Kling 3.0

位置づけの概要

kling-3.0-omni/reference-to-video は Kling 3.0 Omni シリーズの中で参照画像からの動画生成に特化した系統であり、1〜7 枚の参照画像（または最大 7 個の再利用可能な主体要素を組み合わせ）を視覚的なアンカーとして、テキストプロンプトとともに 3〜15 秒の動画を生成できます。720p、1080p、4k の解像度と 16:9、9:16、1:1 のアスペクト比に対応し、ネイティブ音声とスマートマルチショットを有効化できます。キャラクターや物体のショット間での一貫性を保ちつつ、マーケティング動画やソーシャルメディア動画を大量に制作する開発者に適しています。

主な特長

• 複数参照画像と主体要素の二系統アンカー——1〜7 枚の参照画像を渡すか、2〜4 枚の画像を含む主体要素を最大 7 個定義し、プロンプト内で @name として参照できます。
• 参照動画を任意で重ね合わせ可能——3〜15.5 秒の参照動画を 1 本追加して動きと構図を制約できます。この場合、参照画像と主体の合計上限は 4 に絞られます。
• 解像度とアスペクト比は縦画面から 4K まで対応——出力は 720p、1080p、4k から選択でき、アスペクト比は 16:9、9:16、1:1 を網羅し、横画面配信にも縦型ショート動画配信にも適応します。
• ネイティブ音声とマルチショットを組み合わせ可能——既定でオフのネイティブ音声とスマートマルチショットを同時に有効化でき、音声付きのマルチショットクリップを一度に生成できます。参照動画を使用する場合、この二つは利用できません。

機能解説

マルチ主体の一貫性生成：elements で主体の名前、説明、同一主体の画像 2〜4 枚を定義し、プロンプト内で @name として呼び出すことで、同じキャラクターや物体が複数のショットで外観の一貫性を保ちます。

参照動画による制約：MP4/MOV の参照動画を 1 本（最大 200MB、3〜15.5 秒）渡して動きとリズムを導きます。既存素材をベースにしたスタイル化やリメイク的な生成に適しています。

解像度とアスペクト比の制御：配信チャネルに応じて 720p、1080p、4k の出力を選び、16:9、9:16、1:1 のアスペクト比を設定することで、後工程のトリミングやトランスコードを削減できます。

ネイティブ音声とスマートマルチショット：audio を有効化すると音声も同時に生成され、prefer_multi_shots を有効化するとモデルがプロンプトに基づいて自動的にマルチショットへ分割します。いずれも参照動画を使用していない場合に利用できます。

長さとプロンプト長を調整可能：出力の長さは 3〜15 秒で物語の必要に応じて設定でき、プロンプトは最大 3072 文字まで対応するため、主体、動作、カメラワークを十分に記述できます。

適用シーン

• ブランドマーケティングチーム：参照画像＋商品訴求プロンプト——商品の多角度参照画像で外観を固定し、アスペクト比と解像度の仕様を備えた短編を制作して、フィード配信や公式サイトへの掲載にそのまま活用できます。
• ソーシャルメディア運用：キャラクター要素＋縦型スクリプト——固定のキャラクター要素を定義したうえで 9:16 のショート動画を大量生成し、人物設定を保ちながら日次更新コンテンツの制作に使えます。
• 映像アニメーションのプリプロダクション：参照動画＋絵コンテプロンプト——参照動画で動きのリズムを制約し、マルチショットのプリビズ片段を出力して、監督がカメラ設計とカット点を確認できます。
• EC コンテンツチーム：商品画像セットから動画へ——商品参照画像をアップロードし 1:1 または 16:9 のアスペクト比を設定して、詳細ページや商品メイン画像枠向けの紹介動画を生成できます。

制限と選定のアドバイス

参照画像と主体要素の合計は 7 個を超えてはならず、参照動画を追加すると 4 個までに絞られ、その場合ネイティブ音声とスマートマルチショットは利用できません。1 回の長さは最大 15 秒のため、長い物語は分割して生成した後に結合する必要があります。参照画像は JPG/PNG で 1 枚あたり 50MB 以下、最短辺が 300px 以上である必要があり、参照動画は MP4/MOV で 3〜15.5 秒に限られます。単一画像による生成や純粋なテキスト生成のみが必要な場合は、同シリーズの image-to-video や text-to-video の系統を選べます。動きの制御に特化した要件がある場合は motion-control を検討できます。