kling-4.0/omni-video API

Kling 4.0 Omniは、Kuaishouが2026年にリリースしたKling 4.0映像生成モデルの参照駆動型バリアントです。テキスト入力に加え、画像・動画・音声を参照素材として受け取り、映像とステレオ音声を出力します。1つのタスクで最大15点のマルチモーダル参照素材を組み合わせることができ、内訳として最大10枚の画像（各30MB以下）、最大5本の動画クリップ（各3〜30秒、合計30秒以下）、最大3つの音声プロファイル、最大7つの保存済み要素（うち3つは動画由来でも可）を利用できます。これにより、キャラクター・製品・シーンの一貫性を保ちながら、参照素材からの映像生成や編集が可能です。 出力は3〜30秒（デフォルト10秒、1秒刻みで調整可能）で、解像度は720p・1080p・4Kに対応します。アスペクト比は21:9、16:9、1:1、9:16、自動から選択でき、自動の場合は参照素材の比率に従います。10-bit HDRとデュアルチャンネルステレオ音声をサポートし、マルチショットモード（デフォルト有効、自動ショット分割）によるマルチショットナラティブ、最大10個のキーフレームによるキーモーメントの精密制御、ターゲットを絞ったローカル編集、既存動画のリズム・ショット構成・スタイルを再利用するクリエイティブリメイクといった機能を備えています。 主な用途として、既存の製品動画の構造とリズムを参照したブランド広告制作、トレンド動画の構造に沿ったソーシャルメディアコンテンツ制作、複数のキャラクター画像参照によるショット間のキャラクター一貫性が求められるナラティブ動画、製品画像とシーン動画を組み合わせた製品デモ動画、既存映像の編集、元のモーションやキャラクターを変えずに新しい衣装や物体の画像参照を統合するといった作業が挙げられます。マルチモーダル参照による高い制御性と一貫性が強みで、4K・10-bit HDR・ステレオ音声を活かしたプロフェッショナルな映像制作に適しています。一方、リアリズムとプロンプト精度ではSeedanceが依然としてリードしているとのユーザー評もあります。Picsart AI PlaygroundおよびAPIで利用可能です。

料金は利用するプロバイダーと実際の使用量により決まります。長い入力などは料金が異なる場合があります。内訳をご確認ください。

テキスト、画像、動画、音声の入力に対応しています。これらの参照素材を組み合わせて映像を生成・編集できます。

出力は3〜30秒で、デフォルトは10秒、1秒刻みで調整できます。解像度は720p、1080p、4Kに対応しています。

Kling 4.0はテキストプロンプト、単一画像、またはキーフレームから映像を生成するのに対し、Kling 4.0 Omniは参照素材から生成する参照駆動型のバリアントです。

既存の製品動画の構造やリズムを参照したブランド広告制作、トレンド動画の構造に沿ったソーシャルメディアコンテンツ、キャラクター一貫性が求められるナラティブ動画、製品デモ動画、既存映像の編集などに適しています。

Kling 3.0と比較して、最大15秒からネイティブ30秒へ延長、キーフレームが最初と最後のフレームから最大10個へ拡張、参照素材が最大15点のマルチモーダル参照へ拡張、動的モーションの安定性向上、音声がモノラルからデュアルチャンネルステレオへアップグレード、多言語サポートの拡大、より精密な映像編集、クリエイティブリメイク機能の追加といった進化があります。