Kling 4.0とは？30秒動画・キーフレーム・音声の新機能とFlashの違い、使い方を詳しく解説

Kling 4.0は、快手（Kuaishou）のAI動画システムの次世代モデルです。見栄えのよい短いクリップだけでなく、まとまりのあるシーンを作ることを目指し、最大30秒のネイティブ生成、最大10枚のキーフレーム、多様なマルチモーダル参照、ステレオ音声、部分的な動画編集を一つのワークフローにまとめています。

フルモデルのKling 4.0は2026年10月に公開予定です。Kling 4.0 Flashは9月28日に一部ユーザー向けの先行アクセスを開始しました。一般公開の正確な日付、最終的な料金、検証済みの公開API仕様は、まだ発表されていません。

参照素材を使ったAI動画制作の概念イラストです。Kling 4.0の生成結果ではありません。

Kling 4.0の仕様一覧

数値も大切ですが、より大きな変化は各機能の連携です。プロンプトを長くするだけで、一貫した動画ができるわけではありません。Kling 4.0では、何を維持するか、どこで物語を変化させるか、カメラや被写体をどう動かすかを、複数の方法で指定できます。

Kling 4.0で実際に変わること

Kling 3.0は、すでにマルチモーダル入力、ネイティブ音声、参照素材を使った生成、複数ショットのストーリーテリングに対応しています。Kling 4.0は、その基盤を主に四つの実用面で拡張します。

一つのシーンを最大30秒で生成

Kling 3.0の公式な上限は15秒です。Kling 4.0では、1回の生成の上限が30秒に倍増します。

その分、導入、動作、締めくくりを一つの動画に収めやすくなり、別々に生成したクリップをつなぐ必要を減らせます。つなぎ目が少なければ、ショット間で顔、衣装、商品、照明が意図せず変化する機会も減る可能性があります。

ただし、30秒あれば物語が必ずまとまるわけではありません。まとまりのある展開を試みる時間が増えるということであり、長さだけでなく、新しいキーフレームと参照素材の制御が重要になります。

最大10枚のキーフレームで物語の流れを指定

開始・終了フレームは、クリップの両端を定義します。マルチキーフレームでは途中の視覚的な目標も追加でき、重要な変化をどこで起こすかを指定できます。

簡単な30秒の構成なら、次のようなフレームが考えられます。

1. 場所と被写体を示す導入フレーム。
2. 主な動作を示す途中のフレーム。
3. 反応やカメラ位置の変化を示すフレーム。
4. 商品や人物を見せる最後のフレーム。

同じシーン内で自然につながる状態を指定しましょう。無関係な場所、衣装、カメラ方向へ飛ぶように求めると、連続性の維持は難しくなります。よいキーフレームは、中間の全フレームを置き換えようとせず、曖昧さを減らします。

Omni Referenceで多様な指示素材を組み合わせる

Kling 4.0は、画像、動画、声の参照、定義した被写体を合わせて最大15項目の参照素材を受け付けます。発表された種類別の上限は、画像10枚、合計30秒以内の動画5本、被写体7件です。被写体のうち、動画ベースのものは最大3件です。

素材ごとに異なる役割を持たせられます。

• 人物画像：顔の特徴、衣装、同一人物としての見た目を保つ。
• 商品画像：形、素材、ブランドの細部を指定する。
• 参照動画：演技、動き、カメラワーク、テンポを伝える。
• 絵コンテ、グリッド、キーフレーム：構図と物語の節目を示す。
• 声の参照：被写体の声を指定する。

参照素材は多ければよいわけではありません。各素材に明確な役割を一つずつ与え、矛盾を避けましょう。たとえば商品シーンなら、商品を固定する画像、主人公を定義する画像、カメラの動きを示す短い動画を使います。

音声と映像を一緒に設計

Kling 4.0は、2チャンネルのステレオ音声、より正確なリップシンク、言語対応の拡大を発表しています。対応言語として、中国語、英語、日本語、韓国語、スペイン語、ポルトガル語、ドイツ語、フランス語、インドネシア語などを挙げています。中国語の複数の方言や、アメリカ・イギリス・インドの英語アクセントも含まれます。

