3.0](/ja/models/kling-3-0)へ交代しています。シリーズの全体像は[Kling](/ja/models/kling)のページにあります。

2026年9月21日時点のArenaランキングで、Kling 2.6 Proは動画モデル48本中29位です。

## Kling 2.6でできること

**同じ生成のなかの音声。** 1回走らせると、絵と音声トラックの両方が出ます。Klingが挙げる音は6種類です。

- ナレーションと会話
- 歌とラップ
- シーンの環境音
- 物や動作の音。割れるガラス、焚き火の爆ぜ、波
- 混ざった効果音

音声はNative Audioのスイッチで切れます。切ると動画は安くなります。

![2×2の格子。石の床でグラスが割れ、夜の焚き火から火花が飛び、岩に波が当たり、ラッパーがスタジオマイクの前にいる](https://ai2face.com/_astro/sound-scenes.DamkD2lj_ISLAH.jpg "Kling 2.6が自分で音を付ける4つの場面。ガラス、火、波、ラップ。Nano Banana Proで作ったコマ")

**2つのモード。** テキストから動画は、場面も音もプロンプトだけで作ります。画像から動画は、写真が最初のフレームになり、そこに音が付きます。Klingは、後者の品質が元画像の解像度に大きく左右されると注意しています。

**感情と声の調子。** プロンプトで、セリフの感情、調子、速さ、音量まで指定できます。

**自分の声（12月16日から）。** 話す人が1人、抑揚は平坦、雑音なしの5〜30秒の録音をアップロードすると、Klingがその声を保存します。声は合計200まで作れます。キャラクター名のあとに `@声の名前` と書いて、声を結びます。この機能は画像からのモードで動きます。

**Motion Control 2.6。** 動きの転写モードです。3〜30秒の動画から人の動きと表情を取り、画像のキャラクターへ移します。1カットで、つなぎはありません。詳しくは[Kling Motion Control](/ja/blog/kling-motion-control)のガイドです。

![左はグレーのパーカーでヒップホップの大きなポーズを取るダンサー、右は銀の鎧のカートゥーンの騎士が城の中庭で同じポーズ](https://ai2face.com/_astro/motion-ref.DBvj2wOu_2gyBhr.jpg "動きの転写はこう働きます。動画のポーズと身体の使い方が、画像のキャラクターに移ります。Nano Banana Proで作ったコマ")

## Kling 2.6の料金

| モード | 1秒あたりのKlingクレジット |
|---|---|
| プロ、音声あり | 10 |
| プロ、音声なし | 5 |
| スタンダード、音声なし | 3 |
| 自分の声 | +2 |
| Motion Control 2.6（スタンダード / プロ） | 5 / 8 |

音声ありのプロモードで10秒の動画は、Klingのアプリで100クレジットです。

## Kling 2.6、3.0、4.0の違い

| | Kling 2.6 | [Kling 3.0](/ja/models/kling-3-0) | [Kling 4.0](/ja/models/kling-4) |
|---|---|---|---|
| 公開 | 2025.12.03 | 2026年2月 | 2026.10.15 |
| 長さ | 5または10秒 | 最長15秒 | 3〜30秒 |
| 音声 | あり。最初の音声つきモデル | あり | ステレオ |
| 話せる言語 | 中国語、英語 | 5言語、なまり | — |
| ショットごとの絵コンテ | なし | あり | キーフレーム10枚 |
| キャラクター自身の声 | 5〜30秒の録音 | 声つきの要素 | 参照のなかの声 |
| Arenaの順位（2026.09.21） | 29 | — | — |

## Kling 2.6が向く仕事

- **セリフが1つの短い動画** — 広告の一文、挨拶、ミーム。
- **音楽の一節** — 10秒のAメロ、サビ、ラップの1行。
- **音のある場面** — 焚き火、波、街、割れる食器。効果音ライブラリを探さなくてよい。
- **2人の会話** — Klingはちょうど2人を勧めています。

![麦わら帽子の年配の女性がトマトの籠を持ち、じょうろを持った孫と日向の菜園で話している](https://ai2face.com/_astro/two-characters.CvcuFBzF_Z11GTRU.jpg "Kling 2.6の会話は2人が最適です。それぞれにラベルと声の調子があります。Nano Banana Proで作ったコマ")

- **写真を音つきで動かす** — 写真が最初のフレームになり、話し始めます。
- **参照どおりのダンス** — Motion Control 2.6経由。

## Kling 2.6と近いモデル

| | Kling 2.6 | [Veo 3.1](/ja/models/veo-3-1) | [MiniMax H3](/ja/models/minimax-h3) | [HappyHorse 1.1](/ja/models/happyhorse) |
|---|---|---|---|---|
| 開発元 | Kuaishou | Google DeepMind | MiniMax | Alibaba |
| 長さ | 5または10秒 | 4、6、8秒 | 4〜15秒 | 3〜15秒 |
| 音声 | あり | あり | ステレオ | あり |
| ロシア語の音声 | なし | — | あり | 言語の記載なし |
| 自分の声 | あり。5〜30秒の録音 | なし | 音声リファレンス | なし |
| Arenaの順位（2026.09.21） | 29 | 12–15 | 8 | 10（1.0） |
| AI2Face | あり | あり | あり | あり |

