Kling 4.0：Omni Reference、ステレオ音声、FlashとAPIの状況

THE DECODERが10月19日に報じたところによると、Kling AIのバージョン4.0アップデートでは、1回あたりの動画クリップが長くなり、参照入力の拡張や音声・言語機能の強化が行われました。別途提供されるFlashモデルは、出力上限を抑えながら、より高速かつ低コストの生成を目指しています。

今回の発表には、まだロードマップ上にある機能も含まれています。特に、HDR出力、より長い動画拡張、バージョン4.0のAPI対応は、報道上では今後提供される機能とされています。これらは、今回のリリースで現時点に提供されていると説明された機能とは分けて考える必要があります。

より長いクリップと詳細なクリエイティブ制御

メインモデルは、1回の生成で最長30秒のクリップを生成でき、最大10枚のキーフレーム画像を受け付け、最大8,000トークンのプロンプトを理解すると説明されています。

キーフレームを使うと、クリエイターはシーケンス上の視覚的な状態や重要な瞬間を指定できます。トランジションや物語上の転換点を伝えるのに役立ちますが、入力上限があることだけで、生成されたすべてのフレームが意図したシーケンスにどの程度正確に従うかが保証されるわけではありません。

更新されたOmni Referenceシステムは、複数種類の参照素材を組み合わせます。上限は、次のようにまとめて解釈する必要があります。

カテゴリごとの上限は合算できません。画像10枚、動画5本、要素7個を同時に使用すると、記載されたアセット合計15個を超えてしまいます。

報道で紹介された同社の仕様によると、利用できる参照素材には、ストーリーボード、ワイヤーフレーム、画像グリッド、ホワイトモデル動画、深度マップ動画が含まれます。これらの入力は、ショットの異なる側面を表します。たとえば、ストーリーボードはシーケンスを、深度マップは空間構造を伝えられます。ただし、これらが含まれているからといって、すべての参照素材が同じ重みで扱われたり、確実に一致した結果が生成されたりすることを意味するわけではありません。

動画をテンプレートとして再利用する

Creative Recreationは、既存の動画を起点にして、キャラクターや製品を置き換える方法として説明されています。Klingによると、シーンの残りの部分を維持しながら、表情、動き、カメラ処理、背景を調整することもできます。

これは意図された編集動作であり、周囲のすべての細部が変更されずに維持されることを保証するものではありません。製品ショットやキャラクターのシーケンスでは、指定した編集だけでなく、意図しない変更がないかも生成クリップを確認してください。

比較には依然として判断が必要

出典では、視覚的な制御について説明した後、Wan 3.0およびSeedance 2.5との外部比較を紹介しています。

元の報道記事に埋め込まれた比較動画を見る

THE DECODERの評価では、ショットの論理、物理的な一貫性、対話の面で決定的な優位性を示すまでには至っていないものの、Klingは競争力があるとされています。これは事例に基づく編集上の評価であり、標準化されたベンチマークの結果ではありません。また、動画モデルの進歩が鈍化している可能性があるという報道の指摘も仮説にとどまります。これらの事例だけで、業界全体の傾向を確定することはできません。

ステレオ音声と多言語音声

今回のアップデートでは、2チャンネルのステレオ音声と、10言語を超えるリップシンクが追加されたと報じられています。対応言語としては英語、ドイツ語、日本語、韓国語、スペイン語などが挙げられており、異なるアクセントや方言への対応も説明されています。

生成動画内の多言語テキストも、もう1つの改善点として主張されています。Klingによると、カメラが動いてもテキストを安定させられるとのことです。看板や製品上の文字が含まれるショットでは、この機能を実際に確認する価値があります。

ステレオ出力と説得力のある音声は、別々の品質です。2チャンネルのサウンドトラックは音声形式を示すものであり、それだけで正確な発音、自然な話し方、クリップ全体での安定した同期が実現することを意味しません。

この報道では、同じ部分で2本目の動画比較も埋め込まれています。

Kling 4.0とSeedance 2.5の比較を見る

HDRと長時間の拡張は計画段階

報道では、次の2つの機能が後から提供されるものとして扱われています。

• 4Kおよび1080pでの10-bit HDR出力。
• 最長2分までの動画拡張。

2分という数字は、計画中の拡張機能に関するものです。現在のメインモデルについて報告されている、1回の生成で最長30秒という上限と置き換えて解釈すべきではありません。

