Kling 4.0とは？機能・スペック・使い方を解説

Kling 4.0は、Kuaishou（快手）が開発した新しいAI動画モデルです。Kuaishouによると2026年10月15日に正式ローンチされ、その最大の目玉は動画の長さで、シングルパス（1回の生成処理）で最大30秒の動画を生成できます。VerseInでは、テキストプロンプトまたは参照画像から、720pまたは1080pの音声なし（ミュート）クリップ（3〜30秒）を生成可能です。本記事の内容はすべてKlingおよびKuaishouの公開ページとVerseInのモデルページの情報に基づいており、筆者ら自身によるKling 4.0のクリップ生成は行っていないため、出力クオリティに対する評価は含まれていません。

主なポイント

• Kling公式によると、Kling 4.0は「シングルパス」で3〜30秒の動画を生成可能で、Kling 3.0の3〜15秒から拡大されています。
• VerseIn上では、Kling 4.0はテキスト・トゥ・ビデオ（Text to Video）およびリファレンス・トゥ・ビデオ（Reference to Video）に対応し、動画の長さは3〜30秒、解像度は720pまたは1080p、アスペクト比は16:9、9:16、1:1、21:9に対応しています。
• VerseInのページではKling 4.0の出力は音声なし（無音）と記載されていますが、Kling公式アプリ向けにはステレオオーディオ対応が記載されています。
• 最大10個のキーフレーム、15アセットのOmni Reference、動画編集、最大2分までの延長機能などは、Kling公式アプリ向けに記載されている機能です。VerseInのKling 4.0ページには記載されていません。

VerseInにおけるKling 4.0のスペック

以下は、2026年10月27日時点でVerseInのKling 4.0モデルページに掲載されていたオプションです。同ページでは、本モデルを「複雑なカメラワークでも安定した動きを実現し、最大1080pで1パス最長30秒のテイクを生成可能」と要約しています。

なお、同ページにはImage-to-Video（画像から動画）やファーストフレーム（開始フレーム指定）モードは記載されておらず、参照画像の最大枚数も明記されていません。Kling自身のブログではプロンプト上限を「最大8,000トークン」と記載しており単位が異なりますが、VerseInのプロンプト入力欄では現在、最大8,000文字まで入力可能です。

VerseIn上の他のKlingモデルページには21:9の記載はありません。Kling 3は16:9と9:16を提供し、Kling 3.0 Turboには1:1が追加されています。VerseInの動画モデル全般を使ったプロンプト起点の制作については、Text to Videoページをご覧ください。

Kling 4.0とは

Kling 4.0は、KuaishouのKling動画モデルシリーズにおいてKling 3.0に続く次世代モデルです。Kling 4.0機能紹介ページにおいて、Klingは本モデルが「より安定したダイナミックな動き、リアルな物理的インタラクション、そしてより強力なシネマティック・カメラコントロール」をもたらすと述べています。また、Klingのローンチ告知記事では、「動画生成、マルチモーダルリファレンス、および編集をひとつのクリエイティブモデルへと統合した」モデルであると説明されています。

展開は2段階で行われました。2026年9月30日付のKlingのKling 4.0対3.0の比較記事によると、9月28日から「限定されたユーザーグループ」向けにKling 4.0 Flashバージョンのアーリーアクセスが開始されました。その後、Kuaishou Technologyが発表したプレスリリースにおいて、Kling 4.0が「10月15日に正式ローンチ」されたと発表されました。なお、Klingのページ上にはFlashバージョン単体の独立したスペック表は見当たりませんでした。

Kling公式が公表しているKling 4.0の機能

以下の機能はKling公式ページに記載されているもので、Kling独自アプリの説明です。前述の表にある3〜30秒の長さの点を除き、これらはVerseInのKling 4.0ページには表示されていません。そのため、VerseIn上で選択できる設定ではなく、モデルの基本背景情報としてお読みください。

最大10個のキーフレーム

Klingによると、タイムライン上に最大10個のキーフレーム画像を配置し、クリップの展開をコントロールできます。Klingの比較記事によると、Kling 3.0では開始フレームと終了フレームのみに対応していました。

Omni Reference

KlingのOmni Reference機能は、「個別の入力制限に従い」、合計最大15個のリファレンスアセットを受け付けます。Klingが公表している個別制限は、画像最大10枚、参照動画最大5本（合計30秒）、被写体要素最大7点、および音声リファレンスとなっています。

編集機能とCreative Recreation

KlingのFAQでは、テキスト・画像・リファレンス生成と並んで、Creative Recreationおよびピンポイントの動画編集機能が挙げられています。Klingによると、最大5本の入力クリップ（メイン1本）かつ合計30秒のフッテージを使用して、キャラクター、製品、背景、カメラアングル、ビジュアルスタイルを変更できるとしています。

最大2分までの動画延長

Klingは、複数パスによって前方および後方への延長を行い、全体で最大2分まで延長可能であると説明しています。

音声と対応言語

Klingによると、Kling 4.0はKling 3.0のモノラル（シングルチャンネル）音声から進化し、2チャンネルのステレオ音声を生成でき、リップシンクの向上や音声リファレンスにも対応しています。比較記事によると、3.0で対応していた中国語、英語、日本語、韓国語、スペイン語に加え、ポルトガル語、ドイツ語、フランス語、ヒンディー語「など」が追加され、多言語の画面上テキスト、ロゴ、絵文字にも対応しています。

