Kling 3.0

位置づけの概要

kling-3.0-omni/text-to-video は Kling 3.0 Omni シリーズの純テキストからの動画生成ラインで、HiAPI.ai の統一インターフェースから呼び出します。1つのプロンプトから完成映像を直接生成し、3〜15秒の長さ、720p/1080p/4k の解像度、横長・縦長・正方形の3種類のアスペクト比に対応し、ネイティブ音声と自動マルチショット絵コンテを有効にできます。アイデアショットの素早い検証やショート動画の量産を必要とする開発者やコンテンツチームに適しています。

主な特長

• プロンプトだけで完成映像を生成——1つの prompt（最大3072文字）だけで、参照素材なしに完全な動画クリップを生成できます。
• オプションのネイティブ同期音声——audio パラメータを有効にすると、映像と音声が同時に生成され、ポストプロダクションでの吹き替えや効果音の同期作業を省けます。
• 自動マルチショット絵コンテ——prefer_multi_shots により、モデルがプロンプトに基づいて複数のショットを自律的に計画し、1回のリクエストでカット切り替えを含むシーケンスを取得できます。
• 再利用可能な主体と @ 参照——最大7つの主体を登録でき、各主体は2〜4枚の画像で定義します。プロンプト内で @名前 として参照し、その主体が複数ショット間で一貫した外観を保てます。

機能説明

テキストから動画の生成：プロンプトを入力すると動画ファイルを直接返します。長さは3〜15秒の間で調整でき、さまざまなテンポのクリップ要件に対応します。

解像度とアスペクト比の制御：720p、1080p、4k の3段階の解像度と、16:9、9:16、1:1 の3種類のアスペクト比を提供し、1回のリクエストで横長配信、縦長フィード、正方形素材に合った完成映像を生成できます。

ネイティブ音声のオン/オフ：audio はデフォルトでオフで、有効にすると映像と同時に同期音声が生成されます。会話系や雰囲気系のクリップでは、音声トラックの合成が不要になります。

主体の登録と参照：elements で主体の名前、説明、2〜4枚の参照画像を渡し、プロンプト内で @名前 として指定することで、同じキャラクターや物体が複数のショットをまたいでも外観を一貫させられます。

インテリジェントなマルチショット計画：prefer_multi_shots を有効にすると、モデルがプロンプトを複数のショットに分解して編集を構成し、ショットごとに生成して後から繋ぎ合わせる手間を削減します。

適用シーン

• コンテンツチームによるソーシャル向けショート動画の量産——製品のセールスポイントや話題の説明を入力し、9:16 の縦長でショート動画を生成して、フィードやショート動画プラットフォームへの配信にそのまま使用できます。
• 映像・アニメーションのプリプロダクション絵コンテのプレビズ——ショットとカメラワークを文章で描写し、マルチショット絵コンテを有効にすると、可視化されたシーケンスを素早く得られ、絵コンテの検討やショット設計の参考にできます。
• 広告・ブランド映像のクリエイティブ検証——本制作の前に16:9かつ高解像度でコンセプトクリップを生成し、クライアントへのクリエイティブ方向性の確認に使用できます。
• セリフ付きの会話系キャラクタークリップ——キャラクターの主体を登録してプロンプト内で参照し、ネイティブ音声を有効にすると、同期音声付きのキャラクタークリップを生成してドラマのサンプル映像に使用できます。

制限と選定のヒント

1回の生成の長さは最大15秒で、長い物語は分割して生成した後に繋ぎ合わせる必要があります。elements は主体の外観参照のみを担い、プロンプト内で @名前 を明示的に参照しないと効果を発揮せず、登録されていない主体は一貫性が保証されません。解像度を4kに上げると生成と転送のコストが大幅に増加します。現在のラインはテキスト入力のみを受け付けるため、画像や既存動画を出発点にする場合は、同シリーズのイメージ・トゥ・ビデオ、リファレンス・トゥ・ビデオ、またはビデオ・トゥ・ビデオ（transformation）のラインに切り替える必要があります。コストは出力動画の秒数に応じて課金され、長時間と高解像度の組み合わせでは事前に利用量を見積もる必要があります。