Kling 4.0とAI動画における新たな制御性競争

AI動画に対する最大の不満は、これまで本当に品質ではありませんでした。それは制御性です。プロンプトを書き、モデルが素晴らしいものを生成し、そしてクライアントが小さな変更を一つ求めると、全体を再生成し、キャラクターの顔とライティングが同じになることを願わなければなりません。そのギャップが、Kling 4.0が狙っているところです。

快手（Kuaishou）のKlingは、9月28日にこのモデルを発表しました。フルバージョンは10月中にリリースされる予定です。軽量版の「Flash」は、720pと20秒のクリップに制限され、同日にUltra年間購読者向けの早期アクセスが開始されました。フルモデルは、単一ショット生成を30秒に延長し、1080pと4K出力を追加し、より高い解像度では10ビットHDRが計画されています。

重要な仕様は解像度の数字ではありません。編集機能です。その中でも際立っているのが3つです。

1つ目はローカル編集です。完成した動画を取得し、1つのもの、つまり表情、動き、カメラの動き、スタイル、または背景を変更し、他のすべては固定したままにすることができます。マスターを含む最大5つのクリップを入力できます。これは、「クライアントが1つの詳細を変更した」ことが完全なやり直しになるか、単一の編集になるかの違いです。また、これはAIビデオをデモとしてのものから、リビジョンループとしてのものへと移行させる機能でもあります。

2つ目はキーフレームです。画像から動画への変換は、最大10枚のキーフレーム画像に加えて、最初と最後のフレームを受け入れるようになりました。商品ショット、使用シーン、パッケージのクローズアップを順番に固定し、モデルにそれらの間の動きを埋めさせます。商品動画を制作する人にとって、これは生成をストーリーボード作成に変えます。ストーリーボードはクレジットを消費する前に確認されるため、ここに本当の時間節約があります。ストーリーボードは契約でもあります。クライアントは、高額な部分が始まる前にシーケンスに同意します。

3つ目はOmni Referenceで、一度に最大15の入力を受け入れます。10枚の画像、合計30秒の5本の動画、および最大7つの音声参照付きの被写体です。プロンプトで@image1や@video1を使ってそれらを指定し、各参照にどのような役割があるかを伝えます。1つの参照はアイデンティティを保持し、別の参照はスタイルを保持し、さらに別の参照はポーズを保持します。これは人々がすでに画像編集で使用しているのと同じ原理を、動画映像に拡張したものです。

これら3つの機能には、1つの一貫したテーマがあります。それらはすべて、最初からやり直さなければならない回数を減らすことに関するものです。初期のAIビデオ時代はスロットマシンのようなものでした。レバーを引いてクリップを取得し、気に入らなければもう一度引くのです。Kling 4.0は、気にする部分が固定され、動きだけが偶然に任される決定論的パイプラインに向かって進んでいます。

価格設定は積極的で、Kuaishouがボリュームを狙っていることを示しています。年間請求では、エントリーティアは月額約21ドルで180クレジット、動画1本あたり約1.90ドル、トップティアは月額90ドルで動画1本あたり約1.10ドルです。どのティアでも透かしは入らないため、完成したクリップは直接クライアントに出荷できます。参考までに、GoogleのVeo 3.1の標準ティアは1秒あたり約0.40ドル、AlibabaのWan 3.0は0.05ドルから0.20ドルです。中国の動画モデルは価格で市場シェアを買っており、Klingはそれを隠していません。

これらのコントロールは、シーンをまたいでキャラクターを保持できることがすでに証明されているモデルの上に載っています。その組み合わせ、つまり制御性、一貫性、そして低い秒単位の価格が、Kling 4.0を初期のSora時代の「わあ、これを見て」というデモとは異なるカテゴリーに感じさせるのです。デモは終わりました。今は反復作業が重要です。

