# Kling：Kuaishouの動画モデル、3.0と4.0でできること

> Klingは中国企業Kuaishouの動画モデル群です。Kling 3.0は2026年2月5日に公開され、720pと1080pで最長15秒、1回の生成で複数ショット、多言語のネイティブ音声、写真と動画からのキャラクターに対応します。2026年9月28日には最長30秒を掲げる4.0が発表されましたが、まだ早期アクセスです。AI2FaceではジェネレーターからKlingを使えます。

開発元: Kuaishou · リリース: 2026-02-05 · 更新日 2026-10-01
URL: https://ai2face.com/ja/models/kling

## 主要データ

| | |
|---|---|
| 開発元 | Kuaishou (Kling AI) |
| バージョン | Kling 3.0と3.0 Omni（2026年2月5日）、3.0 Turbo、Kling 4.0（2026年9月28日発表） |
| できること | テキスト、画像、動画、音声から音声つき動画を作り、クリップを編集する |
| 長さ | 3.0は最長15秒、4.0は最長30秒（発表値） |
| 解像度 | 3.0は720pと1080p |
| 複数ショット | 各ショットに長さ、サイズ、アングル、カメラの動きを指定する絵コンテ |
| 参照 | 画像は最大7枚。3〜8秒の動画からキャラクターを声ごと取り出せる |
| 音声 | ネイティブ。複数の言語、方言、なまりのセリフに、音楽と効果音 |
| AI2Face | あり |

## 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。

[料理人がバジルとトマトを切り、炎の立つ鍋でパスタを投げ、パルメザンをすり、笑顔で皿を受け渡し口に置く](https://ai2face.com/_astro/media/models/kling/multi-shot.mp4 "1つのプロンプトから4ショット。クローズ、ミディアム、スローのクローズ、ワイド。Kling 3.0 Pro、15秒")

**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。

[グレーのコートのストリートバイオリニストが夕方、石のアーチの下で弾き、バイオリンを下ろしてカメラに話しかける](https://ai2face.com/_astro/media/models/kling/dialogue.mp4 "旋律、カメラへの一言、街の騒音が1回の生成に入っています。最後で弓が手からわずかに離れます。Kling 3.0 Pro、10秒")

**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。

[パルクールの選手が夕暮れの屋上を走り、建物の隙間を跳び、着地する。カメラは横を飛ぶ](https://ai2face.com/_astro/media/models/kling/motion.mp4 "隙間を越えるジャンプとカメラの移動。Kling 3.0 Pro、10秒")

**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。

[赤い巻き毛の女性が秋のピクニックの毛布から起き、コートとベレーを着て、赤いカエデの葉を顔に近づける](https://ai2face.com/_astro/media/models/kling/first-last-frame.mp4 "秋の撮影のコマを始まりと終わりに使っています。顔は保たれますが、途中で服が溶け合います。Kling 3.0 Pro、9:16、8秒")

**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](/ja/models/veo-3-1) | [Seedance 2.5](/ja/models/seedance) | [Gemini Omni 1.1 Flash](/ja/models/gemini-omni) |
|---|---|---|---|---|
| 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](/ja/models/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](/ja/models/gemini-omni)** — 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](/ja/models/veo-3-1) か [Gemini Omni](/ja/models/gemini-omni) を選びます。

## よくある質問

### Klingとは何ですか？

ショート動画のプラットフォームも運営する中国企業Kuaishouの動画モデルです。テキスト、写真、動画から音声つきのクリップを作ります。Kuaishouが2026年2月に示した数字では、利用した作者は6000万人を超えています。

### Kling 3.0の新しい点は何ですか？

長さが10秒から最長15秒になり、多言語のネイティブ音声、1本の中の複数ショット、より安定したキャラクター、写真に近い見た目が入りました。テキスト、画像、音声、動画を理解する1つのモデルにまとまっています。

### Kling 4.0はいつ出ますか？

Klingは2026年9月28日に4.0を発表しました。軽いKling 4.0 Flashが早期アクセス中で、完全版とAPIは「近日」とされています。発表では最長30秒、複数のキーフレーム、Omni参照が挙げられています。

### Kling Motion Controlとは何ですか？

動きを移すモードです。参照動画の人物の動きを、画像のキャラクターに載せます。実写のダンスやジェスチャーに合わせて写真を動かせます。

### AI2FaceでKlingは使えますか？

使えます。KlingはAI2Faceのジェネレーターにあり、料金は生成前に表示されます。4Kや短い音声つきクリップには、同じジェネレーターにVeo 3.1とGemini Omni Flashがあります。

## 出典

- https://ir.kuaishou.com/news-releases/news-release-details/kling-ai-launches-30-model-ushering-era-where-everyone-can-be
- https://kling.ai/quickstart/klingai-video-3-omni-model-user-guide
- https://kling.ai/dev
- https://kling.ai/
- https://ai.google.dev/gemini-api/docs/veo
- https://seed.bytedance.com/en/blog/one-take-creation-flexible-referencing-introducing-seedance-2-5