Kling 4.0 キーフレーム＆Omni Reference 完全ガイド

クイック回答: Kling 4.0では、3〜30秒の1回の生成で最大10枚のキーフレーム画像を配置し、同じタスクに最大15個のOmni Referenceアセット（画像、動画、被写体）を添付できます。キーフレームは画像がいつ変化するかを決定し、Omni Referenceは何を一貫させるかを決定します。キーフレームはシーンが変化する必要がある場所にのみ配置し、プロンプトはキーフレームと同じ順序で記述してください。

Kling 4.0は、2026年9月28日にKuaishouのKling AIによって発表されました。その最大のアップグレードの2つは、コントロールに関するものです。マルチキーフレームと、大幅に拡張されたOmni Referenceです。Kling 3.0では開始フレームと終了フレームのみが提供され、生成時間は最大15秒でした。Kling 4.0は30秒まで対応し、動画の中間部分も固定できるようになりました。

このガイドでは、これら2つの機能の仕組み、30秒のタイムラインでの計画方法、およびコピーして使用できる3つの実行プランについて説明します。Kling 4.0は間もなくseedance.tvに導入される予定ですので、これらのプランは今からドラフトを作成し、利用可能になった瞬間に生成できるように書かれています。最後に、このアプローチを、現在すでにご利用いただけるSeedance 2.5のタイムスタンププロンプトおよび50個のリファレンス入力と比較します。

キーフレーム vs Omni Reference 比較表

Kling 4.0 キーフレームの仕組み

キーフレームとは、モデルに対して「動画のこの時点で、フレームはこのように見えるべきである」と指示する画像です。Kling 4.0では、おなじみの最初と最後のフレームのワークフローに加え、1回の生成で最大10枚のキーフレーム画像を配置できます。

モデルは、それらの間の動きを生成します。テキストプロンプトで各区間の出来事を記述することで、トランジション（遷移）を自然なものにします。

マルチキーフレームに関するKling自身のアドバイスは、簡潔で実用的です。

• 視覚的状態が変化する必要がある場所にキーフレームを配置し、一定の間隔で配置しないでください。「できるから」という理由で3秒ごとにキーフレームを置くと、通常、動きが不自然になります。
• ストーリーに必要な数だけのキーフレームを使用してください。 適切に選ばれた3枚のキーフレームは、多くの場合、10枚よりも優れています。
• 1つのキーフレームですべてを変更しないでください。 キャラクター、設定、カメラ、照明、スタイルを同じタイミングで変更すると、モデルがその間を埋めるのが難しく難しくなります。一度に1つか2つの要素を変更するようにしましょう。
• キーフレームと同じイベント順序でプロンプトを記述してください。 キーフレーム3が「使用中の製品」である場合、プロンプトの3番目のセグメントで使用中の製品について説明する必要があります。

30秒のタイムラインでのキーフレームの計画

30秒の製品動画に関するKlingのサンプルプランは以下の通りです。

間隔が不均等であることに注目してください。キーフレームはグリッド上ではなく、ストーリーの節目に配置されます。

プロンプトは、それらの節目に合わせたタイムラインセグメント（例：0〜5秒、5〜12秒、12〜20秒、20〜27秒、27〜30秒）として記述されます。これはタイムラインプロンプトと同じ考え方ですが、画像によって固定されている点が異なります。

Kling 4.0は最大8,000トークンのプロンプトに対応しているため、各セグメントを詳細に記述する余裕があります。短いプロンプトは自動的に拡張されますが、キーフレーム動画の場合は、タイムラインを書き出すことでより予測可能な結果が得られます。

Kling 4.0におけるOmni Referenceの仕組み

Omni Referenceは、認識可能な状態を維持する必要がある要素をアップロードする場所です。Kling 4.0では、1つのタスクで合計最大15個のアセットを使用できます。

これらを効果的に活用するためのポイント：

• 画像は、製品ショット、キャラクターの顔、衣装、ロゴ、スタイルフレームに最適です。1つの明確な被写体が含まれる、明るく鮮明な画像を使用してください。
• 動画は、動きや複数の角度からの被写体の外観が重要な場合に役立ちます。合計制限が30秒であるため、各動画は短くまとめてください。
• 要素 / 被写体は、再利用可能なキャラクターやオブジェクトです。動画から作成することで、モデルが参照できる角度が増えます。
• オーディオは音声（ボイス）リファレンスのみです。Klingは音楽や効果音のリファレンスには対応していないため、代わりにプロンプトで音楽やSFXを記述してください。

上限はあくまで最大値であり、目標ではありません。通常、品質のばらつきがある15個のリファレンスよりも、2〜3個の強力なリファレンスの方が一貫性を維持しやすくなります。

キーフレームとOmni Referenceの連携方法

Kling自身の要約が、覚えておくべき最良のルールです：「キーフレームは変化のタイミングを定義し、Omni Referenceは一貫性を保つものを定義する」。

実践的には以下の通りです：

1. 不変の要素をOmni Referenceにアップロードする。 製品、メインキャラクター、衣装、ブランドスタイルなど。
2. 変化に対してのみキーフレームを作成する。 各キーフレームは、リファレンスと一致する同じキャラクターや製品を、新しい状態、ポーズ、場所、または角度で表示する必要があります。
3. プロンプトをキーフレームと同じ順序のタイムラインとして記述し、 参照される被写体には毎回同じ名前を付けます。
4. プロンプトで音を記述する。 Kling 4.0はリップシンク付きのネイティブステレオオーディオを生成するため、セグメントごとに台詞、音楽スタイル、エフェクトを追加してください。

