Kling 3.0：1つのプロンプトでシーン全体を演出
Kling 3.0は、快手（Kuaishou）のKling AIが2026年2月上旬にリリースした動画モデルです。クリップ生成ツールというより、小さな撮影クルーのような感覚で使えます。1つのプロンプトで最大15秒の映像が生成され、複数のカメラアングルを切り替えながら、どのショットでも同じキャラクターを保ち、セリフや効果音、環境音まであらかじめミックスされています。ショートドラマの制作者、広告チーム、ミーム系チャンネルがいち早く取り入れました。以下では、旧バージョンからの変更点、活用シーン、マルチショットのストーリーボードの仕組み、そのまま貼り付けて使えるプロンプトのテンプレートを紹介します。
マルチショット風の動画を作る →
無修正の代替動画ジェネレーター
画像から動画開始フレームをアップロードし、動き、カメラワーク、雰囲気を説明してください。画像をもとにクリップが生成されます。
プロンプトを試す
プロンプト例は英語です。英語のほうが最も安定した結果が得られます。
監督のようなモデル：15秒、複数ショット、音声込み
多くのAI動画ツールは1つの連続ショットを出力し、編集は利用者任せです。このモデルはその常識を変えます。シーンを説明するか、ショットごとに書くだけで、モデル自身がカット割りを計画します。状況を見せる引きの画、顔のクローズアップ、返答の切り返しショットといった具合です。Kling AIのローンチ発表によると、今回のリリースではVideo 3.0、Video 3.0 Omni、Image 3.0、Image 3.0 Omniの4モデルが同時に登場し、一貫性、フォトリアルな描写、最大15秒のクリップ、そして多言語・方言・アクセントに対応したネイティブ音声が強化されました。
その結果、1回の生成だけで物語のひと場面として完成した映像になり得ます。リリース後に公開されたガイドでは、1クリップあたり3〜15秒、その中で最大6回ほどのカメラ切り替えが可能とされています。クローズドな商用サービスで、Klingのアプリやウェブサイト、またはKlingの開発者プラットフォームやパートナーサービスのAPI経由で利用します。公開されたモデルの重みはダウンロードできません。
Kling 2.6とO1で話題に。新バージョンで加わったもの
Kling 2.6は声や効果音を映像と一緒に生成できるようにしたバージョンで、Kling O1は参照画像を使ってクリップを編集・スタイル変更できるようにしました。どちらもSNSで一気に広まりました。新バージョンはこの2つのアイデアを1つのモデルにまとめ、さらに発展させています。より長いクリップ、本格的なシーンのカット割り、ショットをまたいでも変わらないキャラクターです。旧バージョンをご存じの方向けに、違いだけを表にまとめました。
その代わり、コントロールが増えた分だけ事前の計画が必要になります。レビューでは、Custom Storyboardモードは編集者のように考えられる人ほど力を発揮できる一方、あいまいな1行のプロンプトではありきたりな映像になりがちだと指摘されています。
| Kling 2.6 / O1 | Kling 3.0 | |
|---|---|---|
| クリップの長さ | 5秒または10秒 | 3〜15秒で自由に選択 |
| カメラ | 1つの連続ショット | マルチショットのストーリーボード、最大約6カット |
| 音声 | ネイティブの音声と声、主に中国語と英語 | 中国語、英語、日本語、韓国語、スペイン語でリップシンクしたセリフ、アクセントにも対応 |
| 参照素材 | 参照編集はO1の機能 | Omni版は複数の参照画像・動画を固定要素として扱える |
| 一貫性 | 生成ごとに顔が変わることがあった | すべてのショットで同じキャラクター、衣装、小道具を維持 |
クリエイターの活用シーン
魅力はシンプルです。つなぎ合わせるクリップが減り、セリフは最初から同期済み。だからこそ、同じような使い方がクリエイターのフィードやチュートリアルで繰り返し登場しています。
- 縦型ショートドラマ：2人の口論をショットと切り返しで描き、6本の別クリップではなく1回で生成。
- 商品広告やEC：商品のマクロクローズアップ、商品を手に持つモデル、商品についてのセリフを、すべて1本の15秒スポットに。
- ミュージックビデオや予告編風の編集：曲のビートに合わせて雰囲気やアングルを素早く切り替え。
- 多言語ナレーション：同じプレゼンターが英語、日本語、スペイン語を口の動きを合わせて話す。
- レギュラーキャラクター：SNSシリーズで毎回同じ見た目のマスコットやバーチャル司会者。
マルチショットのストーリーボード：お任せでカットするか、全ショットを指定するか
ストーリーボード機能は今回のリリースの目玉で、2つのスタイルがあります。Smart Storyboardは通常のシーン説明を読み取り、どこでカットしどのアングルを使うかを自動で判断するので、スピード重視のときに最適です。Custom Storyboardでは、各ショットの長さ、カメラの位置、そこで起きることを自分で設定できます。Smartは監督に脚本を渡す感覚、Customは編集室に座る感覚と考えるとわかりやすいでしょう。
- まずSmartモードでモデルがアイデアをどう解釈するかを確認し、気に入らないショットはCustomに切り替えて修正しましょう。