特に会話、演技、UGC風広告、環境音がテンポに関わるシーンで役立ちます。音を別工程の仕上げとして扱う代わりに、動作とともに発話、効果音、環境音をプロンプトで指定できます。

また、カメラ移動や場面転換を通じて、生成された文字をより安定して保つとしています。パッケージ、看板、広告グラフィックで役立つ可能性がありますが、必須の文言を含む動画は、公開前に全フレームを確認する必要があります。

既存動画をより細かく編集

発表された編集機能では、主動画1本を含む最大5本の入力クリップを扱えます。各クリップは3〜30秒、合計は30秒以内である必要があります。

Klingによると、シーンの他の要素を保ちながら、表情、身体の動き、カメラ位置、カメラ移動、背景、全体のスタイルを変更できます。公式作例以外でも安定して機能すれば、一部だけ直したい場合に、動画全体の再生成を減らせるかもしれません。

Kling 4.0とKling 4.0 Flashの違い

Kling 4.0 Flashは、新シリーズの高速モデルです。頻繁な制作と素早い試行を想定し、フルモデルは発表上、最も高い出力仕様と長さの上限を持ちます。

動画1本あたりの費用を信頼できる形で比較するには、公開情報がまだ足りません。「Flash」は速度と費用効率を重視するモデルを示しますが、1回の生成ではなく完成したプロジェクト全体でどちらが安いかは、最終的なクレジット料金と生成設定を確認して判断しましょう。

Kling 4.0とKling 3.0の違い

仕様表だけでなく、制作の進め方を比較すると、アップグレードの意味がわかります。

現在、このサイトで使えるのはKling 3.0です。現在の動画ジェネレーターで、利用可能なKling 3.0タスクを使って制作できます。KingVidでは、呼び出せるモデル、対応パラメーター、クレジット費用を検証した後にのみ、ジェネレーターをKling 4.0として表示します。

Kling 4.0のシーンを計画する方法

新しい制御機能を生かすには、準備が役立ちます。制作指示を五つの層に分けましょう。

1. 目指す結果を一つ決める

商品の紹介、人物の一場面、短い会話、連続したカメラ移動など、動画の目的を決めます。無関係なアイデアをいくつも詰め込むより、一つの明確な結果を目指すシーンのほうが指示しやすくなります。

2. タイムラインを整理する

シーンを少数の節目に分け、各段階で何が変わり、何を維持するかを書きます。そのうえで、視覚的な判断を固定する必要がある箇所にだけキーフレームを使います。

3. 各参照素材に一つの役割を与える

人物、商品、場所、動き、声を固定するために必要な最小限の素材を選びます。生成前に重複を除き、矛盾を解消しましょう。

4. 映像と音を一緒に書く

被写体、動作、カメラ、環境、タイミングを記述し、会話、環境音、効果音を続けます。音楽、字幕、画面内の文字が不要なら、明確に指定しましょう。

5. 見栄えより先に連続性を確認する

色や映画的な雰囲気を評価する前に、人物の同一性、物の形、接触、移動方向、リップシンク、出来事の順序を確認します。きれいな1フレームでも、破綻した動作の流れは補えません。

応用しやすい構成は、Kling 4.0のプロンプト・作例ギャラリーをご覧ください。

Kling 4.0が特に役立ちそうな用途

発表された主な機能から、次の用途が考えられます。

• 短い物語と会話： 30秒あれば導入、やり取り、結末を収めやすく、キーフレームで重要な節目を固定できます。
• 商品広告： 商品参照、文字生成、カメラ制御、部分編集により、ショット全体で商品の見た目を維持しやすくなる可能性があります。
• UGCと多言語プロモーション： ネイティブ発話、アクセント、リップシンク、縦長形式が、出演者中心のSNS動画を支えます。
• アニメーションとゲーム予告編： 絵コンテ、スタイル参照、動きの動画により、美術方向とアクションをそろえられます。
• 映像表現の再構成： 参照動画のテンポ、構図、カメラ移動を手がかりに、人物、商品、環境を入れ替えられます。
• 既存映像の修正： 一部の編集で済めば、それ以外は成功しているクリップを作り直すより効率的かもしれません。

