Kling: Video v3.0 Standard

Kling: Video v3.0 Standard は、Kuaishou に関連する動画部門である Kling の動画生成モデルです。これは動画カテゴリに属し、api14 上ではモデル id kwaivgi/kling-v3.0-std で識別されます。書かれたプロンプトや静止画像を短い動画クリップに変換するパイプラインを構築しているなら、これは最初に評価すべきモデルです。

このモデルはテキストと画像の入力を受け付け、唯一の出力として動画を生成します。対象となる中核的なワークフローは 2 つあります。書かれたプロンプトが生成を駆動する text-to-video と、提供された画像が結果を固定する image-to-video です。ガイド付きのシーン構成では、first-frame と last-frame の制御に対応しているため、ショットの開始フレームと終了フレームを固定し、その間の動きをモデルに埋めさせることができます。出力は 720p でレンダリングされ、アスペクト比は 16:9、9:16、1:1、クリップの長さは 3 秒から最大 15 秒まで選択できます。音声生成も利用可能であり、つまり 1 回の呼び出しで無音映像ではなく音声付きのクリップを返せます。

これらの機能は、かなり特定の制作タスク群に対応します。9:16 の比率と短い長さは短尺フィードやストーリーズなどの縦型ソーシャル形式に適し、16:9 は標準的なワイドスクリーン配信用に合います。first-frame と last-frame の制御は、正確な構図で開始し終了する必要があるトランジションやショットが必要な場合、たとえば編集内の 2 つのキービジュアルをつなぐ場合に役立ちます。image-to-video は商品の静止画、イラスト、コンセプトアートをアニメーション化するのに自然に適合し、text-to-video は本格的な撮影に踏み切る前の素早いコンセプト探索に役立ちます。動画と同時に音声を生成できるため、別途のサウンド工程なしで完全な短いクリップを制作できます。

このモデルは、モデル id kwaivgi/kling-v3.0-std を使用して api14 の OpenAI 互換 API 経由で呼び出します。そのため、既存の OpenAI 形式のクライアントコードは base URL とモデル id を変更するだけで済みます。このモデルで公開されているリクエストパラメータは max_tokens、temperature、top_p です。このモデルはトークン単位のコンテキスト長を報告せず、maxOutput 値は 0 であるため、生成の長さはトークン予算ではなく動画設定 (duration、resolution、aspect ratio) によって決まると扱ってください。temperature と top_p は、実行ごとにより予測可能またはより多様な結果を望む場合に、サンプリング挙動を通常どおり制御できます。

計画すべきコンテキストウィンドウやトークン制限は明示されておらず、出力は動画のみであるため、このモデルはテキスト、画像、音声そのものを成果物とする用途には適しません。720p 以外の解像度や、15 秒を超えるクリップが必要な場合は、別のものを探すか、複数の生成をつなぎ合わせる必要があります。これらの範囲内での単純な text-to-video および image-to-video 作業には、フレーム制御、選択可能な長さ、任意の音声の組み合わせにより、実用的な選択肢となります。