- 1ショットにつき明確な動きは1つに。2人の会話にカメラワークと照明の変化まで1ショットに詰め込むと、映像が崩れやすくなります。
- 秒数を合計しましょう。Customボードのショットは、選んだクリップ全体の長さに収める必要があります。
セリフ、効果音、リップシンクを一度に
音声は映像と一緒に生成されるため、足が地面に着く瞬間に足音が鳴り、雨音も画面の雨にぴったり合います。特に優れているのがセリフです。サードパーティのガイドでは中国語、英語、日本語、韓国語、スペイン語のリップシンクが報告されており、ローンチ発表でも方言やアクセントへの対応が強調されています。コツは、セリフを話してほしいとおりに引用符で囲んで書き、誰がどのように話すかを明記することです。「日本語で、ささやくように」「軽いイギリス英語のアクセントで」といった指示は、雰囲気を表す形容詞よりもはるかに話し方を左右します。
広告や解説動画なら、録音の工程がまるごと不要になります。ドラマなら、あるショットとその返答を1回の生成で作れ、キャラクターごとに異なる声を保てます。まさにそれが、バズる2人芝居のシーンを成立させているのです。
すべてのショットで同じ顔、衣装、小道具を保つ
カットのたびに主人公の顔が変わってしまうほど、物語を台無しにするものはありません。このモデルは参照素材でこの問題に対処します。キャラクター、物、場所の画像を1枚以上アップロードすると、Omniモデルがそれらを固定要素としてシーン全体で維持します。同じ司会者やカップルが登場するシリーズを何話も作るクリエイターは、この機能を大いに活用しています。
- 顔がはっきり写った明るい参照画像に加え、衣装がわかる全身画像を1枚用意しましょう。
- キャラクターに短い名前を付け、外見を表すキーワード2〜3語とともに、プロンプトのすべてのショットで繰り返しましょう。
- 衣装の言葉はエピソード間でまったく同じにしましょう。「赤いトレンチコート」を「深紅のコート」に変えると、モデルがデザインし直してしまいます。
コピーしてアレンジできるプロンプトのテンプレート
単一ショットの安定した構成は、被写体の詳細、動き、カメラワーク、環境、スタイルまたは照明の5要素です。マルチショットのシーンでは、各ショットにラベルと長さを付け、セリフは話者名を添えて引用符で囲みます。キャラクターや舞台は自由に差し替えてください。効果を生むのは構成そのものです。
- モデルがよく反応するカメラ用語：tracking shot、orbital pan、macro close-up、POV、whip-pan、slow push-in、static wide shot、handheld with subtle drift。
- セリフごとに言語とトーンを書き添えましょう。例：韓国語で、興奮気味に。
- Turbo版で素早く下書きし、採用するテイクは標準モデルでレンダリングしましょう。
[Subject] a woman in her thirties with short silver hair and a leather jacket [Action] lights a cigarette and glances over her shoulder [Camera] slow push-in, shallow depth of field [Environment] empty subway platform at 2 a.m., flickering lights [Style] cinematic, cold blue tones, light film grain
Shot 1 (3s): wide establishing shot, rainy neon street at night, a woman in a red trench coat walks toward camera, slow push-in. Shot 2 (4s): close-up, she looks up and says: "You're late." soft rain ambience. Shot 3 (4s): reverse shot over her shoulder, a man under an umbrella replies: "I came anyway." handheld with subtle drift. Shot 4 (4s): static wide shot, both walk away together, warm streetlight, cinematic film grain.
Shot 1 (5s): macro close-up of a glass perfume bottle on wet black stone, orbital pan, droplets catching light. Shot 2 (5s): medium shot, a model lifts the bottle and says in Spanish, smiling: "Tu nuevo aroma favorito." Shot 3 (5s): POV shot walking into a sunlit garden party, whip-pan to the model laughing, upbeat music.
