Kling 4.0

APIドキュメント生成を開始

順序付きキーフレーム名前付きの被写体と音声

アイデア、一連のフレーム、または特定のキャラクターからシーンを演出できます。APIXO上のKling 4.0は、テキスト、画像、参照ビデオ、音声リファレンスを組み合わせた非同期ビデオワークフローを提供します。

再生時間

3～30秒

素材

最大 15 件のリファレンス

解像度

720p / 1080p

ワークスペースを読み込み中...

APIXO の Kling 4.0

シーンを構成し、適切なビジュアルガイダンスを選択

動画の指示書（ブリーフ）には、単なるオープニング画像の説明以上のものが含まれることがよくあります。製品がカメラの方を向いたり、キャラクターが戸口に到達したり、シーンが特定の締めくくりの構図になったりする必要があるかもしれません。Kling 4.0では、これらの決定事項を個別の入力として指定できます。テキストでアクションを定義し、順序付けられたフレームで視覚的なマイルストーンを設定し、リファレンス素材でシーンに含まれる被写体や音を記述します。まずは意図を伝える最もシンプルなモードから始め、結果を確認し、特定の曖昧さを解消するためにガイダンスを追加してください。APIガイドでは、アプリケーション開発者向けに、受け入れ可能な素材やタスクの提供方法について説明しています。

生成モード

アイデア、フレーム、またはリファレンス資料から開始

アセットを収集する前に、シーンを検討する

テキストモードは、被写体、設定、動きを固定のソース画像なしで説明できる場合に役立ちます。認識可能なアクションを記述し、カメラの位置を定め、ショット中に何を変化させるべきかを記述してください。卓上コンセプトの場合は、表面、照明、製品の動き、最後の構図について説明してください。ステージングがうまくいくかどうかを判断できるよう、最初のドラフトでは中心的なアクションに焦点を当ててください。構図は良いものの、特定のオブジェクトにより強力な視覚的ガイダンスが必要な場合は、プロンプトに関係のない指示を詰め込むのではなく、画像または参照ワークフローに移行してください。

テキストから動画

視覚的なマイルストーンを定義

画像モードでは、開始フレームに加えて、終了フレームや順序指定された中間フレームを含めることができます。同じアクションの自然な段階を描写する画像を選択してください。例：閉じたパッケージ、蓋が開く様子、中身の製品が見える様子。ショット内での展開を伝えるため、中間画像の順序は重要です。指定した各構図の間でのカメラの動きや被写体の振る舞いなど、トランジション（場面転換）をプロンプトで記述してください。これらは、個別に時間を指定するタイムスタンプではなく、あくまで順序付けされた映像の節目です。画像モードでは開始フレームのアスペクト比が維持されるため、アップロード前にフレーミングを調整してください。

画像から動画

繰り返し登場する被写体に名前を付ける

リファレンスモードでは、視覚素材、名前付きサブジェクト、および名前付き音声リファレンスを使用できます。特定の人物、物体、衣装、場所、または音声リファレンスに基づいてシーンを作成する場合に使用してください。複数の画像から構成されるサブジェクトは異なる角度からの外見を定義でき、サブジェクト動画は一貫したキャラクターの動作を伝えることができます。各サブジェクトに短くユニークな名前を付け、プロンプト内で「@」の後にその正確な名前を入力してください。シーンの説明は、誰が何を行い、カメラがどのように捉えるかが分かるように記述してください。リファレンスは生成をガイドするものですが、同一性や視覚的な一貫性については引き続き確認が必要です。

リファレンスから動画

クリエイティブコントロール

各入力に明確な目的を持たせましょう

ショット内の進行を制御する

終了フレームは、何かを明かす、ポーズを変える、商品の細部でカメラの動きを終えるなど、開始シーンと同様に最終的なシーンが重要な場合に役立ちます。中間フレームは、最初と最後の画像だけでは遷移が曖昧な場合にのみ追加してください。関連性のない画像を寄せ集めるよりも、互いに関連性の高い構図を用いる方が、1つのシーンとして解釈されやすくなります。マイルストーン自体だけでなく、マイルストーン間の動きも確認しましょう。特に、手、接触、素早い動きがショットの意味を伝える場合には重要です。

サブジェクトと背景を分離

名前付きの被写体は、リファレンスを活用した指示書において各要素を区別するのに役立ちます。被写体の説明には特定のアイデンティティや役割を記述し、アクションやカメラワークについてはメインプロンプトを使用してください。短いストーリーを作成する場合は、周囲の環境を設定として維持しつつ、キャラクターが物に手を伸ばすといった動作を描写します。名前は説明的な文章ではなく「識別子」であるため、短くまとめ、予約済みの素材名は使用しないでください。複数の名前に同じ接頭辞が含まれる場合は、リクエストの修正時に管理しやすくするため、互いに判別しやすい名前を付けることをお勧めします。

