3〜30秒のワンテイク
フル版Kling 4.0は1回の処理で3〜30秒を生成します。Kling 4.0 Flashは最大20秒まで実行できます。
Kling 4.0 AI動画ジェネレーター
KuaishouのKling 4.0 AI動画ジェネレーターは、ワンテイクのシーンを30秒まで拡張し、同時生成のステレオサウンドとリップシンク音声に対応します。テイクを回す前に、Virseキャンバスを使ってクリーンな参照静止画を用意し、タイムコード付きのブリーフを構成しましょう。
作成を始めるには、デスクトップのブラウザでこのページを開いてください。
Kling 4.0で30秒のシーンを演出する
ほとんどの動画ジェネレーターは、クリップを、アクションが完了する前に途切れてしまう単一のカメラワークとして扱います。KuaishouのKling 4.0は、ワンパス生成を30秒まで拡張し、Kling 3.0の15秒制限を倍増させ、手動でつなぎ合わせることなく、ショットが開始状態から落ち着いた終わりまで展開する余地を与えます。
より長い尺が機能するのは、テイクの中盤が制御された状態に保たれている場合に限られます。30秒のシーンをまとまりのあるものに保つには、スクリプトを時間指定された区間に分割し、その過程でキーフレームの構図を固定し、カメラの動きと音の変化を時系列で明示する必要があります。
Kling 4.0とは？
Kling 4.0（Kling 4 や Kling AI 4.0 としても検索されています）は、Kuaishou の第4世代ネイティブ・マルチモーダル動画モデルで、より高速な下書き作成向けティアである Kling 4.0 Flash とともに、2026年10月にグローバルにリリースされました。Kuaishou はこのリリースを、タイムラインのキーフレーミング用の Frames、複数アセットにわたる被写体とスタイルの一貫性を保つ Omni Reference、そしてモーション物理を維持しながら参照クリップ内の要素を変更するクリエイティブな再生成向けの Edit Video という、3つの中核的な制作モードを中心に構成しています。
これらのモード全体で、このモデルは文章によるブリーフと視覚的参照から、映像と2チャンネルのステレオ音声を同時にレンダリングします。Kuaishou のドキュメントは、パブリッシャーおよびパートナーのエンドポイント全体にわたりフラッグシップ版と Flash 版の両方を対象としているため、このページでは、パブリッシャーの完全な仕様と、Virse ワークスペースにおける有効なコントロールおよび秒単位の課金を分けて説明します。
Kling 4.0の仕様概要
720p、1080p、4K HDR
720p、1080p、4K出力に対応し、上位2つのティアでは10ビットHDRカラーを利用できます。
最大10個のタイムラインキーフレーム
開始フレームと終了フレームに加え、最大8つの中間ビジュアルチェックポイントを固定します。
15アセットのオムニ参照プール
1つのブリーフに最大10枚の参照画像と5本の参照動画（合計最大30秒）を組み合わせられます。
2.0ステレオとリップシンク
2チャンネルステレオのルームトーン、効果音、音楽、リップシンク音声をワンパスでレンダリングします。
8,000トークンのプロンプトウィンドウ
詳細な時系列スクリプトと、21:9ウルトラワイドを含む5種類のアスペクト比に対応します。
Kling 4.0 AI動画ジェネレーターの主な機能
連続30秒のストーリーテリング
ワンパスの長さが30秒に倍増することで、3本の短いクリップをつなぎ合わせることなく、登場、物理的なインタラクション、最後の静止まで演出できます。
10点キーフレームタイムライン
テキストプロンプトだけでは、30秒の間にブレが生じる余地が大きすぎます。Kling 4.0はタイムライン上に最大10枚のキーフレーム画像を受け付けます。中間状態を固定することで、カメラのフレーミングとオブジェクトの配置を意図どおりに保てます。
マルチモーダル・オムニ参照システム
KuaishouのOmni Referenceワークフローは、1つのジョブで最大15個のアセットを扱えます。切り抜かれたキャラクターのポートレートとモーションクリップを指定することで、カメラが動いても被写体を認識しやすい状態に保てます。
10ビットHDRと21:9シネマ比率
フル版のKling 4.0は、16:9、9:16、1:1、21:9ウルトラワイドの各比率で、1080pおよび4Kの10-bit HDRを出力します。ネオンの夜景外観や逆光のガラスのような高コントラストシーンでも、ハイライトとシャドウのロールオフがより滑らかに保たれます。
2チャンネルステレオとダイアログ