キーフレーム画像を作成する際のヒント：Nano Banana 2などの画像モデルを使用して、同じリファレンス画像から生成し、キーフレームごとに1つの要素だけを変更します。これにより、動画モデルが処理する前に、顔や製品の一致を保つことができます。

実践プラン1：30秒の製品動画

目標： ステンレス製ウォーターボトルの9:16広告。

Omni Reference（4つのアセット）：

• 製品画像3枚：正面、側面、キャップの詳細
• 被写体画像1枚：広告に登場するランナー

キーフレーム（5）：

プロンプト（タイムライン）：

0–5秒：静かな都市の橋の夜明け。グレーのパーカーを着たランナーが靴紐を結び、冷たい空気の中で吐く息が白く見える。柔らかな青い光。都市の環境音と遠くの鳥の声。

5–12秒：彼女は立ち上がり、バックパックのサイドポケットからステンレスボトルを取り出す。ボトルのブラッシュドメタルと黒いキャップのクローズアップ。軽い金属的なクリック音。

12–20秒：川沿いの道を走りながら、彼女は走りながらボトルから水を飲む。水滴が朝の最初の光を捉える。アップテンポなエレクトロニック・ミュージックが始まる。

20–27秒：彼女がカメラの前を走り抜けるローアングルのトラッキングショット。手にはボトルがある。音楽が盛り上がる。

27–30秒：朝焼けを背景に、石の棚に置かれたボトル。静止したヒーローショット。音楽が結末を迎える。

• 固定グリッド上のキーフレーム。 均等に配置された10個のキーフレームは、ストップスタートモーションを生み出します。ストーリーの節目（ビート）に配置してください。
• キーフレームごとの変更が多すぎる。 新しいキャラクター、新しい場所、新しいカメラ、新しい照明を一度に変更することは、乱雑なトランジションの最も一般的な原因です。
• プロンプトの順序がキーフレームの順序と一致していない。 モデルは両方を読み取ります。これらが一致しない場合、結果が逸脱してしまいます。
• リファレンスと一致しないキーフレーム。 キーフレーム4の顔がOmni Referenceの被写体と異なる場合、モデルはどちらが正しいか推測しなければなりません。
• オーディオリファレンスに音楽を期待している。 Kling 4.0のオーディオリファレンスは音声のみです。音楽やエフェクトはプロンプトに入れてください。
• 未リリースの機能に基づいた計画。 最大2分の動画延長と10-bit HDRは、Klingによって「近日公開」とマークされています。そのため、現在はSDRでの単一の30秒生成の範囲内で計画を立ててください。

Kling 4.0のキーフレーム vs Seedance 2.5のタイムスタンププロンプト

どちらのモデルも1回の生成で30秒の動画を作成できますが、制御へのアプローチが異なります。

ストーリーボードが画像として既にあり、各ビートを正確に固定したい場合は、Kling 4.0を選択してください。10個の明示的なキーフレームは、非常に直接的な制御形式です。

多くのリファレンス素材（ブランドキット、複数の製品アングル、音楽、音声）がある場合や、リファレンスクリップからカメラワークをコピーしたい場合は、**Seedance 2.5**を選択してください。その詳細はタイムスタンププロンプトとリファレンスガイドで解説されています。

完全な比較については、Kling 4.0 vs Seedance 2.5をご覧ください。画質が主な関心事である場合は、Kling 4.0の4Kと10-bit HDRの解説を参照してください。

FAQ

Kling 4.0はいくつキーフレームをサポートしていますか？

3〜30秒の動画内で、1回の生成につき最大10個のキーフレーム画像をサポートしています。Kling 3.0では開始フレームと終了フレームのみのサポートでした。

Kling 4.0 Omni Referenceではいくつのリファレンスを使用できますか？

1つのタスクにつき最大15個のアセットを使用できます：最大10枚の画像、最大5本の動画（合計30秒）、および最大7つの要素または被写体（そのうち最大3つは動画から構築可能）です。オーディオリファレンスは音声のみです。

Kling 4.0 Flashは複数のキーフレームをサポートしていますか？

Kling 4.0 Flashのスペック表には複数のキーフレームは記載されていませんが、FlashでもOmni Referenceはリストされています。完全な違いについては、Kling 4.0 Flash vs Kling 4.0をご覧ください。

キーフレームとOmni Referenceのどちらを使うべきですか？

通常は両方を使用します。全体を通して同じに見える必要があるものにはOmni Referenceを使用し、ショットを変更する必要がある場所にのみキーフレームを使用してください。

Seedanceで試してみる

ストーリーの構成案（ストーリービート）をスケッチし、2〜5枚のキーフレームを選び、重要なリファレンスだけを集めましょう。Kling 4.0 はまだここでは利用可能になっていません。リリース情報や公式サンプルについては、Kling 4.0 のページを確認してください。その間、同じ指示内容（ブリーフ）を Seedance 2.5 の Reference to Video や Image to Video で試すか、Kling 3.0 で開始・終了フレームのテストを行ってください。利用可能になれば、キーフレームの計画はすでに整っているため、2つのコントロールスタイルを並べて比較することができます。