Kling AIが「Kling 4.0」を発表、最大30秒の動画生成とキーフレーム指定による演出制御に対応

要点

• Kling AIが最新モデル「Kling 4.0」をリリースしたことが、海外テックメディアのTechNodeによって報じられた。

• 単一の指示で最大30秒のネイティブ動画生成が可能になり、既存の動画を延長する機能も備えている。

• 画像や動画、音声といった参照素材を最大15件まで入力できるマルチモーダル参照機能を搭載した。

• 登場人物の状態や動作の変化、場面転換を指定できるキーフレームを最大10箇所設定できるようになった。

• 開発の主眼が従来の映像の美しさや写実性だけでなく、長尺での一貫性や制作者が意図した通りの演出を行える制御性へとシフトしている。

• 中国のテクノロジーメディアTechNodeは2026年10月16日、動画生成AIサービスを展開するKling AIが最新モデル「Kling 4.0」を発表したと報じた。本バージョンでは最大30秒の連続した動画生成に対応したほか、キーフレームや複数の参照素材を活用することで、カメラワークやキャラクターの挙動に対する制御性能を大幅に引き上げている。

1回で最大30秒の生成に対応、キーフレームと参照素材で演出を設計

Kling 4.0の大きな特徴は、1回の生成処理で最大30秒の動画を出力できるネイティブ生成能力と、既存動画の延長機能を持つ点にある。加えて、クリエイターが映像の展開を細かく指示できるよう、参照アセット機能とキーフレーム機能が強化された。

参照アセット機能では、画像、動画、音声という複数の形式のデータ（マルチモーダルデータ）を最大15件まで入力できる。これにより、生成する映像のビジュアルスタイルや全体のトーンをモデルに把握させることが可能だという。

一方のキーフレーム機能は、映像の中で動きや状態の基準点となるコントロールポイントを最大10箇所まで配置できる仕組みである。登場人物の状態変化やアクションの切り替え、シーンの転換タイミングなどを具体的に指定できる。Kling AIの説明によると、参照アセットが「映像がどう見えるべきか」をモデルに理解させる役割を持つのに対し、キーフレームは「物語がどのように展開すべきか」を定義する役割を果たす。

テキストプロンプト依存の限界を解消し、試行錯誤の削減を図る

従来の動画生成AIは、主にテキストプロンプト（指示文）に依存してシーンを出力してきた。しかし、テキストだけで複雑なカメラワークや被写体の精密な動き、滑らかな場面転換を意図通りに指示することは困難だった。その結果、単発のショットとしては品質が高く見えても、複数のカットを連続させた際にキャラクターの外見が変わってしまったり、動作が不自然に途切れたりする現象が頻発していた。

Kling AIの担当者がTechNodeに語ったところによると、Kling 4.0の新機能は「クリエイティブの制御」と「物語の連続性」という2つの課題を解決するために導入されたという。テキスト入力だけでは人物の特徴や背景設定、演出のテンポ、カメラの動線などを厳密に指定しきれないため、参照データとキーフレームという視覚的・構造的な指示手段を追加した形だ。

これらの制御機能により、求めるカットが得られるまで何度も再生成を繰り返して手作業で良質なカットを選び出す負担が軽減されると期待されている。ただし、その効果の度合いは制作するシーンの複雑さにも左右されるとしている。

長尺化の本質的な難所は「時間」ではなく「一貫性と安定性」

動画の長尺化において、単に生成できる秒数を延ばすだけでは完結したストーリーにはならないとKling AI側は指摘している。

同社の担当者によると、AI動画が長尺コンテンツへと移行するにあたって最大の技術的障壁となっているのは、長時間の映像において安定性、制御性、そして物語の一貫性を維持し続けることだという。再生時間が長くなるほど、AIモデルは登場人物の容姿や服装といった同一性を保ち、空間内の位置関係や動作の連続性を保ち続けなければならない。さらに、カメラの向きや照明の当たり方、映像と音声の同期に至るまで、破綻なく調和させることが求められる。

数秒程度の短いクリップであれば、偶然うまく出力されるまで生成を繰り返す手法も成り立つ。しかし、まとまった映像作品を制作する場合、カット同士が自然につながり、登場人物が脚本に沿って一貫した行動を取り、作品全体のビジュアルスタイルが保たれていることが必須となる。Kling 4.0の機能拡張は、再生時間を延ばすこと自体よりも、制作工程全体に対する制御力を高める点に狙いがあるという。

写実性の競争から「監督の演出意図の再現性」へ

AI動画全体の視覚的クオリティが底上げされたことで、映像のリアルさだけで製品の競争力を測ることは難しくなりつつある。広告、アニメーション、映画などの本格的な制作現場では、単に美しい映像の断片ではなく、一連のストーリーを伝えるために互いに噛み合ったカット群が必要とされるためだ。

Kling AIの担当者は、業界の進化に伴って忠実度（映像のリアルさ）は差別化の決め手ではなく前提条件（ベースライン）になりつつあると説明している。今後の開発優先度は、より精密な演出制御や、脚本および絵コンテ（映像の構成をイラスト等で表した設計図）に対する理解力の向上に移っていくという。また、将来の動画生成ツールは単発の生成処理にとどまらず、構想段階から参照素材の入力、ショットの生成、編集、動画の延長、反復的な修正まで、制作工程全体を幅広く支援するものになるとの見解を示している。

ただし、制御性が向上したとしても、AIが単独で映画を制作できるようになるわけではない。ストーリーの構築やカットの選定、最終的な編集作業には引き続き人間の判断が不可欠である。同担当者は、AIツールにとって真に重要となるのは、偶然の当たりを求めて生成を繰り返すのではなく、制作プロセスを予測可能にするための十分な制御性と一貫性をクリエイターに提供できるかどうかであると述べている。