3行でいうと

  • 入口は Creative Studio の「Video Generation」「Image Generation」「Motion Control」などです。ボタンの細かい表記は、公式のガイドに書かれているものだけを使い、書かれていないものは「公式で確認できていない」と書きます。
  • 公式のガイドは、古い書き方（長さは5秒か10秒、比率は3種類）と、Kling 4.0 のガイド（3〜30秒、参考素材は最大15個）が混ざっています。使うモデルのガイドの数字を見てください。
  • 参考素材は、アップロードした順に「@Image1」「@Video1」のように番号がつき、プロンプトの中で呼びます。各素材の役割を書く、と4.0のガイドが書いています。
  • プロンプトの例文は、すべて「この記事の例」です。公式の例ではなく、公式の書き方の型に合わせて、この記事で組みました。
  • 最初の1時間の順番の案は、「僕らの見立て」として別に書きます。公式の推奨ではありません。

この記事は、公式の資料を2026年10月25日に読んでまとめたものです。この記事は、実際に使って確かめた記録ではありません。運営者はKlingを入れていますが、使い心地はこの記事には書いていません。手順は「公式の手順を順に並べたもの」です。画面の表記は変わるので、手元の画面と照らして読んでください。生成結果がどんな見た目で返るかは、この記事では書けません。

先に結論

前提：用語をそろえる

場面1：文章だけで動画をつくる

公式の「Text-to-Video」ガイドの手順です。

  1. Creative Studio を開く。
  2. 「Video Generation」を選ぶ（ガイドは、入口をこう案内しています。画面の細かい説明はありません）。
  3. 作りたい映像を文章で入力する。

  4. 画面の比率、生成モード、長さを選んで生成する。

  5. 文章の型（公式）。 主役（見た目や姿勢を短く）、その動き、場面（手前と奥）を、まず簡単に書きます。足したいときに、カメラの言葉（寄り、俯瞰、被写界深度）、光（夕日、人工の光）、雰囲気を加えます。

  6. 公式のコツ。 平易な言葉で短く。映像の内容は、5〜10秒に収まる量にする。数の指定は苦手なので、「10個」といった書き方は期待どおりにならないことがある。ボールの跳ね返りや高く投げ上げる動きのような、複雑な物理は難しい。
  7. 数字が古い。 このガイドは、比率は16:9・9:16・1:1、長さは5秒か10秒、と書いています。4.0のガイドは、3〜30秒（1秒きざみ、既定は10秒）、比率は21:9・16:9・1:1・9:16・Auto（既定はAuto）、解像度の選択は720p・1080p・4K、と書いています。
  8. この記事の例（公式の型に合わせて組んだもの）：
雨上がりの商店街を、傘をさした女の子が歩いていく。ローアングルのカメラが後ろから追う。夕方の柔らかい光。

場面2：画像1枚を動かす（Image to Video）

公式の「Image to Video」ガイドです。

  1. Creative Studio の動画の入口を開く（ガイドは「Video Generation」への入口を挙げるだけで、画面の描写はありません）。
  2. 動かしたい画像を入れる。
  3. 文章は、画像がすでに場面を決めているので、「主役＋その動き」を中心に書く。複数いるときは順に、それぞれの動きを書く。

  4. モード、比率、長さを選んで生成する。

  5. 曖昧な指示の注意（公式）。 動きを書かないと、静止画を絵や写真として扱い、動かない映像やカメラが振れるだけの映像になることがある。たとえば「サングラスをかける」とだけ書くより、「手でサングラスをかける」と動作を書く。背景の光の効果を足すこともできる、と書いています。

  6. 公式のコツ。 簡単な言葉と文の組み立てにする。動きは、その画像から起こりうる、物理的に無理のないものにする。画像から大きく離れた内容は、途中でカットや切り替えが起きることがある。
  7. この記事の例：
女性が手でサングラスをかける。背景に光が差し込み、髪が少し揺れる。

場面3：最初の絵と最後の絵を決める（Start and End Frames）

公式の「Start and End Frames」ガイドの手順です。

  1. 「Image to Video」の機能を開く。
  2. 最初の画像（開始フレーム）を入れる。
  3. 右上の「Add End Frame」を押す。
  4. 最後の画像（終了フレーム）を入れる。

  5. 生成する（ガイドは、生成のボタンの表記を書いていません）。

  6. 公式の注意。 2枚は、同じ主題で、できるだけ似たものにする。変化は5秒ほどに収める。差が大きいと、別のカットに切り替わることがある。

  7. 公式のやり方の例。 Klingの画像生成で候補を作り、似た2枚を選んで、開始と終了に使う。
  8. 書かれていないこと。 ファイルの大きさ、解像度、対応する形式、料金。どのモデルで使えるかは、このガイドには書かれていません。
  9. 4.0の場合。 4.0のKeyframesは、画像だけを使い、最初のフレームだけ、最初と最後、あるいは途中のどこかに、時間の位置を決めて置けます。最大10個。参考素材のアップロードはできない、と4.0のガイドが書いています。画像を入れた場合の比率は、最初のキーフレームに従います。

