使用ガイド
Kling 3.0 Omni リファレンス動画生成：そのままコピーできる3つのプロンプトレシピと実際の生成結果
参照画像を使って同じ製品やキャラクターをさまざまなシーンに登場させる——これこそが、HiAPI 上で Kling 3.0 Omni リファレンス動画生成（kling-3.0-omni/reference-to-video）が実現することです。以下に3つのレシピ（製品1つ、キャラクター1つ、そして両者を同じ画面に収めるもの）を紹介し、それぞれに正確なリクエストと生成された動画を添えます。3本すべて 1080p で生成し、合計 $2.064 です。モデルページを開くとすぐに実行できます。新規アカウントには 200 の無料クレジットが付与されます。
通常のテキストからの動画生成呼び出しは、あなたがテキストで説明した内容しか認識しないため、生成のたびに少しずつ異なる被写体が作られてしまいます。リファレンス動画生成では、気になる被写体の画像を渡し、プロンプトでカメラワークや動き、シーンを指示しながら、被写体の外観を保つことができます。
リファレンス動画生成の仕組み
通常のテキストからの動画生成呼び出しは、あなたがテキストで説明した内容しか認識しません。「白いロボットのマスコット」はカテゴリであり、個体ではありません。そのため生成のたびに少しずつ異なるロボットが作られます。Kling 3.0 Omni では、アイデンティティを固定する方法が2つあります：
image_urls（必須、1〜7枚の画像）：被写体、製品、またはスタイルの参照画像。単一の被写体を最も簡単に固定する方法は、ここにその2つの角度の画像を渡すことです。elements（任意、最大7個）：名前付きで再利用可能な被写体。それぞれにname（スペースなし）、短いdescription、そして同一被写体の2〜4枚のelement_input_urlsがあります。プロンプト内で@nameで呼び出します。これが1つの画面で複数の被写体を区別する方法です。
その後、変化させるべき部分——カメラワーク、光、動き、シーン——はプロンプトが担い、アイデンティティは参照画像が守ります。
入力構造、30秒で理解
| フィールド | 型 | 説明 |
|---|---|---|
prompt |
string | シーン、カメラワーク、動き。@nameで要素を呼び出す |
image_urls |
string[] | 必須。1〜7枚の参照画像（参照動画ありの場合は最大4枚） |
elements[] |
object[] | 任意。それぞれname、description、2〜4個のelement_input_urlsを含む |
video_urls |
string[] | 任意。3〜15.5秒のクリップを動きとカメラワークの参照として使用 |
duration |
integer | 3〜15秒、デフォルトは5 |
resolution |
enum | 720p（デフォルト）、1080p、または4k |
audio |
boolean | ネイティブ音声、デフォルトはfalse。参照動画ありの場合はfalseのままにする必要あり |
aspect_ratio |
enum | 16:9（デフォルト）、9:16、または1:1 |
参照画像と要素の被写体は同じ枠を共有します：合計7個、参照動画を追加する場合は4個です。
レシピ 1 —— 単一製品を固定する
最もシンプルなケース：1つの被写体を、カメラが動いても忠実に再現します。被写体は琥珀色のガラス製美容液ボトルで、2つの参照角度をそのままimage_urlsに入れます：
プロンプト：
映画のようなスキンケア製品の披露。カメラがゆっくりと参照画像の琥珀色のガラス製美容液ボトルに寄っていく。ボトルは円形の白い大理石の台座の上に立ち、左上から柔らかな拡散スタジオライトが差し込み、背後にはかすかなボリューメトリックヘイズ。金色の美容液の一滴がゆっくりと形を成し、黒いスポイトの先端にぶら下がる。浅い被写界深度、高級コマーシャルな質感、カメラがゆっくり寄るにつれて琥珀色のガラスの上を柔らかなハイライトが滑っていく。
リクエスト：
{
"model": "kling-3.0-omni/reference-to-video",
"input": {
"prompt": "映画のようなスキンケア製品の披露。カメラがゆっくりと参照画像の琥珀色のガラス製美容液ボトルに寄っていく。ボトルは円形の白い大理石の台座の上に立ち、左上から柔らかな拡散スタジオライトが差し込み、背後にはかすかなボリューメトリックヘイズ。金色の美容液の一滴がゆっくりと形を成し、黒いスポイトの先端にぶら下がる。浅い被写界深度、高級コマーシャルな質感、カメラがゆっくり寄るにつれて琥珀色のガラスの上を柔らかなハイライトが滑っていく。",
"image_urls": [
"https://static.hiapi.ai/gallery/2026/10/bf90e69bd4d2b13b.jpg",
"https://static.hiapi.ai/gallery/2026/10/ae754fb5c5e53ed4.jpg"
],
"duration": 5,
"resolution": "1080p",
"audio": false,
"aspect_ratio": "16:9"
}
}
結果（5秒、1080p、音声オフ）：
なぜ効果的か：プロンプトは被写体に一度しか言及していません（「参照画像の琥珀色のガラス製美容液ボトル」）。残りのすべての言葉は演出指示に使われています：ドリーイン、スタジオライト、スポイトの先端の雫。ボトルの形、畝のある黒いキャップ、琥珀色のガラスは寄っていく間も一貫しており、最終的にボトルのクローズアップで終わります。
レシピ 2 —— キャラクターを固定する
