Kling 3.0 モーションコントロールのプロンプトレシピ：コピペ可能なプロンプトと実際の出力

動画モデル向けの「プロンプトレシピ」記事のほとんどは、一文を入力すればモデルが勝手にモーションを発明してくれるという前提に立っている。Kling 3.0 モーションコントロールはそうではない。その前提で使うと、最初のAPI呼び出しで400が返る。このモデルには2つの必須入力——キャラクター画像1枚と3〜30秒のモーション参照動画——が必要で、参照動画からモーションと表情をあなたのキャラクターに転写する。テキストのpromptフィールドは任意であり、スタイル・ライティング・シーンを微調整するだけだ。モーションを記述するものではない。

だから本当の「レシピ」は一文ではない——どのキャラクター画像を使うか＋どの参照クリップを使うか＋任意のプロンプトをどう使うかという組み合わせだ。以下に2つのレシピを示す。どちらも同じキャラクターと同じ参照クリップを使い、唯一の変数はスタイルプロンプトを付けるかどうかである。ここに登場する各クリップは、hiapi API経由で実行した本物のkling-3.0/motion-controlタスクであり、モック画像ではない。

Kling 3.0 モーションコントロールに実際に必要なもの

フィールド	必須	役割
image_url	はい	モーションを実行するキャラクター
video_url	はい	モーション＋表情を提供する3〜30秒のクリップ
prompt	いいえ	スタイル/シーン/ライティングのみを制御——モーションは制御しない
resolution	いいえ	720pまたは1080p

課金は出力秒数に基づき、解像度別の段階制になっている：

• 720p — $0.10/秒
• 1080p — $0.172/秒

したがって6秒の720pクリップは$0.60——これが以下の各レシピのコストだ。完全な価格表：hiapi.ai/pricing。

ステップ1——キャラクター画像を用意する

gpt-image-2でシンプルなスタジオ照明のポートレートを生成した（$0.03/枚、1024×1024）：

明瞭で正面を向いたキャラクター画像なら何でもよい——イラストでも写実でも構わない。これが「誰」にあたる。

ステップ2——モーション参照クリップを用意する

ここは多くの人が飛ばすステップだが、まさにここが出力を本当に左右する。望むモーションを示すクリップをまだ持っていないなら、生成すればよい。私たちはgrok-imagine/text-to-video（480pで$0.015/秒）を使い、純粋なテキストプロンプトから6秒の参照クリップを生成した：

{
  "model": "grok-imagine/text-to-video",
  "input": {
    "prompt": "A person turns their head to look over their shoulder, raises one hand in a small wave, then smiles directly at the camera. Medium shot, static frame, soft daylight.",
    "duration": "6",
    "resolution": "480p"
  }
}

費用：6秒 × $0.015 = $0.09。このクリップは再利用できる——任意のキャラクター画像に適用可能だ。

レシピA——ベースライン転写、スタイルプロンプトなし

キャラクター画像と参照クリップを直接入力し、promptは一切使わない：

{
  "model": "kling-3.0/motion-control",
  "input": {
    "image_url": "https://static.hiapi.ai/blog/kling-3-0-motion-control-prompts/character-source.png",
    "video_url": "https://static.hiapi.ai/blog/kling-3-0-motion-control-prompts/motion-reference.mp4",
    "resolution": "720p"
  }
}

キャラクターは参照クリップのタイミング通りに振り向き、手を振り、微笑む——ライティングと構図はソースポートレートと一致している。費用：6秒 × $0.10（720p）= $0.60。

レシピB——同じモーション、スタイル誘導プロンプト付き

image_urlとvideo_urlは完全に同一。唯一の違いは、異なるシーンとライティングを記述したpromptを追加したことだ。モーション自体は依然として参照クリップに固定されている：

{
  "model": "kling-3.0/motion-control",
  "input": {
    "image_url": "https://static.hiapi.ai/blog/kling-3-0-motion-control-prompts/character-source.png",
    "video_url": "https://static.hiapi.ai/blog/kling-3-0-motion-control-prompts/motion-reference.mp4",
    "prompt": "Golden-hour outdoor lighting, warm rim light from the left, shallow depth of field with a softly blurred park background.",
    "resolution": "720p"
  }
}

同じ振り向き・手振り・微笑みのシーケンス、同じタイミング——だがライティング、カラーグレーディング、背景はプロンプトに従って変化している。費用：さらに$0.60。

本当の要点

もしレシピAとレシピBを「2つの異なるプロンプトが2つの異なる動画を生んだ」と見えたなら、それは誤ったメンタルモデルだ。2つのクリップのモーションは完全に同一である。参照動画が完全に同一だからだ。プロンプトはシーンの装飾を変えたにすぎない。異なるモーション——振り向きの代わりに手振り、手振りの代わりに歩行——を得たいなら、プロンプトの文言ではなく参照動画を差し替える必要がある。再利用可能な参照クリップの小さなライブラリ（自作の許諾済み素材、または上記ステップ2のように生成したもの）を構築し、それを任意の数のキャラクター画像に再利用する——これこそがモーションコントロール出力を拡張する本当のレバーだ。

プロンプトが実際にモーションを駆動する純粋なテキスト・トゥ・ビデオの作業については、私たちのKling 3.0 Turbo プロンプトレシピ、または上記の参照クリップの作成に使ったgrok-imagine テキスト・トゥ・ビデオガイドをご覧ください。

両モデルはhiapi APIで提供中で、同じキーを使う——モデルごとに個別登録する必要はない。