画質では新しいモデルに劣りますが、短い音声つき動画とキャラクター自身の声を得る単純な道としては残っています。ロシア語と2KにはMiniMax H3、短い動画で音を優先するならVeo 3.1です。

## Kling 2.6のプロンプトの書き方

Klingの式は **場面 + キャラクター + 動き + 音 + スタイル** です。短く言うと、何が見え、何が起き、何が聞こえるか。

1. **セリフと歌詞は引用符に入れる。**
2. **会話ではキャラクターごとにラベルを付ける**（「[祖母]」「[孫]」）。動作はその人のセリフの前に書き、声の調子は変える。
3. **歌：** 歌詞 + 歌い方 + 伴奏 + 感情。**ラップ：** 韻を踏んだ行 + リズム。
4. **効果音：** 音の出所、その状態、説明。「焚き火で乾いた枝が爆ぜる音」。
5. **環境音：** 場面 + 音 + 空間の感じ。たとえば残響。
6. **英語のセリフ：** 普通の語は小文字、略語と名前は大文字。
7. **プロンプトは1テーマ。** 複雑なセリフに背景音をたくさん重ねないよう、Klingは勧めています。

菜園のコマの例です。

```
昼の日向の菜園。[Grandma] は麦わら帽子でトマトの籠を持ち上げ、
微笑み、温かくゆっくりした声で言う："Look, the first tomatoes this year!"
じょうろを持った [Grandson] は笑い、明るく速い声で答える："Can I eat one right now?"
音：鳥のさえずり、じょうろの水、そよ風。ミディアムショット、柔らかい光。
```

## AI2FaceでKling 2.6を使う

Kling 2.6はAI2Faceのジェネレーターにあり、[Kling 3.0](/ja/models/kling-3-0)と[Kling 4.0](/ja/models/kling-4)と並んでいます。

1. 登録すると、新しいアカウントにウェルカムクレジットが付きます。Kling本体が無料で出す範囲は、記事[Kling AI 無料](/ja/blog/kling-besplatno)にまとめています。
2. ジェネレーターを開き、動画に切り替えてKling 2.6を選びます。
3. 写真をアップロードするかプロンプトを書き、5秒か10秒とアスペクト比を選びます。
4. クレジットの費用は実行前に見えます。パックのクレジットに期限はなく、カードまたは暗号資産で支払えます。

画像からのモードの開始フレームは、同じジェネレーターで用意しやすいです。たとえば[Nano Banana Pro](/ja/models/nano-banana-pro)です。

## 限界

- **話せるのは中国語と英語だけ。** 他の言語のセリフは、Klingが英語に訳します。
- **5秒か10秒。** それより長いのはMotion Controlだけです。
- **キャラクターが2人を超えると、** Klingによれば会話の品質が落ちることがあります。
- **歌の声**は、話し声より保ちません。
- **自分の声**は画像からのモードだけです。どの動画からでも取り出せるわけではなく、セリフがないもの、2.6より前に作ったもの、音声がないものは使えません。
- **写真からの品質**は、元画像の解像度によります。

## まとめ

Kling 2.6は音声つきの最初のKlingモデルで、セリフ、歌、音のある場面にキャラクター自身の声を載せた5〜10秒の動画を得る、いちばん単純な道のままです。絵コンテと5言語のセリフには[Kling 3.0](/ja/models/kling-3-0)、30秒までの動画には[Kling 4.0](/ja/models/kling-4)へ移ってください。ロシア語が必要なら[MiniMax H3](/ja/models/minimax-h3)です。どれも同じAI2Faceのジェネレーターにあります。

## よくある質問

### Kling 2.6は何ができますか？

テキストか画像から、5秒または10秒の動画を最初から音声つきで作ります。セリフ、会話、歌、ラップ、効果音、環境音です。音声を動画と一緒に生成する、最初のKlingモデルです。

### Kling 2.6は日本語を話しますか？

話しません。中国語と英語です。セリフを日本語で書くと、Klingは声に出すとき英語へ訳します。Kling 2.6が対応しない言語には、対応するモデルを選びます。たとえばMiniMax H3はロシア語を話します。

### Kling 2.6の動画は何秒ですか？

通常の生成では5秒か10秒です。歌と会話にはKlingが10秒を勧めています。結果がより揃い、安定するからです。Motion Control 2.6は最長30秒の動画から動きをコピーします。

### Kling 2.6の料金は？

Klingのアプリでは、音声ありのプロモードが1秒10クレジットです。音声なしはプロが1秒5、スタンダードが1秒3です。自分の声は1秒あたり2クレジット加算です。

### Kling 2.6とKling 3.0の違いは？

Kling 3.0は10秒ではなく最長15秒、ショットごとの絵コンテ、2言語ではなく5言語のセリフ、声つきのキャラクター要素があります。短い音声つき動画なら、Kling 2.6のほうが単純で安いです。

## 出典

- https://kling.ai/quickstart/klingai-video-26-audio-user-guide
- https://x.com/Kling_ai/status/1996238606814593196
- https://kling.ai/quickstart/motion-control-user-guide
- https://kling.ai/feature/ai-motion-control
- https://arena.ai/leaderboard/text-to-video