製品をキャラクターに置き換えても、方法自体はまったく変わりません。被写体はオリジナルのマスコットで、正面図と斜め45度の図を参照として使います：
プロンプト：
参照画像のマットホワイトのロボットマスコットが、居心地がよく日当たりの良いカフェに立っており、背後の窓から温かな朝の光が差し込んでいる。片腕で楽しそうに手を振り、首をかしげ、アンテナがそっと揺れる。滑らかで親しみやすい動き、背景の木製のカフェ棚が柔らかなボケを生み、カメラがゆっくりと優しく寄っていく、癒し系アニメ映画のような質感。
リクエスト：
{
"model": "kling-3.0-omni/reference-to-video",
"input": {
"prompt": "参照画像のマットホワイトのロボットマスコットが、居心地がよく日当たりの良いカフェに立っており、背後の窓から温かな朝の光が差し込んでいる。片腕で楽しそうに手を振り、首をかしげ、アンテナがそっと揺れる。滑らかで親しみやすい動き、背景の木製のカフェ棚が柔らかなボケを生み、カメラがゆっくりと優しく寄っていく、癒し系アニメ映画のような質感。",
"image_urls": [
"https://static.hiapi.ai/blog/kling-3-0-omni-reference-to-video-prompt-recipes/ref-mascot-01.jpg",
"https://static.hiapi.ai/blog/kling-3-0-omni-reference-to-video-prompt-recipes/ref-mascot-02.jpg"
],
"duration": 5,
"resolution": "1080p",
"audio": false,
"aspect_ratio": "16:9"
}
}
結果（5秒、1080p、音声オフ）：
なぜ効果的か：マスコットはまったく新しい環境（日当たりの良いカフェ）に入り、新しい動き（手を振り、微笑む）をしますが、ミント色のフェイスプレート、丸い目、おへそのボタン、体の比率はモデリングどおりに保たれています。同じアイデンティティ、新しい演技です。
レシピ 3 —— 1つの画面に2つの被写体
ここがelementsの真価が発揮される場面です。マスコットと美容液ボトルを2つの名前付き要素として定義し、プロンプト内で@mascotと@serumで指示します。image_urlsは依然として必須なので、ボトルの1つの角度も入れておきます：
プロンプト：
クリーンで遊び心のある製品広告。@mascot が円形の白い大理石の台座のそばに立ち、片腕で台座の上に置かれた @serum を指し示し、視聴者に紹介する。@mascot はボトルをちらりと見てから、カメラの方を向く。柔らかな拡散スタジオライト、淡いミント色のシームレスな背景、カメラがゆっくりと優しく寄っていく、高級感がありながら親しみやすいブランド広告の質感。
リクエスト：
{
"model": "kling-3.0-omni/reference-to-video",
"input": {
"prompt": "クリーンで遊び心のある製品広告。@mascot が円形の白い大理石の台座のそばに立ち、片腕で台座の上に置かれた @serum を指し示し、視聴者に紹介する。@mascot はボトルをちらりと見てから、カメラの方を向く。柔らかな拡散スタジオライト、淡いミント色のシームレスな背景、カメラがゆっくりと優しく寄っていく、高級感がありながら親しみやすいブランド広告の質感。",
"image_urls": [
"https://static.hiapi.ai/gallery/2026/10/bf90e69bd4d2b13b.jpg"
],
"elements": [
{
"name": "mascot",
"description": "柔らかなミントグリーンのアクセントが付いた、小さくマットホワイトで丸みのあるロボットマスコット。短いアンテナの先に小さな球、大きく丸い暗い色の目、お腹に円形のミントグリーンのボタン",
"element_input_urls": [
"https://static.hiapi.ai/blog/kling-3-0-omni-reference-to-video-prompt-recipes/ref-mascot-01.jpg",
"https://static.hiapi.ai/blog/kling-3-0-omni-reference-to-video-prompt-recipes/ref-mascot-02.jpg"
]
},
{
"name": "serum",
"description": "琥珀色のガラス製スキンケア美容液ボトル、黒いゴム球のガラススポイトキャップ付き",
"element_input_urls": [
"https://static.hiapi.ai/gallery/2026/10/bf90e69bd4d2b13b.jpg",
"https://static.hiapi.ai/gallery/2026/10/ae754fb5c5e53ed4.jpg"
]
}
],
"duration": 6,
"resolution": "1080p",
"audio": false,
"aspect_ratio": "16:9"
}
}
結果（6秒、1080p、音声オフ）：
なぜ効果的か：各被写体はそれぞれ独立した要素で、それぞれに参照画像のペアがあるため、モデルはそれらを個別に追跡します。マスコットはデザインを保ち、ボトルは形を保ち、プロンプトはそれらの関係を演出します：カメラが寄る中、マスコットが台座の上のボトルへ手を伸ばす。
アイデンティティを本当に守れる参照を書く
- 各被写体に2つ以上の角度を。同一被写体の異なる角度が、何が不変かをモデルに教えます。各要素には2〜4枚の画像が必要です。
