Kling: Video O1

Kling: Video O1 は、Kuaishou の AI 動画部門である Kling が制作した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-video-o1 で識別されます。テキストや静止画像ではなく、生成された動画素材を必要とするものを作っているなら、これが注目すべきモデルファミリーであり、汎用言語処理ではなく動画に焦点を当てたプロバイダーから提供されています。

このモデルはテキストと画像の入力を受け取り、動画を返します。つまり、テキストから動画へ、および画像から動画へのワークフローの両方がサポートされており、クリップの開始または終了を固定するために first_frame または last_frame としてフレーム画像を指定することもできます。出力は 720p で 3 つのアスペクト比、16:9、9:16、1:1 が利用可能で、クリップの長さは 5 秒または 10 秒です。音声生成も利用可能なので、1 回のリクエストで無音の映像ではなく音声付きのクリップを生成できます。このモデルには公開されたコンテキスト長がないため、長い文書を渡すものではなく、動画生成器として扱ってください。

実用的な用途は、これらの入力と出力から直接導かれます。テキストから動画へは、シーンを記述してモデルにレンダリングさせる短いシネマティックなショット、コンセプトの可視化、ソーシャルクリップに適しています。画像から動画へは、商品写真、イラスト、ストーリーボードのフレームなど、すでに静止画があり、それをアニメーション化したい場合に便利です。最初のフレームと最後のフレームを指定すると、2 つの既知の状態間の動きをある程度制御できるため、トランジションや、特定の構図で開始または終了する必要があるショットに役立ちます。9:16 の比率は縦型フィードに合い、16:9 は標準的なワイドスクリーン再生に合い、1:1 は正方形の配置をカバーします。5 秒の長さは短いループやティザーに適し、10 秒はショットが展開するための余裕をより多く与えます。音声生成により、別途サウンド工程を経ずに完成したクリップを提供できます。

これは api14 の OpenAI 互換 API を通じて、モデル id kwaivgi/kling-video-o1 を使用して呼び出されるため、既存の OpenAI 形式のクライアントコードとツールは最小限の変更でそのまま使えます。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。temperature と top_p は生成の多様性または決定性を制御し、max_tokens はリクエストを上限設定します。解像度、アスペクト比、長さ、フレーム画像、音声は、列挙されたリクエストパラメータではなく、このモデルの動画出力のプロパティであるため、リクエストに組み込む前にモデルページで現在のスキーマを確認してください。

留意すべき点の 1 つは、このモデルは動画のみを出力することです。タスクがテキスト生成、推論、分類、画像作成である場合、api14 上の別のモデルの方が適しています。また、記載されたコンテキスト長がないため、長コンテキストモデルとして扱うのは避けてください。ただし、その領域内では一般的なケースをカバーしています。720p の短いクリップ、3 つのアスペクト比、2 つの長さ、オプションの音声、画像駆動作業のためのフレーム固定です。