Kling 3.0：Video 3.0、Omni、Turbo でできること — 絵コンテ、声、4K

Kling 3.0とは

Kling 3.0は、中国企業Kuaishou（快手）の第3世代の動画モデルです。Kuaishouは同名のショート動画プラットフォームを運営しています。Klingが発表したのは2026年1月の最終日で、Kuaishouの公式プレスリリースは2月5日です。10月に出たKling 4.0を含むシリーズ全体は、Klingのページにまとめています。

3.0世代には4つのモデルがあります。

• Video 3.0 — 本線の動画モデル。Kling 2.6の後継です。
• Video 3.0 Omni — 参照と編集用。Kling O1の後継です。
• Image 3.0 と Image 3.0 Omni — 2Kと4Kの画像、および連続したフレームです。

その後も追加されています。3月4日は動きの転送用 Motion Control 3.0、4月23日は動画の4Kモード、6月17日は高速な Kling 3.0 Turbo と、Omniの編集の改善です。

Kuaishouによると、2026年2月の時点でKlingを使ったクリエイターは6000万人を超え、生成された動画は6億本を超え、3万社以上がこのモデルを使っていました。

Kling 3.0でできること

最長15秒、音声付き。 Kling O1では長さを3〜10秒の範囲で選んでいました。3.0は15秒まで自由です。音は映像と一緒に生成されます。セリフ、音楽、効果音です。

ショットごとの絵コンテ。 1本の動画に複数のショットを置けます。それぞれに長さ、ショットサイズ、アングル、動作、カメラの動きを指定します。対話の切り返しも、ナレーション付きの平行モンタージュも扱えます。

複数の言語のセリフ。 英語、中国語、日本語、韓国語、スペイン語に、英語のアクセントと中国語の方言が加わります。同じ場面で別々の言語を話せます。セリフの順序と話し方はプロンプトで指定します。

画面内の文字が崩れにくい。 看板、キャプション、服のプリントが動画の最後までシャープです。Kuaishouはこれを広告向けの利点として挙げています。キャラクターのTシャツのロゴがにじまない、ということです。

声つきのキャラクター要素（Omni）。 要素は、保存した人物、物体、場所です。モデルはどの場面でも同じに保ちます。3.0 Omniでは、4方向から要素を組むか、3〜8秒の動画から見た目と声をまとめて取り出せます。声は別に結び付けることもでき、5〜30秒の話し声の録音を使います。

できた動画の編集（Omni）。 背景、人物、物体の差し替え、色の変更、画像を手がかりにしたスタイル変更ができます。2026年6月以降、Omniは3〜15秒の動画を編集し、入出力とも4Kに対応します。

4Kモード。 2026年4月23日から、Video 3.0とVideo 3.0 Omniはスイッチ一つで4Kを生成します。Klingが挙げるのは、肌の質感、なめらかな色の移り変わり、小さな文字の鮮明さです。

Kling 3.0、Omni、Turboの違い

	Video 3.0	Video 3.0 Omni	Video 3.0 Turbo
用途	テキストとフレームからの生成	参照、要素、編集	速く安い生成
前のモデル	Kling 2.6	Kling O1	—
長さ	最長15秒	最長15秒	最長15秒
ショットごとの絵コンテ	あり	あり	あり
声つきの要素	—	あり	—
動画の編集	—	あり。3〜15秒、最大4K	—
4K	あり。2026年4月から	あり。2026年4月から	—
公開	2026年2月	2026年2月	2026年6月17日

KlingアプリでのOmniの料金は、音声ありの1080pが1秒12クレジット、720pが9。音声なしは8と6です。入力に動画があると、今のところ音声は生成されず、1秒は16と12クレジットです。4Kは1秒30クレジットです。

Kling 3.0が向いている仕事

• 10〜15秒の短い物語と対話。 ショットごとに、セリフと編集を付けて作ります。
• 続きもののキャラクター。 声つきの要素なら、別の動画でも見た目と声を同じにできます。
• ロゴと文字のある広告。 商品や服の文字が動画の最後まで保たれます。
• 撮った動画の修正。 動きを残したまま、背景や物体を差し替えます。
• 大画面向けの4K仕上げ。
• 参照からのダンスや動き。 Kling Motion Control を使います。