場面4：参考素材を組み合わせる（Kling 4.0 の Omni Reference）

公式の「Kling 4.0 User Guide」の手順と条件です。

  1. 作成の入口で「Omni Reference」を選ぶ（既定）。
  2. 画像、動画、音声（声のプロフィール）、エレメントを入れる。アップロードした順に、「@Image1」「@Video1」のように番号がつく。
  3. プロンプトを、次の順で書く。
  4. 素材の役割（たとえば、@Image1 が何を決めるか、何を保つか）。
  5. 全体の設定（場面、見た目の様式、カメラの調子）。
  6. 時間の順の出来事（時間の範囲ごとの映像、カメラの動き、最後の絵）。
  7. 音（せりふやナレーション、環境音、音楽、効果音）。
  8. 解像度（720p・1080p・4K）、長さ、比率を選んで生成する。

入力の上限（公式のガイド）

項目 上限
文章 8,000トークンまで
画像 最大10枚。1枚30MBまで。比率は2:5〜5:2
動画 最大5本。1本3〜30秒、合計30秒、1本300MBまで
声のプロフィール 1回の依頼で最大3個。音声5〜30秒、1ファイル50MBまで
エレメント 最大7個。動画エレメントは最大3個まで。動画エレメントの元の映像は3〜8秒
全体 参考素材は合計15個まで
動画の枠 参考動画、編集する動画、動画エレメントは、同じ枠（最大5本、合計30秒）を分け合う 
@Image1 の人物の顔立ちと服装を保つ。
全体：夕方の海辺。フィルムのような色合い。カメラは低い位置から。
0〜5秒：人物が砂浜をゆっくり歩く。
5〜10秒：人物が振り返って笑い、カメラが少し寄る。
音：波の音。字幕とBGMは入れない。

動画を編集する（同じ画面）

  1. 編集したい動画を入れる（主となる動画1本を含め、最大5本のクリップ。1本3〜30秒、合計30秒まで）。
  2. プロンプトの頭に「Edit @Video1」と書き、変えたい所を具体的に書く。
  3. 「Keep everything else unchanged」を足して、ほかを変えないよう頼む。

  4. 「Reference @Video1」と書くと、編集ではなく、参考にした新規の生成になる、と公式が書いています。

  5. 公式のガイドは、編集の例として、要素の追加、人物や場面の差し替え、複数の人物の差し替え、要素の削除、様式の変更を挙げています。

  6. 4.0の動画の延長（最大2分）は、ガイドの中で「coming soon」と書かれています。10-bit HDRは、仕様の欄では1080pと4Kに載っている一方、概要では「coming soon」とされていて、ページの中で書き方が食い違っています。どちらも、画面で使えるかを確かめてください。

場面5：人物や小物を登録して、何度も同じ姿で出す（Elements）

公式の「Element Library」ガイドの手順です。

入口（公式）

複数の画像でつくる

  1. 主画像を入れる（端末から、または作成履歴から選ぶ。この入口のボタンの表記は、公式で確認できていない）。正面を向いた主画像が recommended、と公式が書いています。
  2. 主題の種類を確かめる。自動で判定され、必要なら直す。選べるのは Characters、Animals、Items、Costumes、Scenes、Others です。
  3. 人物の場合は、声を結びつける。音声ファイルを入れる、「Voice Library」から選ぶ、「No Voice」を選ぶ、のどれか。
  4. 別の角度や細部の画像を、1〜3枚足す（合計2〜4枚）。
  5. 名前を入れる（ライブラリの中で重複しない名前）。説明は自分で書くか、「AI Auto-Description」を押す。守りたい特徴と、モデルに無視させたい特徴を書く。
  6. 「Generate」を押して保存する。

動画でつくる

使うとき

上限と費用（公式、確認日 2026-10-25）

項目 内容
保存できる数 会員でない人 30、Standard 50、Pro・Premier 150、Ultra 500
作成の費用 無料
「AI multi-view completion」（主画像から別の角度を補う） 会員は1日3回まで無料、その後は1回5クレジット。会員でない人は1回5クレジット
声の音声 単独の話者、5〜30秒。形式は mp3、wav、mp4、m4a、mov など
共有 エレメントは Explore に共有できない。エレメントを使ってつくった動画は共有でき、他の人がワンクリックで再現できる

