Kling AI 4.0、30秒動画とステレオ音声を一度に生成
Kling AI 4.0は、短編動画の映像と音声をより緊密に同期させることに重点を置いた新世代モデルだ。
Kling AI 4.0は、短編動画の映像と音声をより緊密に同期させることに重点を置いた新世代モデルだ。Kuaishouは、このモデルが一度の生成で最大30秒の動画を作成し、高品質な2チャンネルステレオ音声と改善されたリップシンクに対応すると発表した。シーンの切り替えや動きのある台詞動画で、音声・口の動き・演技のつながりを一体として確認できる点が、今回の変化の中心となる。
参照素材をシーン設計に使う方法
Omni Referenceは、画像、動画、人物・対象、音声などの参照素材を、1つの作業で最大15個まで組み合わせる。画像は最大10枚、動画は合計で最大30秒となる5本まで利用できる。そのため、キャラクターの外見を維持しながらカメラの動きやシーンのテンポを決める作業に役立つが、参照素材が多いからといって意図した結果が自動的に保証されるわけではない。
Flashは草稿の反復に適した選択肢
Kling 4.0 Flashは、頻繁な生成作業に向けて速度とコスト効率を打ち出したバリエーションだ。複数のシーンの構図や台詞のタイミングを素早く比較する草稿段階にはFlashが適しており、複雑なキーフレームや参照アセットを精密に反映する必要がある成果物は、通常モデルで改めて検討するという役割分担が可能だ。
動画の長さと制御範囲の拡大
正式リリースされたKling AI 4.0は、最大10個のキーフレーム入力と最大8,000トークンのプロンプトに対応する。単に解像度を高めるだけのアップデートではなく、長い単一ショットと多数の参照素材を通じてシーンの流れを設計しようとする制作フローの変化だ。ただし、多言語の台詞やイントネーションを使う場合は、言語ごとの発話の自然さやブランド表現を別途確認する必要がある。