Kling 2.6：ネイティブ音声動画モデルのガイド、プロンプトと活用例

Kling 2.6の概要

開発元

Kling AI（快手科技）

リリース日

2025年12月3日

入力

テキストまたは画像（最初のフレーム、または最初と最後）

クリップの長さ

5秒または10秒

解像度（API）

720pまたは1080p。音声には1080pが必要

アスペクト比

16:9、9:16、1:1

音声

ネイティブの話し声、効果音、環境音

音声の言語

中国語と英語

オープンソース？

いいえ、クローズドモデル

無修正？

いいえ、Klingのポリシーでモデレーション

Kling 2.6 とは？

Kling 2.6（Kling VIDEO 2.6とも表記）は、快手科技（Kuaishou Technology）のKling AIシリーズに属する動画生成モデルです。この番号はアプリではなくモデルのバージョンを示します。証券時報の報道によると快手は2025年12月3日にリリースし、Klingは2025年12月16日に英語版ユーザーガイドを公開しました。最大の特徴はネイティブ音声で、1回の生成で映像と同時に音声、効果音、環境音が返ってきます。Klingはこれを「See the Sound, Hear the Visual」と表現しています。テキスト（テキストから音声付き映像）または静止画（画像から音声付き映像）から生成でき、音声はオフにもできます。クリップは5秒または10秒で、16:9、1:1、9:16に対応します。Klingはこのモデルをウェブプラットフォームとアプリで提供しており、APIも利用方法の一つです。

無修正の Kling 2.6 が求められる理由

Klingはすべてのプロンプトとアップロードに快手のユーザーポリシーを適用しており、このポリシーは性的に露骨なコンテンツ、なりすまし、嫌がらせを禁止しています。公式の無修正版はなく、フィルター回避をうたうサイトは未検証で、Klingの規約に違反する可能性があります。モデレーションが緩いと宣伝するサードパーティもありますが、実際に何が動いているかは確認できません。無修正版を探す人の多くは、公式アプリが拒否する成人同士の合意あるシーンをリアルに動かしたいと考えています。それが目的なら、このサイトでモデレーション層なしで生成できます。Spicy AIの画像から動画ツールはKlingではなくMiniMax H3 Turboを使用し、成人（18歳以上）専用です。

Kling 2.6の位置づけ：2.5 Turboから4.0まで

バージョン番号は次々と変わるので、順番に整理しておくと便利です。Kling 2.5 Turboは2025年9月に登場しました。VIDEO 2.6は2025年12月3日に、初のネイティブ音声リリースとして続きました。2026年2月6日付のKling自身の3.0ガイドには、VIDEO 2.6がVIDEO 3.0にアップグレードされたと記載されており、最大15秒のクリップ、要素の一貫性、マルチショットのストーリーテリングが追加されています。Kling 4.0は2026年10月14日に続きました。旧モデルは今もKlingのAPIドキュメントに掲載されていますが、いつまで利用できるかは約束されていません。それでも調べられる実用的な理由は3つあります。ネイティブ音声を備えたKlingで最も軽いオプションであること、10秒あればほとんどのSNSクリップに足りること、そして多くのチュートリアルやワークフローがこのモデル向けに書かれていることです。

日付はKlingのユーザーガイドと証券時報の報道に基づきます。

Kling 2.6のネイティブ音声：何を生成できるか

一般的なAI動画のワークフローでは、無音のクリップをレンダリングし、ナレーションを録音または生成し、効果音を加え、リップシンクを手作業で調整します。Kling 2.6はこれらの工程を1回の生成にまとめます。Klingのガイドには生成できる音の種類が挙げられており、感情や話す速さも制御し、口の動きをセリフに合わせます。注意すべき制限は2つあります。音楽モデルではないこと、そしてKlingによると歌唱では話し声よりも声の一貫性が弱いことです。同じプロンプトをネイティブ音声オンとオフで試すのがおすすめです。後で自分のサウンドトラックを付けるなら無音版で十分です。

• 話し声：モノローグ、ナレーション、複数キャラクターの会話をリップシンク付きで。
• パフォーマンス：歌やラップ。10秒クリップが最適。
• 環境音：雨、群衆、風、室内の空気感、街の雑音。
• 効果音：足音、ガラスの割れる音、ドア、物や動作の音。
• 複合サウンドスケープ：音楽と背景音に声を重ねたものを1つのクリップで。

リップシンク、中国語ボイスと言語の制限

音声は中国語と英語のみに対応しています。他の言語でセリフを書くと、Klingは音声化の前に英語に翻訳するため、日本語やスペイン語のセリフは英語の音声で返り、元のニュアンスは失われます。中国語の商品ナレーションや英語の広告なら期待どおりに動きますが、その他の言語では別途吹き替えの工程を予定してください。Klingのガイドには実用的なルールもあります。英語のセリフは小文字で書き、大文字は略語と固有名詞だけにする（そうしないと発音がずれることがある）、セリフと歌には10秒クリップを使ってセリフを言い切れる余裕を持たせる、複数人のシーンでは話者ごとにラベルを付けて誰が話し誰が黙っているかをモデルに伝える、といったものです。リップシンクは、短い文、一度に1人の話者、セリフの途中でカメラが切り替わらない場合に最も安定します。

