Kling 3.0

位置づけと概要

kling-3.0/motion-control は動作駆動型の動画生成ラインです。人物の参照画像1枚と動作を含む参照動画を入力すると、その動作で構成された新しい動画を出力します。キャラクターの外見は画像から、動作と表情は動画から取り込み、任意のプロンプトでシーン・スタイル・カメラワークを補足できます。実際の人の演技を指定したキャラクターに移したい開発者に適しており、たとえばショートドラマ、トーク動画、EC 展示など、同じ動作素材を使い回す必要があるシーンに向いています。

主な特長

• キャラクターと動作を分離して入力——人物の外見は参照画像で決まり、動作のリズムは参照動画で決まるため、同じ演技を異なるキャラクター素材に適用できます。
• 出力時間はキャラクターの向きモードに応じて自動調整——キャラクターの向きが動画に従う場合は最長30秒、画像に従う場合は最長10秒で、ショットの種類に応じて選べます。
• 参照動画の元音声の保持に対応——既定では参照動画の音声トラックを保持し、動作と音声を同期して出力するため、別途の音声合わせの工程を省けます。

機能説明

2つの素材による動作移行：人物画像と動作動画の2つの入力を必ず提供する必要があり、画像がキャラクターの見た目を、動画が動作と表情を決定し、生成結果は両方を引き継ぎます。

キャラクターの向きモード切替：character_orientation は video または image を選択できます。前者は複雑な動作に適し、時間上限は30秒、後者はカメラワークに適し、時間上限は10秒です。

プロンプトでシーンとカメラワークを補足：任意の prompt は最大2500文字で、シーン・スタイル・カメラワークの方向性を補足するために使用し、参照動画で決まる動作や表情は変更しません。

解像度の選択と音声トラックの保持：出力は 720p または 1080p を選択でき、参照動画の元音声を保持するかどうかも選択できます。高解像度ほど課金は高くなります。

適用シーン

• ショートドラマやトーク動画の制作者が動作素材を再利用——キャラクターのイメージ写真と演技動画をアップロードすると、そのキャラクターの同じ動作の完成映像が得られ、シリーズ化したコンテンツ制作に使えます。
• EC 事業者やブランドがキャラクター化した商品デモを制作——モデルやバーチャル形象の画像に商品デモの動作動画を組み合わせ、人物紹介の短編を制作して詳細ページや広告配信に利用できます。
• 元音声を保持したい動作系コンテンツ——元音声の保持を有効にすると、同期した音声トラック付きの動画を直接出力でき、SNS のショート動画公開に使えます。

制限と選定のアドバイス

2つの入力素材にはいずれも厳格な要件があります。人物画像は頭部・肩・胴体がはっきり見える必要があり、縦横比は2:5から5:2の間で10MB以下であること。参照動画は3秒から30秒、単一ショットで連続し、被写体が見える状態で100MB以下であること。動作と表情は参照動画で決まり、プロンプトはシーンとスタイルのみを調整でき、動作自体を書き換えることはできません。純粋なテキスト生成や画像からの動画生成が必要な場合は、同シリーズの別ラインを選ぶべきです。長時間のナラティブコンテンツは依然として分割生成した後に結合する必要があります。