Kling 4.0 Image-to-Video API

Kling 4.0は、動画生成・マルチモーダル参照・編集を一つのシステムに統合したクリエイティブモデルです。参照画像を動かして映像化するイメージ・トゥ・ビデオを中核に、最大10枚のキーフレーム画像で映像の要所を制御したり、1プロジェクト内で最大10枚の画像と5本の動画を参照として利用したりできます。被写体画像、三面図、イメージグリッド、インフォグラフィック、キーフレーム、ワイヤーフレームといった多様な参照形式に対応し、被写体の構造や空間関係を保ちながら、大規模な動きや高速移動・追従撮影・旋回撮影などの複雑なカメラワークを安定して表現します。 人物表現では顔のディテール、素材感、照明が向上し、表情や姿勢のニュアンスをより繊細に伝えます。出力には2チャンネルのステレオ音声が含まれ、リップシンクの精度も高められています。多言語のテキスト、ロゴ、絵文字の生成も改善され、テキストと視覚参照を用いた被写体・背景・ビジュアルスタイルのマルチモーダル編集や、既存動画を参照したテンポ・構図・カメラワークの再現も可能です。入力はテキスト・画像・動画・音声の参照をまとめた統合入力ボックスで行え、グリッド表示とリスト表示による生成結果の比較、タイムライン編集、CanvasとAgentによるプロジェクト整理を備えています。 ブランド広告やコマーシャル、ショートストーリーやシネマティックなシーン、商品キャンペーン、ソーシャルメディア投稿、ビジュアルストーリー、商業制作やソロフィルムメイキング、絵コンテやビジュアル参照からのコンセプト映像・シーンプレビュー、トレンド動画スタイルの再現などに適しています。API経由やAtlas Cloudなどのクラウドカタログからも利用できます。

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。

画像・テキスト・動画・音声の入力に対応しています。統合入力ボックスでこれらを組み合わせて参照できます。

最長30秒のネイティブ動画を生成できます。最短は3秒からです。

キーフレーム画像は最大10枚まで指定できます。また、1プロジェクト内で最大10枚の画像と5本の動画を参照として利用できます。

はい。2チャンネルのステレオ音声を出力し、リップシンクの精度も高められています。

既存動画を参照して、テンポ、構図、カメラワークを再現できます。

Kling 4.0は動画生成・マルチモーダル参照・編集を一つのシステムに統合したモデルです。提供資料には他モデルとの定量比較はありません。