4Kおよび10-bit HDR：近日対応予定として発表

Klingの機能紹介ページには、10-bit HDR対応の「ネイティブ4Kおよび1080p出力が近日公開予定」と記載されています。Klingの別ページでは4Kについて異なる記述も見られるため、本記事では4KとHDRは「実装済み」ではなく「発表済み（告知段階）」として扱っています。VerseIn上では、Kling 4.0は最大1080pで出力されます。

Kling 3からの変更点

Klingの比較記事では、今回のアップデートを「より長い生成時間、より細かなタイムライン制御、より豊かなマルチモーダル入力、そしてより柔軟な編集」と要約しています。

また、Kling公式はKling 4.0で21:9のアスペクト比が追加されたとも記載しています。

VerseIn上でも、両モデルにはいくつかの違いがあります。VerseInのKling 3ページ（Kling公式の呼称ではKling 3.0）では、Text to Video、Image to Video、最初と最後のフレーム指定モード、3〜15秒のクリップ、16:9と9:16の画面比率、5,000文字のプロンプト上限、動画と同時生成される音声が記載されています。一方、VerseInのKling 4.0はより長いクリップ、多様な画面比率、より長いプロンプトに対応していますが、出力は無音と記載されており、最初と最後のフレーム指定モードは記載されていません。

生成と同時に音声が必要な場合や、開始フレームと終了フレームを固定したい場合は、Kling 3ページで両方が提供されています。15秒を超える1本のテイクや、21:9の画角が必要な場合は、VerseInではKling 4.0がそれらに対応する選択肢となります。

VerseInでのKling 4.0の使い方

VerseInのモデルページには3つのステップが記載されています。

1. スタジオを開く：Kling 4.0ページからスタジオ画面へ進みます。モデルが事前に選択された状態で開くため、フォームにはKling 4.0でサポートされている設定のみが表示されます。
2. プロンプトの入力または参照画像の追加：シーンの説明文を入力し（最大8,000文字まで入力可能）、参照画像を添付するか保存済みのキャラクターを読み込みます（これらを組み合わせることも可能です）。長さを3〜30秒の間で指定し、720pまたは1080pの画質と画面比率を選択します。
3. 生成する：Kling 4.0がバックグラウンドで処理を行います。完成したクリップはライブラリに表示され、AI動画アップスケーラーなどのツールを使って高解像度化やリフレームを行うことができます。

Klingの特徴はカメラコントロールと動きの安定性にあるため、カメラワーク（ゆっくりとした寄り、旋回、トラッキングショットなど）や、長尺テイクの各段階で被写体が何を行うかをプロンプトで明確に指定することが有効です。

生成されるクリップは無音のため、音声の追加は2つ目のステップとなります。VerseInのページでは、生成後にAIボイスオーバーやAI音楽ジェネレーターなどのツールを使ってナレーションやBGMを追加できると案内されています。映像と音声を同時に生成したい場合は、音声付きAI動画ジェネレーターをご覧ください。

Kling 4.0の実行には毎回クレジットが消費され、消費量は選択したモデルや設定によって異なります。VerseInの料金プランページには「確定前に必ず合計コストが表示されます」と記載されており、生成が失敗した場合はクレジットが自動的に返還されます。

Kling 4.0の活用シーン

VerseInのページでは、Kling 4.0の用途として製品動画、UGC広告、マーケティング動画、ソーシャルメディア向け動画、アニメ動画が提案されています。1回の生成で最大30秒まで対応できるため、製品の周囲をぐるりと映すカットや動画広告のフルスクリプトなどを、複数のクリップをつなぎ合わせることなく1本のクリップで収めることができます。

ステップごとの詳しいワークフローについては、1枚の写真からAIで製品動画を作る方法やAIを活用したUGC動画広告の作り方をご覧ください。VerseInが提供するその他の動画モデルは、AI動画ジェネレーターのページから利用可能です。

よくある質問（FAQ）

Kling 4.0はすでにリリースされていますか？

はい。Kuaishouのプレスリリースによると、Kling 4.0 Flashが9月28日に「限定されたユーザーグループ」向けにアーリーアクセスを開始した後、Kling 4.0は2026年10月15日に正式ローンチされました。VerseIn上でも、テキスト・トゥ・ビデオおよびリファレンス・トゥ・ビデオのモデルとして利用可能です。

Kling 4.0で生成できる動画の長さはどれくらいですか？

VerseInでは、3〜30秒の間で1秒刻みで設定できます。Kling公式アプリでは複数パスによる延長で最長2分まで伸ばせると記載されていますが、VerseInのKling 4.0ページにはその延長機能は記載されていません。

VerseIn上でKling 4.0を使うと音声も生成されますか？

いいえ。VerseInのページでは、Kling 4.0の出力は音声なしの動画と記載されています。Kling公式アプリではステレオオーディオとリップシンクが案内されていますが、VerseInでは生成後にナレーションや音楽を追加する形になります。

Kling 4.0は4Kに対応していますか？

VerseIn上では対応していません。Kling公式ではネイティブ4Kおよび10-bit HDR出力は近日公開予定（coming soon）と説明されています。VerseInでのKling 4.0の提供解像度は720pと1080pです。