Kling 2.5

位置づけの概要

kling-2.5-turbo/image-to-video は画像から動画を生成するタスク向けのモデルで、1枚または2枚の画像を最初のフレームと任意の最後のフレームとして入力し、テキストプロンプトと組み合わせて5秒または10秒の短い動画を生成します。ネガティブプロンプトや0〜1のプロンプト追従強度の調整に対応し、アスペクト比は1枚画像モードまたは2枚画像モードで選択できます。静止画を動的なクリップに変換し、パラメータで映像内容を制御したい開発者に適しています。

主な特長

• 最初と最後のフレームの2枚画像駆動——最初のフレーム1枚、またはさらに最後のフレーム1枚を渡すことで、指定した画面から始まり指定した終了画面へ遷移する動画を生成できます。
• プロンプト追従強度を調整可能——cfg_scale を0〜1の間で調整し、動画がテキスト記述にどの程度追従するかを制御できるため、自由な表現と厳密な再現の間で取捨選択できます。
• ネガティブプロンプトで干扰を排除——最大2496文字のネガティブプロンプトに対応し、画面に現れてほしくない内容を抑制できます。

機能説明

最初のフレームと任意の最後のフレームの入力：image_urls は1〜2個の画像URLを受け付け、jpeg/png/webpに対応し、各画像は最大10MBです。2枚の画像を渡した場合は最初のフレームから最後のフレームへの遷移を生成します。

長さとアスペクト比の選択：duration は5秒または10秒を選択できます。1枚画像モードのアスペクト比は16:9、9:16、1:1、4:3、3:4、21:9に対応し、2枚画像モードは16:9、9:16、1:1に限定されます。

プロンプトとネガティブプロンプト：prompt は必須で、最大2500文字、主な動作、環境の変化、カメラの動きを記述するために使用します。negative_prompt は最大2496文字で、不要な内容を排除するために使用します。

追従度の調整：cfg_scale は0〜1の値を取り、数値が高いほど動画がテキスト記述に強く追従するため、ショットの要件に応じて生成結果の一致度を調整できます。

想定される利用シーン

• 広告・製品短編制作者：製品画像1枚＋動作記述——静止した製品画像をカメラワーク付きの短いクリップに変換し、ブランドやEC動画における動的表示素材として利用します。
• 映像制作のプリビズ：コンセプト画像＋最初と最後のフレーム指定——2枚のコンセプト画像で開始と終了の画面を固定し、遷移クリップを絵コンテやコンセプト映像のプレビューとして生成します。
• SNSコンテンツ運用：縦向き画像＋短いプロンプト——9:16のアスペクト比で画像を5秒または10秒の縦向きショート動画に変換し、ソーシャルプラットフォームへの投稿にそのまま利用します。

制限と選定のアドバイス

1回の生成の長さの上限は10秒で、長い動画を直接生成するのには向いていません。2枚画像モードのアスペクト比は16:9、9:16、1:1のみに対応し、1枚画像モードではフォールバック処理時に元画像の比率に従う場合があり、リクエストしたサイズに正確に一致することを保証できません。WebP画像は自動変換されず、一部のフォールバック処理はjpeg/pngのみを受け付けます。生成品質はプロンプトの書き方とcfg_scaleのチューニングに大きく依存します。テキストから直接動画を生成したい場合は、同系統のテキスト生成動画モデルを選択してください。