Vidu Q4 Preview vs Kling 3.0：image-to-videoはどう選ぶ？

ネイティブ音声がデフォルトでオン、5段階の解像度、1本最長16秒が必要ならVidu Q4 Preview。開始フレームと終了フレームの2枚で画面を固定したいならKling 3.0。

Vidu Q4 PreviewはHiAPIに登場しました。image-to-videoモデルページを開いて最初のフレームをアップロードすれば生成できます。新規ユーザー登録で200クレジットをプレゼント。

ひと目でわかる違い

	Vidu Q4 Preview	Kling 3.0 image-to-video
モデルID	vidu-q4-preview/image-to-video	kling-3.0/image-to-video
画像入力	開始フレーム1枚、image_url	1〜2枚、image_urls。2枚目は終了フレーム
長さ	3〜16秒、デフォルト5	3〜15秒、デフォルト5
解像度	540p / 720p / 1080p / 2K / 4K、デフォルト720p	720p / 1080p / 4K、デフォルト1080p
ネイティブ音声	audioはデフォルトでオン、オフにしても価格は変わらない	soundはデフォルトでオフ、オンにすると割増
720pの1秒あたり	$0.109	$0.1 音声なし / $0.143 音声あり
1080pの1秒あたり	$0.1375	$0.129 音声なし / $0.193 音声あり
4Kの1秒あたり	$0.446	$0.479

Vidu Q4は送信した整数秒に選択した解像度の1秒あたり単価を掛けて課金され、音声のオン/オフは料金に影響しません。720pは5秒で$0.545、10秒で$1.09、16秒で$1.744。Kling 3.0も同様に秒単位の課金で、720pは音声なし$0.1/秒、音声あり$0.143/秒、1080pは音声なし$0.129/秒、音声あり$0.193/秒。4Kはtransformation枠で$0.479/秒です。

同じプロンプトで、両方で1回ずつ生成

各グループは開始フレームを1枚共有し、5秒、720pでそれぞれ1回ずつ生成します。第1グループは音声オン、第2グループは音声オフです。

水上飛行機：寄りのタイミングとプロペラのブラー

Vidu Q4 Preview（音声あり）	Kling 3.0（音声あり）

同じプロンプト、同じパラメータで、それぞれ1回ずつ生成。

Vidu Q4は2.5秒の時点ですでに明確な寄りが確認でき、プロペラにはモーションブラーがかかり、フロートの周りには波紋が幾重にも現れます。Kling 3.0は2.5秒の時点では構図がほぼ開始フレームと一致しており、寄りがはっきりするのは4.8秒になってからで、プロペラのブラーは後半に現れます。パイロットの腕は常に挙手の姿勢のままで、フロートと桟橋の線はフレーム間でわずかにずれます。どちらの完成動画も1280×720、5.04秒で、このグループは両方ともAAC音声トラック付きです。

パイロットが手を振り、水上飛行機のエンジンがかかってプロペラが回り始め、水面に波紋が広がる。カメラはゆっくりと寄っていき、金色の朝光。

このプロンプトで生成 →。開いたら水上飛行機の開始フレームをアップロードし、5秒、720pを選び、音声はデフォルトのオンのままにします。

バリスタ：ラストのフレーミングと湯気

Vidu Q4 Preview（音声なし）	Kling 3.0（音声なし）

同じプロンプト、同じパラメータで、それぞれ1回ずつ生成。

Vidu Q4の完成動画は724×1268で、開始フレームの4:7の比率を踏襲しています。ラストは人物の近景まで寄り、カップは画面の下縁に落ち、カップから立ち上る湯気が見えます。Kling 3.0の完成動画は720×1280。ラストも比較的広いフレーミングが保たれ、窓、ペンダントライト、カウンターがすべて画面に収まっていますが、カップから湯気は見えません。どちらも5.04秒で、このグループは画面を揃えるためだけに、両方とも音声をオフにしています。

バリスタがミルクピッチャーを置き、カップの中のラテアートが葉の形に整い、湯気が立ち上る。彼女は顔を上げてカメラを見て微笑む。背景にはカフェのささやきとエスプレッソマシンの蒸気音。ゆっくりとした手持ちの寄り、温かな朝光が窓から差し込む。

このプロンプトで生成 →。開いたらバリスタの開始フレームをアップロードし、5秒、720pを選び、audioをオフにして画面だけを見ます。

シーン別の選び方

• デフォルトで音声付きにしたい、スイッチを1つ減らしたい → Vidu Q4 Preview
• 540pでまず下書きを出したい → Vidu Q4 Preview
• 1本16秒がほしい → Vidu Q4 Preview
• 2Kや4Kで納品したい → Vidu Q4 Preview
• 1080pで音声ありがほしい → Vidu Q4 Preview、1秒あたり$0.1375
• 終了フレームでラスト画面を固定したい → Kling 3.0
• 1080pで音声なし、$0.129/秒の課金がいい → Kling 3.0
• 720pで音声なし、$0.1/秒の課金がいい → Kling 3.0

一方から他方への切り替えは面倒？

面倒ではありません。どちらのモデルもPOST https://api.hiapi.ai/v1/tasksを使い、同じAPI Keyで、taskIdを返し、ポーリングまたはcallback.urlで結果を取得します。切り替えは次のフィールドを変えるだけです。

• model：vidu-q4-preview/image-to-videoをkling-3.0/image-to-videoに。
• 画像フィールド：Vidu Q4は文字列image_urlで開始フレームを1枚渡します。Kling 3.0は配列image_urlsを使い、1枚なら開始フレーム、2枚なら開始・終了フレームです。
• 音声フィールド：Vidu Q4のaudioはデフォルトtrue。Kling 3.0のsoundはデフォルトfalseで、オンにすると音声あり単価で課金されます。
• 長さと解像度：Vidu Q4は3〜16秒、5段階。Kling 3.0は3〜15秒、3段階。

アスペクト比はどちらも入力画像に従い、image-to-videoでは両モデルともaspect_ratioを提供しません。コールバック、認証、ポーリングは変更不要です。

よくある質問

Vidu Q4のimage-to-videoは画像を2枚渡せますか？ image-to-videoは開始フレームを1枚だけ受け付けます。複数の参照画像が必要なら、同シリーズのreference-to-videoモデルを使います。最大15枚の参照画像と3本の参照音声に対応します。終了フレームの制御が必要ならKling 3.0を使ってください。

デフォルトで音声はありますか？ Vidu Q4のaudioはデフォルトでオンで、オフにすると音声なし動画を出力し、価格は変わりません。Kling 3.0のsoundはデフォルトでオフで、オンにすると音声あり単価で課金されます。

16秒を生成できますか？ Vidu Q4は3〜16秒に対応。Kling 3.0は3〜15秒です。

アスペクト比はどう決まりますか？ どちらのモデルも入力画像に従います。Vidu Q4のimage-to-videoにはaspect_ratioフィールドがなく、渡すと400が返ります。Kling 3.0も同様にこのパラメータを提供しません。

上の水上飛行機のプロンプトをコピーして、Vidu Q4 Previewモデルページへ開始フレームをアップロードし、5秒、720pを選んで、まず音声ありで1本走らせてみましょう。ラストのフレーミングを比較したければ、バリスタのほうを音声オフでもう一度走らせてください。

関連：Vidu Q4 Preview image-to-videoモデルページ · Kling 3.0 image-to-videoモデルページ · Vidu Q4 Preview reference-to-videoモデルページ · image-to-video導入ドキュメント