Kling: Video v3.0 Pro

Kling VIDEO 3.0 ProはKuaishouのVIDEO 3.0のプロ向けプロファイルです。文書化されたProモードは、テキスト指示または画像主体のシーンから、3〜15秒の1080p動画を生成します。3.0はネイティブ音声、被写体の一貫性制御、複数ショットの演出を組み合わせ、短い制作でも外観、動作、撮影構成、音を明確に指定できます。

シーンの主な動作から始めます。テキスト主体のショットでは、被写体、環境、光、動作が分かりやすい視点を記述します。画像主体では、開始画像で外観と構図を定め、テキストで時間とともに変わる部分を指定します。独自の商品コンセプトなら、スタジオの台に物体を置いた準備画像を使い、素材と形をゆっくり見せる動きをプロンプトに記述できます。

複数ショットの演出には、自動の撮影構成とカスタムシーケンスがあります。自動生成は指示から構図とカメラ角度の変化を計画し、一つの連続した画に合うシーンは単一ショットのままにもできます。カスタム絵コンテでは各ショットの内容と長さを定義できます。メーカーの仕様は1〜6ショット、各最大512文字、各最短1秒で、時間の合計は全体のクリップ時間に一致させます。

短い物語では、導入の画、主な動作、最後の細部を別々のショットとして記述します。各ショットのカメラ演出と、観客に注目してほしい点を示します。繰り返し登場する被写体の外観は一貫して記述し、動作と撮影構成は意図的に変えます。メーカー資料の単一プロンプト欄は最大2,500文字で、カスタムシーケンスでは別の各ショット説明を使います。

キャラクター、商品、場所の識別性を保ちたい画像主体のシーンでは、被写体参照が役立ちます。残したい特徴が伝わる鮮明な視点を選び、参照する被写体の呼び名を揃えます。文書化された画像主体プロファイルでは、準備済みエレメントを最大3個使えます。被写体の外観に矛盾する指示を与える素材を集めず、参照の役割を絞ります。

開始・終了フレームは、画像条件付きの遷移に視覚的な境界を与えます。被写体と意図するシーンが一致するフレームを用意し、それらをつなぐ動きを記述します。メーカーの対応入力はJPG、JPEG、PNG、最大10 MB、寸法300ピクセル以上、開始画像のアスペクト比1:2.5〜2.5:1です。フレーム制御タスクとカスタム絵コンテにはそれぞれの入力処理があるため、全指示を書く前に選択フローに合う素材を整理します。

ネイティブ音声は、せりふ、環境音、視覚的な演技を組み合わせられます。メーカー資料では音声は既定でオフで、音声付きシーン用に有効化します。3.0の言語プロファイルは中国語、英語、日本語、韓国語、スペイン語に加え、コードスイッチングと対応する方言・アクセントの表現を含みます。メーカーガイドによると、他の言語で入力した対話は英語に翻訳されます。各せりふを意図した被写体に割り当て、対話と背景音を区別し、誰が話し、動作の周囲に何の音があるかを明確にします。

例えば独自の二人のキャラクターの指示で、Speaker AとSpeaker Bを特定し、それぞれに短いせりふと、その間の見える反応を記述できます。クリップ時間に合う対話量にし、視点が変わる場合は話者を明示します。音声の演出とキャラクター参照の目的は異なります。参照画像に話す言葉が含まれると考えず、意図した演技を指示します。

VIDEO 3.0では、画像主体のシーンに見える文字の扱いも改善されています。看板、ラベル、キャプションが重要なら、指示内で特定し、参照の見た目を保ちます。特に商品やキャンペーンのメッセージを担う場合、完成クリップで文字のつづり、読みやすさ、動きを確認します。モデルの文字機能は生成を導くもので、最終的な目視確認の代わりにはなりません。

Proプロファイルは1080p、Standardは720pです。メーカーの別途選択する4Kモードは別の出力プロファイルであり、Proがすべての高解像度設定を意味するわけではありません。テキスト主体の生成で文書化された構図は16:9、9:16、1:1です。使用先に合うフレームを選び、その中で構図を読み取りやすく保ちます。

生成はタスクとして実行され、成功結果に完成した動画素材と実際の長さが表示されます。メーカーの結果文書では生成動画が30日後に削除されるため、速やかに完成クリップを保存します。動画と指示、参照素材を保持し、被写体の一貫性、指定ショット順、カメラ移動、対話、文字を確認します。選んだクリップを映画的なコンセプト、商品シーン、短い物語に使い、意図を満たさなかった部分に絞って修正します。