これらは公式発表に示されたワークフローであり、独立した品質ベンチマークではありません。幅広く利用できるようになった後に、実際の安定性、生成速度、費用を評価する必要があります。

発表された仕様を読むときの注意点

いくつかの数値は、過大に解釈されやすいものです。

2分は1回のネイティブ生成ではない

Kling 4.0の1回の生成は最大30秒です。発表された最大2分の機能は、動画を繰り返し延長するもので、近日対応予定とされています。

4K HDRがすべての環境で使えるとは限らない

基本仕様表には720p、1080p、4Kと、1080p／4Kの10-bit HDRが記載されています。一方、詳細なリリース本文では4Kおよび1080pの10-bit HDR出力を近日対応予定としています。利用可否は公開段階、モード、アカウントによって変わる可能性があります。

15項目は参照素材全体の上限

複数の素材種別を合わせた上限であり、種類別の制限もあります。すべてのタスクで画像15枚、動画5本、被写体7件を同時に使えるという意味ではありません。

公式作例はデモであり、中立的なベンチマークではない

本記事の動画はKlingの公開資料から引用しています。メーカーが選んだデモを示すもので、平均成功率、生成時間、必要な試行回数を証明するものではありません。

Kling 4.0の公開状況と料金

Klingはフルモデルの2026年10月公開を発表していますが、本記事で確認した資料には正確な公開日はありません。Flashは限定的な先行アクセスの対象者が利用でき、公式SNSの発表ではUltra Yearly契約者を最初の対象としています。

最終的な一般向け料金は未確認です。公開期間中は、アカウントや地域によって利用可否が異なる可能性もあります。生成前に、選択したモデル、長さ、解像度、表示されたクレジット見積もりを確認してください。

よくある質問

Kling 4.0は今使えますか？

Kling 4.0 Flashは2026年9月28日に限定先行アクセスを開始しました。フルモデルは10月公開予定ですが、一般公開の正確な日は発表されていません。

Kling 4.0では何秒の動画を作れますか？

1回の生成は3〜30秒です。繰り返し延長して最大2分にする機能も発表されていますが、近日対応予定です。

Kling 4.0は4KとHDRに対応していますか？

発表された仕様には4Kと、1080p／4Kの10-bit HDRが含まれます。詳細な発表では、これらのプロ向け出力を近日対応予定としているため、利用するモードで使えるか確認してください。

Kling 4.0のキーフレームは何枚まで使えますか？

開始・終了フレームのワークフローに加え、最大10枚のキーフレーム画像を扱えます。

Kling 4.0 Flashとは何ですか？

シリーズ内の高速で費用効率を重視するモデルです。発表上は3〜20秒、720p、8-bit SDRで、テキストから動画、画像から動画、Omni Referenceに対応します。

KingVidでKling 4.0を使えますか？

まだ使えません。現在のジェネレーターはKling 3.0を使用しています。Kling 4.0は、呼び出せるモデル、パラメーター、クレジット費用を検証した後に追加します。

Kling 4.0の料金はいくらですか？

最終的な一般向け料金は未確認です。Klingが公式料金を公開するか、ジェネレーターが選択した設定の検証済み見積もりを表示するまでは、第三者の推定額を各プラットフォーム固有のものとして扱ってください。

Kling 4.0のAPIはありますか？

この連携で使う最終的な公開API識別子とパラメーター仕様は、まだ検証されていません。モデル公開後に、公式ドキュメントでAPIの利用可否を確認する必要があります。

Kling 4.0は、個別のクリップ生成から、まとまった映像と音のシーンを演出する方向へ進んでいます。長期的な価値は「30秒」という数値以上に、キーフレーム、参照素材、音声、編集を組み合わせたときの安定性で決まるでしょう。

2026年9月29日に、Kling 4.0の公式リリースノート、公式公開発表、快手のKling 3.0発表と照合しました。