Kling 4.0とは？30秒の動画生成と、映像の展開を指定する新機能

Kling AIは、新しい動画生成AI「Kling 4.0」を発表しました。最大30秒の動画生成、最大10枚のキーフレームによる展開の指定、最大15件の参照素材への対応など、映像の長さと制作時の自由度を高めています。

本体の提供は2026年10月を予定しています。先行して「Kling 4.0 Flash」が、Ultra年間プランの契約者向けに提供されています。

Kling 4.0は、1回の生成で最大30秒の動画を作成できます。短い動画を後からつなぎ合わせるだけでなく、ある程度まとまった場面を、一続きの映像として生成できる点が特徴です。

例えば、人物が部屋に入り、何かを見つけ、表情を変えるまでの流れや、商品を見せてから実際に使う場面までを描く、といった用途が考えられます。動画を延長する機能にも対応するとしています。

ただし、30秒の生成に対応することと、その全体で人物や動きが常に正確に保たれることは別です。長い場面での安定性は、公開後の検証も重要になります。

今回の注目点が、最大10枚のキーフレームを使った制御です。キーフレームとは、映像の途中に置く「この時点では、この構図や状態にしたい」という目印になる画像です。

例えば、人物の全身、手元の動作、最後の表情といった重要な場面を用意すれば、映像がどのように進むかを、画像でも伝えられます。

文章だけでは細かく伝えにくい構図や場面の変化を指定できるため、狙った演出に近づける手段が増えます。広告や短編映像の制作では、完成形を思い描きながら生成を進めやすくなると考えられます。

参照機能「Omni Reference」も強化され、異なる種類の情報を扱うマルチモーダルな参照素材を、最大15件まで利用できるとしています。

参照素材は、AIに人物や物の見た目、映像の雰囲気などを伝えるための手がかりです。同社は、参照方法の充実に加え、生成結果の一貫性と動画編集機能も改善したと説明しています。

制作上は、登場人物や商品、背景などの条件をそろえながら、複数の場面を作る用途が期待できます。ただし、素材の種類ごとの上限や、組み合わせの細かな条件は、今回の投稿だけでは分かりません。

映像面では最大4Kの解像度と、10-bit HDR出力への対応を掲げています。10-bitは色の段階を細かく表す仕組みで、HDRは明るい部分から暗い部分まで、広い明暗を扱う技術です。

音声面では、左右の広がりを表現するステレオ音声と、発話に口の動きを合わせるリップシンクを改善しています。複数の言語に加え、アクセントや方言への対応も発表されました。

動きの安定性も改善点として挙げられていますが、今回の発表では、他モデルとの比較スコアや生成成功率は示されていません。現時点では、これらは同社が公表した機能と性能の説明として捉える必要があります。

現在、先行利用できると案内されているのは、Ultra年間プラン向けのKling 4.0 Flashです。Kling 4.0本体は10月の提供予定で、開発者が自分のサービスに組み込むためのAPIも、10月に提供すると案内されています。

先行利用を希望する場合は、対象の契約アカウントでKling AIにログインし、Flash版の利用可否を確認する形になります。

今回確認した発表では、具体的な提供開始日、4.0の生成料金や消費クレジット、API単価、無料枠は明示されていません。また、本体向けに発表された最大30秒などの仕様が、Flash版にもすべて適用されるとは限らないため、利用時には両者の条件を確認する必要があります。