クリエイターがKling 2.6で作っているもの

Kling自身のデモや、このモデルを中心に作られたチュートリアルを見ると、繰り返し登場するフォーマットはごく少数で、どれも映像と同時に音が出ることを活かしています。共通しているのは短い会話主体のコンテンツです。通常なら声優、サウンドデザイナー、リップシンク作業が必要なクリップが、1つのプロンプトから生まれます。以下はKlingのショーケースやクリエイター向けガイドに見られるクリエイティブなトレンドをまとめたもので、人気のフォーマットを示しており、品質のランキングではありません。

• トーキングヘッド広告とUGCフック：司会者が商品を持って一言話す、縦型フィード向けの動画。
• 街頭インタビュー：車の音や話し声を背景に、2〜3人が順番に答える。
• スポーツ・ゲーム実況：速いアクションに興奮したナレーターの声。Kling自身のデモテーマの一つ。
• 音楽の一場面：短いサビやラップの一節。多少の声のブレは許容。
• ASMRやムード系クリップ：ガラスに当たる雨、パチパチと燃える火、ささやき声、接写の質感。
• ミニドラマ：10秒の感情的な2人のやり取り。シリーズとしてつなげることが多い。

Kling 2.6の評価

リリース時の報道は一点に集中していました。Kling 2.6は映像と音を同時に出力する初のKlingモデルとして紹介され、中国の経済メディアはワンクリックでのショート動画制作に向けた一歩と報じました。よく挙がる称賛と不満は、Kling自身のドキュメントの内容からそのまま導かれるもので、期待値の目安として妥当です。ここでは個別のレビューやスコアは引用しておらず、2.6、3.0、4.0を同条件で比較した独立したベンチマークもありません。

セリフとサウンドのためのKling 2.6プロンプトの書き方

Klingはプロンプトを5つの要素で組み立てることを推奨しています。シーン、要素、動き、音声、そしてスタイル・ムード・カメラなどのその他の詳細です。多くの人が書き足りないのが音声の部分です。すべての音を1行に詰め込まず、音ごとに1文で書きましょう。セリフには角括弧の話者タグに続けてセリフを書きます。例：[woman, warm and slow] says: "try this one, it's my favorite." 会話では話者全員の名前を挙げ、誰が黙っているかも書きます。1クリップにつきメインのアイデアは1つにしましょう。

• まずシーン：雨の夜のカフェや昼の明るいキッチンなど、場所と時間。
• 要素：画面に誰がいるか。成人として、服装と表情を添えて描写。
• 動き：メインの動作を1つとカメラワークを1つ（ゆっくりとしたプッシュインなど）。
• 音声：話者タグとセリフ、次に環境音、最後に主要な効果音を1つ。
• その他：スタイル、照明、ムードの言葉は最後に。
• 長さ：数語より長いセリフがあるなら10秒を選択。

コピーして使えるKling 2.6プロンプトテンプレート

角括弧の部分を置き換え、順番はそのまま保ってください。最初の3つはKlingのネイティブ音声を使うテンプレートです。最後の2つは写真アニメーション向けに書かれているため、このサイトの画像から動画ツールでも使え、声や音楽は後から追加します。

Kling 2.6 API：エンドポイントとパラメーター

APIはウェブプラットフォームと並ぶ、このモデルの利用方法の一つです。POST /text-to-video/kling-2.6 と POST /image-to-video/kling-2.6 が提供されています。プロンプトは最大2,500文字で、ポジティブとネガティブの両方の記述を含められます。主なパラメーターは audio（native または off）、resolution（720p または 1080p）、duration（5秒または10秒）、aspect_ratio（16:9、9:16、1:1）です。つまずきやすいルールがいくつかあります。ネイティブ音声には1080pが必要です。画像から動画では最初のフレームのみ、または最初と最後のフレームの両方を受け付けますが、最後のフレームのみは不可で、最初と最後のフレームを使う生成は1080p限定です。1リクエストで参照できる声は最大2つで、声を設定するには音声をオンにする必要があり、音声オフでは声を指定できません。ウェブプラットフォームでは最大4本の動画を同時に生成できます。

Kling 2.6の音声が出ない？よくある対処法

無音や不具合のある結果の大半は、限られた原因によるものです。まず音声設定を確認し、次にリップシンク、音のバランス、映像そのものをチェックしましょう。

• まったく音が出ない：ネイティブ音声がオフになっている、API呼び出しで audio=off を使っている、またはリクエストがネイティブ音声非対応の720pになっている。
• リクエストが拒否される：音声オフのまま声を設定した、3つ以上の声を参照した、または最後のフレームだけを指定した。
• 言語が違う：セリフが中国語でも英語でもなく、自動的に英語に翻訳された。
• 口の動きがずれる：セリフが長すぎるか速すぎる、複数人が同時に話している、または文の途中でカメラが切り替わる。短いセリフ、1人の話者、10秒を使う。
• 音がこもる：効果音を重ねすぎている、または環境音が声より大きい。1文につき主要な音を1つ描写する。
• 映像が弱い：入力画像の解像度が低い、または画像がプロンプトと合っていない。画像を差し替えるか動作を単純化する。