Flash、制作インターフェース、エージェントアクセス

Kling 4.0 Flashは、より高速で低コストの選択肢として位置付けられています。出典には具体的な遅延の測定値や完全な価格比較は示されていないため、この位置付けを特定の速度向上率や節約額として表現すべきではありません。

報道によると、制作インターフェースも再設計されています。AIエージェントを利用するワークフロー向けにMCPおよびCLIアクセスが説明されていますが、インストールコマンドや完全な統合手順は提供されていません。

**MCPまたはCLIへのアクセスは、公開されたKling 4.0 APIがすでに一般提供されている証拠として扱うべきではありません。**同じ報道では、バージョン4.0のAPI対応は今後提供される機能として挙げられており、価格は発表されていないとされています。導入を前提に構築する前に、対象モデルとアカウントについて公式APIページを確認してください。

FAQ

Kling 4.0の新機能は何ですか？

報道によると、今回のリリースでは、より長いクリップ、キーフレームと参照素材の制御、ステレオ音声、拡張された言語機能が追加されました。また、Flash版と再設計された制作インターフェースも導入されています。一方で、発表された機能の一部はまだ計画段階です。

Kling 4.0の動画はどのくらいの長さまで生成できますか？

メインモデルは、1回の生成で最長30秒に対応すると報じられています。Flashの上限は20秒で、発表された2分間の拡張機能は、当時まだ近日提供予定と説明されていました。

Omni Referenceは参照アセットをいくつまで受け付けますか？

報道では、1回の生成あたりのアセット総数は最大15個とされています。画像10枚、動画5本、要素7個という個別の上限は、この合計数の範囲内で適用されます。また、動画の合計時間は30秒を超えてはなりません。

リップシンクに対応する言語はどれですか？

出典が伝えるKlingの主張では、10を超える言語に対応します。英語、ドイツ語、日本語、韓国語、スペイン語が明示されていますが、記事には言語や方言の完全な一覧は掲載されていません。

4K HDRはKling 4.0ですでに利用できますか？

出典では、4Kおよび1080pでの10-bit HDRは今後提供される機能として記載されています。そのため、このアカウントで現在利用できる出力形式として確定したものではなく、ロードマップ上の項目として扱ってください。

開発者は現在Kling 4.0 APIを利用できますか？

報道では、バージョン4.0のAPI対応は近日提供予定とされており、発表済みの価格は示されていません。MCPおよびCLIアクセスへの言及だけでは、公開APIの提供状況、モデル識別子、アカウントの利用資格は判断できません。

関連ツール

• Kling AI：Klingのクリエイティブツールにアクセスし、アカウントで提供されるモデルを確認するための公式プラットフォームです。
• Kling API Portal：対応する動画モデルと現在のAPI料金を確認するための公式ページです。

関連リンク

• THE DECODERの元記事：今回のリリースとその制限を説明した提供元の記事です。
• Kling 4.0のリリース項目：報道で引用された公式項目です。検証時点では詳細な本文を取得できませんでした。
• Klingのリリースノート：その後の製品変更を確認するための公式更新一覧です。
• Kling動画APIの料金：開発者向けの料金情報として出典がリンクしている公式ページです。
• 1本目の埋め込み比較動画：動画品質に関する出典の説明からリンクされた比較動画です。
• 2本目の埋め込み比較動画：リリース報道に追加で埋め込まれた比較動画です。

まとめ

報道されたKling 4.0の変更点は、クリエイターにより多くの入力制御、より長い個別クリップ、より豊かな音声・映像出力を提供することに重点が置かれています。Flashは、提示されている速度とコスト面の位置付けが有効なワークフロー向けに、720p・20秒という小さめの仕様範囲を提供します。

リリース済みの機能とロードマップ上の約束は分けて考えてください。報道では、HDR、2分間の動画拡張、Kling 4.0 API対応はいずれも今後提供される機能とされています。