これは現在、動画生成分野全体に流れる静かなテーマです。RunwayのGen-4.5は参照駆動型の一貫性を推進し、単一の参照画像で複数のショットにわたって被写体を保持できるようにします。Veo 3.1は音声と映像を一緒に生成して販売し、足音が足の着地場所に合うようにします。Wan 3.0は価格とオープンウェイトで競争しています。Kling 4.0は、結果を見た後に考えを変えるという、華やかでない問題に主張を置いています。これは常にクリエイティブな仕事における真のボトルネックであり、ベンチマークでは決して測定されないものです。

これが商業的に重要な理由は、AIビデオにお金を払う人々は、1つのバイラルクリップを作る人々ではないからです。彼らは月に100本の製品動画を作る人々であり、生成よりも修正に多くの時間を失っています。修正を安価にするツールは、実際のコストセンターを攻撃します。だからこそ、Klingのローカル編集とキーフレームが、4K仕様ではなく、本当の発表なのです。

この変化を測る有用な方法があります。古いワークフローでは、単一の「再生成」が失敗の単位でした。不要な変動のたびに、完全な生成、完全なクレジット、完全な待ち時間が費やされました。Kling 4.0のローカル編集は、その失敗の単位を小さな操作に変えます。感情的な違いは経済的な違いと同じくらい重要です。クリエイターはモデルをスロットマシンとして扱うのをやめ、指示できる共同作業者として扱い始めます。これはツールが新規性からワークフローへと移行する瞬間であり、AIビデオ市場が実際に成熟し始めた瞬間です。

Kling 4.0のオーディオ面は見落とされがちですが、言及する価値があります。フルモデルは、映像と同期した2チャンネルステレオオーディオを生成し、リップシンクが改善され、複数の中国語方言を含む9言語をサポートします。製品動画やショートドラマでは、口の動きに合ったナレーションが、信憑性があるか不快かどうかの違いを生みます。これは解像度の向上よりも大きな問題です。初期のAIビデオは無音の映像を生成し、後で吹き替えを任せていました。音と映像を一緒に生成するモデルは、ポストプロダクションの工程を丸ごと排除します。

戦略的な全体像を一歩引いて見る価値があります。Kuaishouはショート動画プラットフォームであり、KlingはそのAI部門です。つまり、Kling 4.0は、サブスクリプションを販売しようとするツール会社ではありません。それは自社のコンテンツエコシステムを養うプラットフォームであり、積極的な価格設定は、独立系ベンダーとは異なる最終目標を反映しています。ByteDanceのSeedanceとDreaminaも同様です。中国の動画モデルは、生成するコンテンツから利益を得るプラットフォームによって補助されており、これは西洋のラボが持たない構造的優位性であり、価格競争が一方向に傾き続ける理由です。

発表が完全には答えなかったことの1つは、制作現場の誰もが次に気にする詳細です。フルモデルのクレジット価格とAPIアクセスです。Klingはサブスクリプションティアを公開しましたが、Kling 4.0自体のクレジットあたりのコストは公開しておらず、そのAPIパッケージはまだ新しいモデルをサポートしていません。このギャップは、10月にフルモデルがリリースされるときに埋まるでしょうが、言及する価値があります。なぜなら、修正に優しいモデルの経済性は、ワンショットモデルとは異なるからです。ローカル編集が完全な再生成のほんの一部のコストで済むなら、価値提案は明らかです。ほぼ同じコストがかかるなら、その機能はコストの画期的進歩ではなく便利さに過ぎません。いずれにせよ、方向性は明確であり、価格の詳細がチームの導入速度を決定するでしょう。

製品動画、マーケティングクリップ、ショートドラマを出荷する人にとって、実用的な結論は簡単です。解像度の仕様を見過ごしてください。クライアントが別の角度を求めたときに何が起こるかを尋ねてください。答えが「すべてを再生成する」なら、あなたはまだ2025年に住んでいます。Kling 4.0は、2026年の答えは「1つを編集して残りを保持する」であると賭けています。その賭けに勝ったベンダーが市場の次の段階を支配するでしょう。なぜなら、修正こそが時間とお金が実際にかかる場所だからです。