
Kling 4.0:ステレオ音声付き30秒AI動画と参照画像10枚に対応
Kling 4.0は720p/1080pで3〜30秒の動画をステレオ音声付きで生成。テキストから動画、最初と最後のフレーム指定、最大10枚の参照画像に対応。機能、料金、プロンプトのコツ、使い方を紹介します。
Kling 4.0は、Klingの最新の動画生成モデルです。最長30秒のクリップを、常にステレオ音声付きで作成できます。最大10枚の参照画像で、キャラクターや商品の見た目を揃えることもできます。
Kling 4.0はGrok Imagineで利用できるようになりました。できること、料金、うまく仕上げるコツをまとめます。
Kling 4.0でできること
| Kling 4.0 | |
|---|---|
| 入力 | テキスト、最初のフレーム、最初+最後のフレーム、または最大10枚の参照画像 |
| 長さ | 3〜30秒 |
| 解像度 | 720pまたは1080p |
| アスペクト比 | 16:9、9:16、1:1、21:9 |
| 音声 | 常にオン、ステレオ |
| Grok Imagineでの料金 | 5秒:59クレジット(720p)、88クレジット(1080p) |
すべてのクリップに音がつく
Kling 4.0は映像と同時に音声も生成するため、環境音、効果音、音楽が画面の動きに合います。無音モードはないので、ほしい音はプロンプトに書いておきましょう。
最長30秒
長さは3〜30秒から自由に選べます。商品デモ1本分、短いストーリーの一場面、ミュージックビデオの一部を、1回の生成で作れます。
参照画像
画像の使い方(Image Use)を参照画像(Reference Images)に切り替え、キャラクター、商品、場所の画像を最大10枚アップロードします。プロンプトでは@image1、@image2のように指定します。
@image1 holds @image2 up to the camera in a bright studio, slow turntable shot
最初と最後のフレーム
1枚アップロードするとその画像をアニメーション化し、2枚アップロードするとその間をつなぐ映像になります。フレームモードでは、最初の画像のアスペクト比が使われます。
Kling 4.0とKling 3.0の比較
| Kling 4.0 | Kling 3.0 | |
|---|---|---|
| 最大の長さ | 30秒 | 15秒 |
| 最大解像度 | 1080p | 4K |
| 音声 | 常にオン(ステレオ) | オプション |
| 参照画像 | 最大10枚 | ❌ |
| 21:9シネマティック比率 | ✅ | ❌ |
| ネガティブプロンプト | ❌ | ✅ |
| 5秒 / 1080p 音声付き | 88クレジット | 56クレジット |
長いクリップ、一貫したキャラクター、音まで仕上がった動画にはKling 4.0がおすすめです。4K出力や、より安い無音クリップにはKling 3.0を選びましょう。
テストで分かったこと
Grok Imagineで、5秒・720pのテストを2本行いました。
テキストから動画:
A street musician plays a saxophone under a flickering streetlight in the rain, people with umbrellas pass by, warm cinematic light, the music echoes
生成には約5分かかり、Kling 3.0やSeedance 2.5 Flashより長めでした。仕上がりはステレオのサウンドトラック付きで、被写界深度の浅い映画のような映像でした。
**最初のフレーム:**宇宙ステーションで浮かぶ子どもたちのイラストをアニメーション化しました。所要時間は約4分です。スタイルとキャラクターは元の画像のまま保たれ、Kling 4.0は指示していないのにステレオのサウンドトラックも付けてくれました。
Kling 4.0では、とくに長めの設定だと1クリップ数分かかる前提で計画しましょう。
Kling 4.0のプロンプトのコツ
- サウンドトラックもプロンプトに書く。「サックスの音が濡れたレンガの壁に響き、雨が傘を打つ」のように具体的に書くと、Kling 4.0が生成しやすくなります。
- 長いクリップは流れで書く。「まずカメラが…、次に彼女が…、最後に…」と順番に書くと、20〜30秒のクリップでも崩れにくくなります。
- **シネマティックな絵には21:9を使う。**映画のようなワイド画面になり、予告編やイントロに向いています。
- **参照画像はシンプルに。**ごちゃごちゃした場面より、キャラクターや商品ごとの明るくはっきりした写真のほうがうまくいきます。
- **まず短く試してから長く。**Kling 4.0は秒数ごとの課金です。3〜5秒・720pでプロンプトを試してから、フルの長さで生成しましょう。
プロンプトの組み立て方は、プロンプト完全ガイドでさらに詳しく紹介しています。
Grok ImagineでKling 4.0を使う方法
- AI動画ジェネレーターを開きます。このリンクからならKling 4.0が最初から選択されています。
- テキストから動画、または最初 / 最後のフレーム(First / Last Frame)か参照画像を使った画像から動画を選びます。
- 長さ(3〜30秒)、解像度、アスペクト比を設定します。
- 生成(Generate)をクリックします。
Kling 4.0は、すべての有料プランとクレジットパックで利用できます。料金をご覧ください。
よくある質問
Kling 4.0は常に音声を生成しますか? はい。Kling 4.0のすべてのクリップにステレオ音声がつきます。
Kling 4.0は4Kに対応していますか? いいえ。720pまたは1080pで出力されます。4Kが必要な場合はKling 3.0を使ってください。
Kling 4.0の動画は何秒まで作れますか? 3〜30秒です。
Kling 4.0の料金はいくらですか? 720pで1秒あたり約11.7クレジット、1080pで1秒あたり約17.5クレジットです。たとえば、5秒の720pクリップは59クレジットです。
その他の投稿

Kling 3.0 AI動画生成:720p・1080p・4K対応、音声はオプション
Kling 3.0はテキストや画像から3〜15秒の動画を720p、1080p、4Kで生成。最初と最後のフレーム指定、音声のオン/オフにも対応。機能、クレジット料金、プロンプトのコツ、使い方を紹介します。

Seedance 2.5 Flash:音声付きで最大30秒のAI動画、提供開始
Seedance 2.5 FlashはByteDanceの高速動画モデル。テキストから動画、開始・終了フレーム指定、最大10枚の参照画像、音声付き最大30秒に対応。機能、料金、プロンプトのコツを紹介します。

Veo 3.1 Lite:音声付きVeo 3.1動画をいちばん安く作る方法
Veo 3.1 LiteはGoogleの軽量版Veo 3.1モデル。720p・1080p・4Kで、音声付きの8秒テキスト動画を生成できます。できること、FastやQualityとの違い、料金、試し方を紹介します。