Kling AI、動画生成モデルKling 4.0を公開 ステレオ音声と多言語リップシンクに対応

Kling 4.0は1回の生成で最大30秒の動画を作成でき、シーン遷移やキャラクターの状態、物語の山場を指定するために最大10枚のキーフレーム画像を受け付ける。プロンプトの理解は8,000トークンまで拡張された。強化された「Omni Reference」では、画像10枚、合計30秒までの動画5本、エレメント7個を含む最大15点の参照素材を1回の生成に使える。絵コンテ、ワイヤーフレーム、画像グリッド、ホワイトモデル動画、深度マップ動画も参照に使える。

「Creative Recreation」は既存の動画をテンプレートとして、商品やキャラクターを差し替える機能である。表情、身体の動き、カメラアングル、背景といった個別の要素を、残りの部分に影響を与えずに調整できるとKling AIは説明している。

音声面では2チャンネルのステレオ音声に対応し、ドイツ語、英語、日本語、韓国語、スペイン語を含む10以上の言語でリップシンクが改善された。方言やアクセントにも対応するという。動画内テキストの生成も多言語化され、カメラが動いても安定するとされる。4K・1080pの10-bit HDR出力と最大2分への動画延長機能は「coming soon」と案内されている。