Kling 3.0と他のモデル

	Kling 3.0	Seedance 2.5	Veo 3.1	Vidu AI Q3
開発元	Kuaishou	ByteDance Seed	Google DeepMind	ShengShu
1回の長さ	最長15秒	4〜30秒	4、6、8秒	1〜16秒
最大解像度	4K	1080p	4K	1080p
ショットごとの絵コンテ	あり。ショットごとに設定	あり。ショットまたはタイムコード	プロンプト経由	ショットの自動切り替え
声のあるキャラクター	あり。要素	あり。音声参照	なし	Q4 Previewの音声参照
動画の編集	あり。Omni	あり	延長のみ	延長のみ
AI2Face	あり	あり	あり	あり

ステップごとの絵コンテと、声を保った繰り返しキャラクターには、Kling 3.0が一番扱いやすいです。Seedance 2.5は動画の長さが倍で、参照も多く取れます。Veo 3.1は短い場面の物理がより正確です。

Kling 3.0のプロンプトの書き方

1. 動画を長さつきのショットに分ける。 「ショット1（2秒）：ワイド……」。合計は15秒以下にします。
2. 各ショットにサイズとカメラを書く。 ワイド、ミディアム、クローズアップ、俯瞰、周回。
3. キャラクターは要素の名前で呼ぶ。 「@Annaが@Maxの向かいに座る」。モデルは保存済みの要素と対応させます。
4. セリフは名前のあと、かぎ括弧に入れる。 要素に声が結び付いていれば、声の説明は不要です。
5. 音は明示する。 電車の音、音楽、最後の静けさ。

上の絵コンテの例です。

ショット1（2秒）：ワイド。@Maxと@Annaが古い緑の車両で向かい合って座っている。電車は走っている。
ショット2（3秒）：@Annaの横顔のクローズアップ。窓の外を見て聞く。「どこへ行くの？」
ショット3（3秒）：@Maxのクローズアップ。笑って答える。「一年中夏のところだよ。」
ショット4（3秒）：ミディアム。@Annaが彼の方を向いてうなずく。「夏が好き。」
ショット5（3秒）：ワイド。二人が笑い、窓の外を野原が流れる。音：車輪の音、暖かいオフのジャズ。

日本語は公式の音声言語に入っています。ほかは英語、中国語、韓国語、スペイン語です。リストにない言語のセリフは、この5つのどれかで書いてください。

AI2FaceでKling 3.0を使う

Kling 3.0はAI2Faceのジェネレーターにあり、Seedance 2.5、Veo 3.1、Vidu AI Q3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本体の無料枠は Kling AI 無料 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 3.0 を選びます。
3. フレームか参照をアップロードし、ショットごとにプロンプトを書き、長さと解像度を指定します。
4. クレジットの費用は開始前に表示されます。カードまたは暗号資産で支払えます。パックのクレジットに有効期限はありません。

要素用のアングルは同じジェネレーターで作れます。たとえば Nano Banana Pro で、このページのシートのように並べます。

制限

• 上限は15秒です。 それより長い場合はつなぐか、Seedance 2.5 か Kling 4.0 を使います。
• 動画を入力すると音がオフになります。 Omniでは、動画参照があるあいだ音声は生成されません。
• 動画があると参照が減ります。 動画を入れると、画像または要素は7点ではなく4点までです。
• ファイルの条件。 画像は一辺300px以上、10MBまで。動画は3〜10秒、200MBまで、2K以下です。
• 音声の言語。 日本語は公式リストにあります。英語、中国語、日本語、韓国語、スペイン語です。

まとめ

絵コンテどおりに進め、同じキャラクターを繰り返し出すなら、Kling 3.0が最も向いています。声つきの要素と、ショットごとの設定はここだけです。4KモードとTurboは両端をカバーします。大画面向けの仕上げと、速い下書きです。15秒では足りないとき、またはキャラクターと参照が何十もあるときは Seedance 2.5 に移ってください。短い写実の場面は、同じAI2Faceのジェネレーターで Veo 3.1 と比べてみてください。