Kling 2.6とKling 3.0、O1、その他の代替モデルの比較

10秒以下のクリップで音が必要で、ネイティブ音声を備えた最も軽いKlingを使いたいならKling 2.6を選びましょう。最大15秒、要素の一貫性、1回の生成での複数ショットが必要ならKling 3.0です。Kling自身も3.0を2.6のアップグレードと位置づけています。Kling O1は別のツールで、統合型のマルチモーダル生成と編集に重点を置き、3〜10秒のクリップと最大7枚の参照画像を扱え、音声オプションはオリジナルかオフのみです。Kling 4.0は最新モデルで、複雑な動き、参照の一貫性、ストーリーテリングを狙っています。Kling以外では、Google VeoやOpenAI Soraとは長さ、音声対応、解像度など確認できる事実だけで比較しましょう。成人向けコンテンツにはどれも使えないため、そこでフィルターなしのオンラインツールの出番となります。

Kling 2.6はオープンソース？

いいえ。Kling 2.6はクローズドモデルです。快手は公式の重みを公開していないため、ダウンロードやローカル実行はできず、Klingのローカル版ダウンロードを提供するページは未検証のものとして扱うべきです。利用方法はKlingのウェブプラットフォーム、アプリ、API、そして同じサービスを呼び出すリセラーです。一部のサードパーティページはこのモデルで4K出力や48kHz音声をうたっていますが、どちらもKling自身のドキュメントには記載がなく、記載されているのは720pと1080pのみです。自分で動かせるオープンウェイトの動画モデルが必要なら、重みを公開しているモデルを検討してください。

編集部の見解：Kling 2.6は今も使う価値がある？

Klingのガイドを並べて読むと、2.6は今やフラッグシップではなく軽量オプションというのが編集部の見方です。これは公開された事実からの結論であり、独自のベンチマークテストによるものではありません。

• おすすめ：10秒で足りる、中国語または英語の短い広告、UGCフック、トーキングヘッド動画。
• おすすめ：ショット間の一貫性より、音声付きの出力をすばやく得ることが重要な下書き。
• 不向き：複数ショット、繰り返し登場するキャラクター、10秒を超えるクリップが必要なストーリー。3.0か4.0を使う。
• 不向き：中国語と英語以外の言語の会話。
• 不向き：成人向けコンテンツ。Klingのポリシーではどのバージョンでも許可されていない。

ステップごとに：Spicy AIで写真を動かす

ブラウザでのワークフローには、Klingのアカウントも設定も不要です。Kling 2.6ではなくMiniMax H3 Turboを使うため、見た目はKlingの出力とは異なり、Klingのようなセリフ生成は含まれません。

• 1. このページ上部のボタンから画像から動画ツールを開きます。MiniMax H3 Turboがあらかじめ選択されています。
• 2. 自分が所有するか使用の同意を得た、成人の被写体の鮮明な写真をアップロードします。
• 3. 上の写真用テンプレートのいずれかを貼り付け、動作、カメラ、光を埋めます。
• 4. 短いクリップを生成して動きを確認し、やり直すたびに要素を1つだけ変えます。
• 5. 結果をダウンロードし、必要に応じて編集ソフトでナレーションや音楽を追加します。

Kling 2.6 風に仕上げるプロンプトのコツ

1. 動作を羅列するのではなく、「カメラの方を向く」のように1クリップにつきメインの動きを1つ描写しましょう。
2. 画像から動画では、動かしたい部分だけを描写します。人物と背景は写真がすでに決めています。
3. 映画的な仕上がりには「ゆっくりプッシュイン」や「手持ちのトラッキングショット」といったカメラ用語を使いましょう。
4. Spicy AIで生成する場合、セリフや音楽は別の音声トラックとして計画しましょう。
5. 使用権のある成人（18歳以上）の写真のみをアップロードし、実在の人物を同意なく動かさないでください。

出典

• Kling VIDEO 2.6 音声ユーザーガイド（Kling AI）
• Kling VIDEO 2.6 テキストから動画 APIリファレンス
• Kling VIDEO 2.6 画像から動画 APIリファレンス
• Kling VIDEO 3.0 ユーザーガイド
• Kling 4.0 ユーザーガイド
• Kling ユーザーポリシー
• 証券時報のリリース報道（中国語）

その他の無修正 AI 動画モデル

• uncensored kling
• 無修正 Kling
• 無修正 Kling O1
• 無修正 Sora
• 無修正 Veo
• 無修正 Hailuo AI
• 無修正 MiniMax H3 Max
• 無修正 Wan
• 無修正 Wan 3.0
• 無修正 Seedance
• 無修正 Seedance 2.5
• 無修正 Seedance 2.0
• 無修正 Seedance 2.0 Mini
• 無修正 HunyuanVideo
• 無修正 LTX Video
• 無修正 Runway
• 無修正 Pika
• 無修正 Luma Dream Machine
• 無修正 Vidu
• 無修正 PixVerse
• 無修正 EdenLive
• 無修正 Grok Imagine