音声ガイドと参照サウンドを意図的に設定

スタンドアロンの音声には、独自の名称と音声リファレンスがあります。キャラクターに音声を紐付けることも可能です。これらの選択肢は、リファレンス動画の元の音声を保持する設定とは別にしてください。このスイッチはリファレンス動画に適用されるもので、ネイティブ音声を一括で切り替える機能ではありません。リファレンス動画がない場合は、ネイティブ音声が生成されます。公開する前に、話される言葉、タイミング、発音、そして音と表示されるアクションの関係を確認してください。音声リファレンスは意図を伝えるものですが、完成したクリップを試聴する必要がなくなるわけではありません。

作成方法

長時間の生成の前に、テスト可能なブリーフを作成

シーンの目的を1つ選択してください

視聴者に伝えたい結果を書き出してください。例えば、「製品が開く」「キャラクターが反応する」「カメラが場所を映し出す」といった内容です。そのアクションが起こるのに十分な長さを確保し、無関係な出来事が入らないように時間を設定します。動きやフレーミングを評価するため、まずは短い下書きから始めるとよいでしょう。指示やレビューがしやすくなる場合は、設定やストーリーの方向性が変わる箇所を別々のショットに分けます。

入力の準備と特定

被写体がはっきりと写っている鮮明な画像と、連続した意味のあるアクションがわかる参照動画を使用してください。最初、中間、最後のフレームの順序をご確認ください。名前付きの被写体については、画像ビューまたは動画のいずれかを選択し、その名前が他の被写体や音声と重複しないようにしてください。プロンプトで言及する際は、宣言した通りの正確な名前を使用し、各言及の末尾にはスペースか句読点を付けてください。リクエストが意図的なクリエイティブの選択を表現するよう、未使用の参照は削除してください。

結果を確認し、1つの判断を微調整する

送信後は、リクエストの受理を生成完了と見なすのではなく、タスクが最終状態になるまでお待ちください。トランジション、終了フレーム、音声を含め、クリップ全体を確認します。シーンの目的と比較し、より明確なアクション、異なるフレーミング、新たな視覚的マイルストーン、より有用な参照など、どの変更が最も効果的かを判断してください。変更をテストする際は、指示の有用な部分を維持します。重要な結果は速やかにダウンロードし、選択した出力と共にリクエストを保管してください。

実用例

リファレンスに基づく決定を、実用的なクリエイティブのドラフトに変換します

製品の発表やデモンストレーション

第1フレームで製品を提示し、最終フレームで展開を定義します。中間フレームでは、パッケージの開封や細部への回転などを描写できます。入力全体で背景と照明の整合性を保ち、出力結果で製品の形状、ブランディング、物理的な接触を確認してください。生成されたクリップは、商業的な再現性を完全に保証するものではなく、編集や選定の候補として扱ってください。

キャラクターと背景のスタディ

名前付きの被写体を使用すると、参照としての役割を明確に保ちながら、シーン内のキャラクターを掘り下げて表現できます。維持したい外見がわかるアングルを用意し、扱いやすいアクションを記述し、パフォーマンスをサポートするカメラの動きを選択します。環境については、空間内の移動ルートと最終的な注目点を説明してください。ドラフトをもとに、より長いシーケンスを作成する前に、キャラクターの同一性、プロポーション、シーンの連続性を確認しましょう。

生成前

入力と課金の適用範囲を理解する

入力チェックリスト

出力時間は3〜30秒（整数）です。中間フレームは順序付けられており、総フレーム数は出力時間と10フレームの上限の両方によって制限されます。

参照モードでは、合計で最大15個のマテリアルを使用できます。ビデオ参照とビデオ被写体は、5本の入力ビデオと30秒の入力映像を共有します。

Kling 4.0 FAQ

入力ビデオがない場合、請求は出力時間に基づいて行われます。入力ビデオがある場合、請求秒数は、出力時間に、出力時間と測定された合計入力ビデオ時間のうち大きい方の値を加えたものとなります。別途の参照ビデオリストが空の場合でも、ビデオの被写体はカウントされます。入力時間は小数になる場合があるため、見積もりではその精度を維持する必要があります。画像および音声の参照は、請求対象の秒数に加算されません。メディアの時間が不明な場合、提示料金は見積もりとなり、最終的な請求額は測定された入力時間を使用して確定します。

このエンドポイントは、順序付けられた中間フレーム画像の配列を受け付けます。フレームごとのタイムスタンプフィールドは公開されません。画像を時系列に並べ、プロンプトでトランジションを記述してください。明示的な数値のキーフレーム時間を受け付けるワークフローについては、Grok Imagine Video 1.5 と比較し、解像度に依存する制限事項をご確認ください。両方のモデルがキーフレームをサポートしているというだけで、モデル間でフィールドを転送することはお控えください。

いいえ。リクエストを送信するとタスク識別子が返され、その後の処理は成功することもあれば、失敗することもあります。ステータスエンドポイントを最終状態になるまでポーリングするか、アプリケーションでコールバック配信を使用してください。成功した場合は、結果のJSON文字列を解析して動画のURLを読み取ります。失敗した場合は、アクセスできない入力や無効な組み合わせによってリクエストが繰り返されるのを防ぐため、再試行する前にエラーメッセージを確認してください。