映像と音声を2.0ステレオで同時にレンダリングできるため、多言語のリップシンク会話、個別のキャラクターボイス、足音、ルームトーンを1つのブリーフで演出できます。
フル版とFlashドラフティングティア
Kuaishouは、フラッグシップモデルにKling 4.0 Flashを組み合わせ、初期のプリビジュアライゼーションに対応します。Flashは単一の開始画像から720p SDRで20秒のテイクを作ることに重点を置いているため、4Kパスに移る前にカメラのブロッキングを素早くテストできます。
VirseでKling 4.0を使って制作
30秒のテイクや複数参照のブリーフは、ソースの静止画とタイムコード付きスクリプトが別々のフォルダーにあると破綻しがちです。Virseなら、40以上の画像・動画・テキストモデルを、参照アセットの隣に1つの共有キャンバス上でまとめて配置できます。
画像モデルでクリーンなキーフレームを作成
Virseキャンバス上の画像モデルで開始用と終了用の静止画を生成または調整してから、その正確な構図を動画ワークフローに取り込めます。
参照の役割をスクリプトの隣に保持
キャラクターのポートレートや商品のアングルを、キャンバス上で文章プロンプトのすぐ横に置いておけるため、各テイクが参照素材をどのように扱ったかを確認できます。
Klingの各エディションと30秒対応の競合を比較
Kling 3.0 Standard、Kling 3.0 Pro、Wan 3.0、Seedance 2.5のテイクをKling 4.0のブリーフの横に並べ、会話のタイミングとカメラの安定性を1つのビューで比較できます。
ライブコントロールとコンピュート見積もりを確認
Virse の動画課金は、モデル階層、解像度、音声設定に基づき秒単位で行われます。長いパスを開始する前に、ワークスペースで有効な入力スロットと正確な計算見積もりを確認してください。
Kling 4.0で何を作成できますか？
30秒の商品コマーシャル
同期した機械的な効果音とともに、マクロのマテリアルディテールからカウンター全体のヒーローショットへ、1つの連続テイクで移行します。
複数ビートのナラティブ短編
短いドラマチックなシーンに、余韻のための間を持たせます。5秒ごとにカットせず、登場、身体的なやり取り、静かなリアクションを演出します。
多言語プレゼンター動画
対応している世界各国の言語で、リップシンクされた音声とクリーンなルームトーンを備えた、カメラ目線の解説動画を制作します。
キーフレーム固定の部屋遷移
インテリアのリビールで開始状態と終了状態を固定し、建築のジオメトリを保ったまま、日中の光から夕方のランプ光へ移行させます。
キャラクター一貫性のあるソーシャルシリーズ
クリーンな参照ポートレートを使用して、縦型9:16またはワイドスクリーン16:9のエピソード全体で、認識しやすい主人公と衣装を維持します。
ウルトラワイド21:9のシネマスタディ
映画のプリビジュアライゼーションやタイトルシーケンス向けに作られたゆっくりしたドリー移動で、ワイドスクリーン21:9のフレーミングと10-bit HDRの照明比をテストします。
Virse で Kling 4.0 を使用する方法
モデル階層と形式を選択
Virseワークスペースを開き、動画モデルのエントリを選択して、シーンに合うアスペクト比、解像度、長さを設定します。
分離された参照を準備
キャンバス上でクリーンな被写体ポートレートとキーフレーム静止画を生成またはアップロードし、雑然とした背景がモーション処理ににじみ込まないようにします。
時系列のビートを書く
プロンプトを時間範囲（0〜10s、10〜20s、20〜30sなど）に分け、カメラの動きとステレオ音声レイヤーを明示します。
アップスケール前にペーシングを確認
フル尺の高解像度処理にコンピュートを費やす前に、720pまたはStandard設定でモーションのリズムとリップシンクがきれいに決まっているか確認します。
Kling 4.0プロンプトの書き方
長尺のシングルパスクリップでは、曖昧なプロンプトが弱点になります。6つの具体的な要素を軸にブリーフを構成することで、カメラの動きと被写体のアイデンティティを、開始から終了までステレオサウンドトラックと一致させられます。
- 被写体とリファレンスの役割
- 開始フレーム
- タイミング付きビート
- カメラの動き
- ステレオ音声レイヤー
- 終了フレーム
こう書く代わりに
テーブルの上に置かれた高級時計のシネマティックなコマーシャル、ドラマチックな照明、30秒、4K HDR、リアルな音。
こう書く