- アイデンティティは参照画像に、演出指示はプロンプトに。被写体が何であるかは画像と
descriptionに入れ、何が起こるかはプロンプトに入れます。 - 要素は
@nameで呼び出す。名前にスペースは使えません（serum bottleではなくserum）。プロンプト内では完全に@serumとして参照します。 - 要素ブロックを再利用して広告シリーズを構築する。上記の2つのレシピは同じマスコットとボトルの参照を使っています。複数の呼び出しで再利用すれば、シリーズ全体でブランドの一貫性を保てます。
- 参照動画を追加してカメラワークを指定する。
video_urlsにクリップを入れると、新しいショットがその動きとカメラ言語に従います。その際はaudioをオフのままにしてください。
APIで再現する
リファレンス動画生成は HiAPI の非同期タスク API 上で動作します。タスクを送信し、完了するまでポーリングします：
curl -X POST https://api.hiapi.ai/v1/tasks \
-H "Authorization: Bearer $HIAPI_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "kling-3.0-omni/reference-to-video",
"input": {
"prompt": "@serum が大理石の台座の上に置かれ、ゆっくりとドリーイン、柔らかなスタジオライト",
"image_urls": ["https://.../ref-1.jpg"],
"elements": [
{
"name": "serum",
"description": "琥珀色のガラス製美容液ボトル、黒いスポイトキャップ付き",
"element_input_urls": ["https://.../ref-1.jpg", "https://.../ref-2.jpg"]
}
],
"duration": 5,
"resolution": "1080p",
"audio": false,
"aspect_ratio": "16:9"
}
}'
レスポンスにはtaskIdが返ります。GET /v1/tasks/{taskId}をstatusがsuccessになるまでポーリングし、output[0].urlからクリップをダウンロードします（出力はデフォルトで約7日間保持されるため、自分のストレージに保存するか、HiAPI の永続ストレージに切り替えてください）。本番環境では、トップレベルのcallback.urlを渡すと、HiAPI がタスク完了時にあなたのサービスへ通知します。完全なパラメータはKling 3.0 Omni リファレンス動画生成 API ドキュメントを参照してください。
料金
Kling 3.0 Omni リファレンス動画生成は出力秒数に基づいて課金され、解像度と音声によって変わります：
| 解像度 | 音声オフ | 音声オン | 参照動画あり |
|---|---|---|---|
| 720p | $0.10/秒 | $0.129/秒 | $0.143/秒 |
| 1080p | $0.129/秒 | $0.1645/秒 | $0.193/秒 |
| 4k | $0.479/秒 | $0.479/秒 | $0.479/秒 |
上記の3つのレシピは 1080p、音声オフで実行しました：5秒のクリップは各$0.645、6秒のものは$0.774、3本合計で $2.064 です。まず 720p で試作し（5秒クリップあたり $0.50）、選んだバージョンを 1080p または 4k で再実行してください。クリップの長さは3〜15秒で、失敗したタスクは自動的に返金されます。
よくある質問
リファレンス動画生成と画像からの動画生成の違いは何ですか？ 画像からの動画生成は1つの開始フレームを動かします——ショット全体がその画像から成長します。リファレンス動画生成は被写体を携帯し、その周りに新しいシーンを再構成できます。正確に動かしたい最初のフレームがある場合は画像からの動画生成を、多くの異なるショットで同じキャラクターや製品を保つ必要がある場合はリファレンス動画生成を使ってください。
1つのクリップにいくつの被写体を収められますか？ 参照画像と要素の被写体を合わせて1回の呼び出しで最大7個、参照動画ありの場合は4個です——キャラクター1体にいくつかの小道具を加えるには十分です。
要素が拒否されたのはなぜですか？
各要素のelement_input_urlsには2〜4枚の画像が必要で、nameにスペースを含めることはできません。また、リクエストに少なくとも1つのimage_urlsエントリがあることを確認してください。
音声は得られますか？
はい。参照動画がない場合、audio: trueを設定するとネイティブの環境音と効果音が得られます。720p では毎秒 $0.029、1080p では毎秒 $0.0355 の追加料金がかかります。
テキストだけで参照なしにしたい場合は？ Kling 3.0 Omni テキストからの動画生成を使ってください：同じエンジンで、プロンプトのみです。
要点
リファレンス動画生成は「どこかのキャラクター」をあなたのキャラクターに変えます。各被写体にいくつかの参照角度を与え、@nameで呼び出し、プロンプトに演出を任せれば、ショットごとにドリフトと格闘するのではなく、一貫したシリーズ全体を撮影できます。レシピ3をコピーしてモデルページで最初の2被写体クリップを実行してください。このリンクはプロンプトを事前入力します。そこに上記のリクエストから参照画像と要素を追加してください。エントリポイントと料金を比較するには、Kling 3.0 API 料金ガイドを参照してください。