Omni、Turbo、4K、API：自分に合うバージョンは？
今回のリリースは単一のモデルではなく、ファミリーとして提供されています。Video 3.0はテキストから動画、画像から動画を生成するメインモデルです。Video 3.0 Omniは複数の参照画像と参照動画に対応し、レギュラーキャラクターやブランド商品に最適です。Kling 3.0 Turboはより高速なモデルで、Morphicのガイドによると720pまたは1080p、16:9・9:16・1:1で3〜15秒の映像を、最大3,072文字のプロンプトで生成でき、アイデアの検証にぴったりです。CineDは30fpsでのネイティブ4K出力を報じていますが、どのプランで使えるかはプラットフォームによって異なるため、利用前に確認しましょう。開発者はAPI経由でもモデルにアクセスでき、アプリ以外の選択肢になります。
Kling 3.0とKling 4.0、Veo 3、Seedance 2.0の比較
モデル選びは、必要なシーンの長さと種類でほぼ決まります。この比較は、ラボのベンチマークではなく公開されたレビューやガイドをもとに、クリエイターがどう使い分けているかをまとめたものです。
| 向いている用途 | 知っておきたいこと | |
|---|---|---|
| Kling 3.0 | セリフ付きで人物がぶれない15秒のマルチショットシーン | 成熟したストーリーボードのワークフロー。安定した中位モデル |
| Kling 4.0 | 最大30秒の長尺テイクと、より多くの参照素材 | 15秒では足りないときの新しいステップアップ |
| Veo 3 | 高いリアリティと同期音声を備えた単一ショット | Googleのモデル。カメラや物理表現で異なる強みを持つ |
| Seedance 2.0 | ByteDanceによる速くダイナミックな動きとマルチショットのクリップ | SNS向けショート動画で人気のライバル |
レビューで高評価の点と、まだ苦手な点
Magic Hourのレビューは、15秒のマルチショットによるストーリーテリングを、物語系コンテンツを作る人にとって大きな前進だと高く評価しました。同じレビューでは、おなじみの弱点も挙げられています。水しぶき、炎、激しい布の動きといった複雑な物理表現は破綻することがあり、寄りのクローズアップでの指はまだ安定しません。また、Customモードでは編集者のように計画する必要があるとも指摘しています。実際には、マクロショットに手を入れない、見せ場で大きな液体エフェクトを避ける、最も重要なショットは2〜3テイク生成する、といった工夫が有効です。
公式のKling 3.0を使う場合とSpicy AIでオンライン生成する場合
Kling 3.0にはオープンな重みも無修正版もありません。公式プラットフォームはプロンプトとアップロードを審査し、ヌードや露骨なシーンは拒否されます。Spicy AIは、成人（18歳以上）向けにフィルターを抑えた、似たような画像から動画への体験を提供しています。権利を持つ開始フレームをアップロードし、動きを説明するだけです。
| 公式サービス | Spicy AI オンライン | |
|---|---|---|
| コンテンツフィルター | プロンプトとアップロードを厳しく審査 | 成人（18歳以上）向けコンテンツのフィルターが少ない |
| オープンな重み | なし、クローズドな商用モデル | 該当なし、ブラウザで動作 |
| 実際に使われるモデル | Kling 3.0ファミリー | Spicy AI独自の画像から動画エンジン（Klingではありません） |
| 料金 | クレジット制のプラン | ログイン後は無料キュー、1日の上限あり |
成人向けの開始フレームを、映画のような無修正クリップに。
画像から動画を開くよくある質問
Kling 3.0はいつリリースされましたか？
Kling AIは2026年2月4〜5日にローンチし、2月6日にプレスリリースを発表、2026年3月下旬に世界中へ提供範囲を広げました。
Kling 3.0の動画はどのくらいの長さにできますか？
1回の生成で最大15秒です。ガイドでは3〜15秒の範囲で選択できると説明されています。
マルチショットの動画はどう作りますか？
Smart Storyboardにシーンのカット割りを任せるか、ショット1、ショット2…と、それぞれの長さ、カメラアングル、動きを書きます。1回の生成で最大6ショットほど収まると報告されています。
オープンソース版や無修正版のKling 3.0はありますか？
ありません。クローズドなモデルで、ダウンロードできる重みはなく、公式プラットフォームでは審査があります。Wan 2.2やHunyuanVideoのようなオープンな重みの動画モデルはローカルで動かせますが、マルチショットとネイティブのセリフを1回で両立できるものはありません。
Kling 3.0は無料ですか？
Kling AIはクレジット制のプランを販売しており、サードパーティのサービスは独自に価格を設定しているため、料金は大きく異なります。長期のプロジェクトを計画する前に、利用するサービスの料金ページを確認してください。