場面6：他の動画の動きを写す（Motion Control）

公式の「Motion Control」ガイドの手順です。

VIDEO 2.6（Web・アプリ）

  1. 動きの動画を入れる（端末から、または「Motion Library」から）。
  2. 人物の画像を入れる。
  3. 向きの設定を選ぶ。「Character Orientation Matches Video」（既定。動き、表情、カメラの動き、向きが動画に従う）か、「Character Orientation Matches Image」（向きは画像に合い、カメラの動きはプロンプトで決める）。
  4. 背景などの細部をプロンプトに書く。
  5. 生成する。

VIDEO 3.0（Web・アプリ）

  1. 動きの動画と人物の画像を入れる。
  2. 人物画像の下の「Bind Facial Element to Enhance Facial Consistency」を押す。
  3. 既存のエレメントを結びつけるか、新しく作る（画像の組、または短い動画のアップロード・録画）。

条件（公式、2.6）

費用（公式、確認日 2026-10-25）

モデル モード 1秒あたりのクレジット
VIDEO 3.0 Motion Control Professional 12
VIDEO 3.0 Motion Control Standard 9
VIDEO 2.6 Motion Control Professional 8
VIDEO 2.6 Motion Control Standard 5

場面7：画像をつくる（Image 3.0 Omni）

公式の「Kling IMAGE 3.0 Omni User Guide」の手順です。

  1. Creative Studio を開く。
  2. 「Image Generation」の入口を選び、3.0 Omniのモデルで使う。
  3. 必要なら「Image Series Mode」をオンにする（もう一度押すとオフ）。
  4. 必要なら参考画像を入れる。プロンプトの中では「Image 1」「Ref 2」のように番号で呼べる。
  5. 枚数を選ぶ。「Auto」（モデルが連続性を見て決める）か、固定の数。シリーズモードの最小は2。
  6. 高い解像度が欲しければ「4K」を選ぶ。

  7. プロンプトを書いて生成する。

  8. 公式のコツ。 画角（寄り、引き）、撮影の角度、焦点距離（例：85mm）、光、色の調子を書く。連作は「Shot 1 から Shot N」と番号をふり、被写体・場面・様式を一度決めて繰り返し使う。正確な色は16進のコードで指定できる、と書かれています。

  9. このガイドの後ろの部分は、長さの都合で読み切れていません。入力の上限と消費量は、確認できていません。

場面8：APIで、動画をつくって受け取る

プログラムから呼ぶ場合の流れです。キーの作り方は05にあります。

  1. 作成を送る。 4.0のImage to Videoは POST https://api-singapore.klingai.com/image-to-video/kling-4.0 です。contents に、文章（type: prompt）と、画像（first_frame、middle_frame、last_frame）を入れます。画像は .jpg、.jpeg、.png、1枚30MBまで、各辺300px以上、比率2:5〜5:2、最大10枚です。
  2. タスクIDを受け取る。 返事の data.id です。
  3. 状態を見る。 GET /tasks?task_ids=<ID>。succeeded になると、outputs に動画のURLが入ります。
  4. 保存する。 URLは30日で消える、と公式が書いています。

次は、公式の例の形に合わせた、この記事で組んだ例です（動作は確かめていません）。画像のURLは自分のものに替えます。

curl --location 'https://api-singapore.klingai.com/image-to-video/kling-4.0' \
  --header 'Content-Type: application/json' \
  --header "Authorization: Bearer ${KLING_API_KEY}" \
  --data '{
    "contents": [
      {"type": "prompt", "text": "A woman puts on sunglasses with her hand; light flares behind her."},
      {"type": "first_frame", "url": "https://example.com/your-image.png"}
    ],
    "settings": {"resolution": "720p", "duration": 5}
  }'

最初の1時間の順番（僕らの見立て）

これは、公式の推奨ではなく、この記事の案です。

  1. 画面で、残りのクレジットと、生成の前に出る費用の表示を見る（04）。
  2. 場面1の短い文で、いちばん短い長さを1本つくる。
  3. 場面2で、手元の画像を1枚動かす。
  4. 場面4で、画像1枚を「@Image1」と呼ぶ、短いプロンプトを試す。役割を1行書く。
  5. 同じ人物を何度も出したいなら、場面5でエレメントを作る。
  6. 動きの見本があるなら、場面6。

たとえ話

プロンプトは、カメラマンへの「香盤表」のようなものです。誰が、どこで、どう動き、カメラはどこにあり、最後に何が映るか。素材の役割を先に書くのは、出演者の名札を先に渡すのと似ています。これは分かりやすさのための例えで、公式の説明ではありません。

気をつけること

出典