Reference 1 のブラッシュドスチール製クロノグラフの形状を使用し、暖かな左側のキーライトの下、ダークスレートの上に置かれた時計のマクロの斜め前からのビューで開始する。0 to 10s: 細い光のビームがサファイアクリスタルを横切る間、秒針が滑らかに進む。10 to 20s: ゆっくりドリーアウトし、ケースの横に置かれた折りたたまれたレザーストラップが見えるミディアムの卓上構図にする。20 to 30s: 時計の文字盤が柔らかな反射を捉える中、カメラを目線の高さで固定する。2.0 ステレオで控えめな機械式のチクタク音と静かなルームトーン、背景音楽なし、話し声なし。中央に配置された時計で締め、カメラは静止したまま。
Kling 4.0プロンプト例
これらのブリーフ用に生成されたコンセプトイラストです。Kling 4.0からレンダリングされた動画フレームや録音音声ではなく、静的な16:9のシーンプレビューです。
30秒の商品リビール
Reference 1のマットブラックヘッドホンのデザインを使用し、温かみのある漆喰壁を背景に、トラバーチンの台座に置かれたイヤーカップのクローズアップ横顔ショットから開始。0〜10s: ヘッドホンは静止したまま、柔らかなキーライトがアルマイト加工のヒンジを左から右へとなぞる。10〜22s: カメラがゆっくり後退し、ヘッドバンド全体のシルエットと接地影が見える、中央に配置された斜め3/4のヒーロービューへ。22〜30s: バランスの取れた卓上構図でカメラを静止。静かなスタジオのルームトーンと、最後に静止した瞬間のかすかな低いアコースティックな共鳴。音楽なし、声なし、テキストやロゴなし。
2人のキャラクターによる会話シーン
静かな夕方のスタジオで、丸めた紙の設計図が置かれたバーチ材の作業テーブルを挟んで座る2人の建築家。固定されたミディアムのサイドショットでフレーミング。0〜8s: 女性が図面から顔を上げて、「西側の中庭は4時を過ぎると光が入らなくなります」と言う。8〜12s: 男性が設計図を確認するあいだ、彼女は間を置く。紙がかすかに擦れる。12〜20s: 男性が落ち着いたバリトンの声で、「では、パラペットを半メートル下げましょう」と答える。話者ごとに異なる声、自然なリップシンク、静かなルームトーンと紙を扱う音をステレオで、背景音楽なし。最後は2人とも青写真に視線を戻して終わる。
キーフレーム固定の室内トランジション
Keyframe 1 から開始し、涼しい朝の光の中、未完成の炻器のボウルが無垢のオーク棚に並ぶ静かな陶芸工房を見せる。0 to 15s: カメラはゆっくり右へ水平トラックし、太陽光がコンクリートの床を横切って回り込み、中間地点の Keyframe 2 へ向かう。15 to 30s: 暖かな午後遅くの琥珀色の光が棚を満たし、光の筋の中で塵が漂う、締めの Keyframe 3 の構図に落ち着く。全体を通して、固定されたカメラ高で棚の形状とボウルの形を一貫させる。静かな工房の環境音と遠くの通りの空気感、音楽なし、会話なし。
Kling 4.0 vs. Kling 4.0 Flash vs. Kling 3.0
KuaishouのKling 4.0ラインアップは、Kling 3.0のリップシンク済み対話の基盤を土台にしながら、本格的なマルチキーフレーム制作と高速なFlashドラフト作成を切り分けています。
| 比較項目 | Kling 4.0 (Full Model) | Kling 4.0 Flash | Kling 3.0 (Standard & Pro) | 出典 |
|---|---|---|---|---|
| 単一パスの長さ | 3〜30秒 | 最大20秒 | 最大15秒 | 出典 |
| 解像度＆HDR | 720p、1080p、4K；1080p/4Kで10-bit HDR | 最大720p（8-bit SDR） | 最大60fpsで最大1080p HD | 出典 |
| キーフレーム制御 | 最大10個のタイムラインキーフレーム（開始、終了、さらに中間8個） | 開始/初期画像ワークフロー（マルチキーフレームタイムラインなし） | 開始フレーム、終了フレーム、またはその両方；マルチショット絵コンテモード | 出典 |
| マルチモーダル参照 | 最大15アセットのOmni Referenceプール（最大10枚の画像、5本の動画） | 高速反復のための効率化された参照入力 | 画像から動画への変換とキャラクター/音声制御 | 出典 |
| 音声＆スピーチ | ネイティブ2.0ステレオサウンドスケープと多言語リップシンク済み対話 | ネイティブステレオ音声とリップシンク | 共同生成サウンドと5言語のリップシンク済み対話 | 出典 |
| Virseワークスペースのステータス | アクティブな4.0エンドポイントと秒単価の見積もりは、ライブワークスペースのモデルセレクターで確認してください | Kuaishouの4.0ラインアップにおける高速ドラフト作成ティア | Virseカタログで有効（Standard: 11または20 compute/s；Pro: 15または26 compute/s） | 出典 |
より良いKling 4.0ブリーフのためのヒント
30秒をビートに分割
区切られていない1つの文だけでは、30秒のクリップの途中で止まってしまうことがよくあります。各フェーズが1つの明確なアクションを持つように、プロンプトを2つまたは3つの時間指定された区間（たとえば、0から10s、10から20s、20から30s）に分けてください。
参照写真内の被写体を分離
参照プールに追加する前に、Virse キャンバス上でニュートラルな背景のクリーンな被写体静止画を切り抜くか生成します。キャラクターの背後に街中の雑然とした要素や忙しいスタジオ小道具を残すと、生成シーンに不要なテクスチャが入り込む原因になります。
無音と個別の音声レイヤーを指定
セリフは引用符で囲み、ルームトーンと足音は別々に指定し、意図しないBGMなしでクリーンな会話が必要な場合は必ず「no music」と書いてください。
まずキーフレームでエンドポイントを固定
カメラワークや照明のトランジションでは、テキストだけに頼って部屋のジオメトリを保とうとするのではなく、開始と終了の両方のキーフレーム画像を用意してください。
試せる動画モデル
Kling 4.0 FAQ
Kling 4.0 AI動画ジェネレーターとは何ですか？
Kuaishouによって開発され、2026年10月にグローバル提供が開始されたKling 4.0は、ネイティブなマルチモーダル動画システムであり、書かれたスクリプト、タイムラインのキーフレーム、または最大15個の参照ファイルから、同期されたステレオサウンドと多言語リップシンクを備えた3〜30秒のクリップを生成します。
Kling 4.0 の動画クリップはどのくらいの長さにできますか？
フル版のKling 4.0モデルは、3〜30秒の連続したワンテイククリップを1回の処理で生成し、Kling 3.0の15秒という上限を2倍にします。軽量版のKling 4.0 Flashエディションは、より高速なブロッキングと反復作業のために、最大20秒のクリップを720pで生成します。
Kling 4.0 と Kling 4.0 Flash の違いは何ですか？
Kling 4.0はKuaishouのフラッグシップエディションで、3〜30秒の長さ、720p、1080p、10-bit HDR対応の4K解像度、最大10個のタイムラインキーフレームをサポートします。Kling 4.0 Flashは速度に最適化された下書き向けティアで、20秒および720p 8-bit SDRが上限で、複数キーフレーム入力には対応していません。
Kling 4.0 は Kling 3.0 と比べてどうですか？
Kling 4.0は、Kling 3.0の15sから最大30sへと最大ワンテイク長を2倍にし、4K 10-bit HDR出力と21:9のウルトラワイドフレーミングを追加し、フレーム制御を開始画像と終了画像から、10個のタイムラインキーフレームと15アセットのOmni Referenceプールへと拡張します。
Kling 4.0 はいくつのリファレンスとキーフレームをサポートしていますか？
Kuaishouが公開している仕様では、Kling 4.0は最大10個のタイムラインキーフレーム画像（開始、終了、および最大8個の中間チェックポイント）と、Omni Referenceプール内の最大15個のマルチモーダルアセットを受け付けます。ただし、画像は10個、参照動画は合計最大30秒の5本までに制限されます。
Kling 4.0 はステレオ音声とリップシンクされた会話を生成できますか？
はい。各処理には、環境音、物理的なアクション音、音楽、複数言語にわたるリップシンク済みの台詞を組み合わせた2.0ステレオサウンドトラックを含めることができます。話させたい台詞はプロンプト内に直接引用し、室内音だけのクリーンな音声にしたい場合は必ず"no music"と書いてください。
Kling 4.0 の料金はいくらですか？また Virse での動画課金はどのように行われますか？
Virseの動画モデルにはBasic（月額$10、1,000 compute/月）から始まる有料プランが必要で、モデルティア、解像度、音声設定に応じて秒単位で課金されます。2026年10月30日にVirseの料金ページで確認済みです。プラン、含まれるcompute、機能制限は変更される可能性があるため、ワークスペースでライブエンドポイントと見積もりを確認してください。
このページの画像は、Kling 4.0 の動画出力をレンダリングしたものですか？
いいえ。このページの各ビジュアルは、ライブのプレイヤーキャプチャやベンチマークサンプルではなく、シーンのブロッキングとプロンプト構造を示すために作成された静的な16:9コンセプトイラストです。