Kling 4.0 画像から動画：最初と最後のフレーム

Kling 画像から動画の機能を使うと、Kling 4.0 で静止写真を3〜30秒の動画クリップに変換できます。最初のフレームをアップロードし、必要に応じて最後のフレームを追加して終了ショットを固定し、その間の動きを説明するプロンプトを入力すると、720pまたは1080pで生成できます。2026年11月時点で Kling 5 は未リリースのため、これが現在の静止画を動かすワークフローであり、今準備するフレームは今後も役立ちます。

このワークフローは、Kuaishou や Kling の開発チームとは関係のない独立プラットフォーム Kling5 AI の Kling 4.0 AI 動画ジェネレーターで今すぐ利用できます。サイト名には「Kling 5」が含まれていますが、将来のリリースを待つ現在、提供しているのは Kling 4.0 と Kling 3.0 です。

Kling 画像から動画では何ができますか？

Kling 4.0 の画像から動画への変換は、1枚または2枚の静止画像を使い、3〜30秒の時間軸に沿ってそれらをつなぐ動きを生成します。Kuaishou は2026年10月15日に kling.ai の全ユーザー向けに Kling 4.0 を公開し、2026年10月28日に /image-to-video/kling-4.0 エンドポイントを含む API の全面的なアクセスを開放しました。1回の生成が最長15秒だった Kling 3.0 と比べ、Kling 4.0 は1回で生成できるクリップの最大長を30秒に倍増し、720pまたは1080pで出力します。Kling は4Kと10-bit HDRを近日対応予定としています。静止画アニメーション以外の機能も含めた概要は、Kling 4.0 の機能ガイドをご覧ください。

Kling で写真を動かす際、アップロードする画像と入力するテキストプロンプトには、それぞれ異なる役割があります。

• 最初のフレーム1枚（開始フレームのみ）： 画像が、キャラクター、製品、環境、照明、アスペクト比などの開始ショットを決めます。モデルは0秒時点でその視覚的な土台を保ち、その後の被写体やカメラの動きをプロンプトに基づいて決めます。
• 最初と最後のフレーム（開始・終了フレーム）： 2枚目の画像をアップロードすると、クリップの最後の瞬間も指定できます。Kling 4.0 は1枚目を開始フレーム、2枚目を終了フレームとして扱い、ポーズAからポーズB、またはアングルAからアングルBをつなぐ遷移を生成します。
• テキストプロンプト： 視覚的な詳細はすでにアップロードした写真にあるため、画像を最初から説明し直す必要はありません。代わりに、開始と終了の間で何が変化するのか、被写体の動き、カメラの移動、出来事の順序、音声やテキストに関するルールをモデルに伝えます。

Kling 自身のアプリでは、画像ベースの生成が、1つのタスク内では併用できない2つの入口に分かれています。「Omni Reference」は画像、動画、音声に対応し、「Keyframes」はピクセルレベルの一貫性を保つための画像専用で、最初のフレーム、最初と最後のフレーム、または最大10枚のキーフレーム画像を使用できます。Kling 自身のアプリには、軽量モードの Kling 4.0 Flash もあります。最大20秒、最高解像度720pで動作し、現時点では開始・終了フレームや複数キーフレームには対応していません。

Kling5 AI では、Kling 4.0 の画像から動画タブ内で、基本となる開始・終了フレームの設定に特化しています。必須の最初のフレームと任意の最後のフレーム、合計最大2枚を指定します。

Kling5 AI の Kling 4.0 で写真を動かすには？

Kling5 AI では、ウェブジェネレーターの手順に沿って、ファイルのアップロードから720pまたは1080pのクリップ生成まで進められます。サイト上での設定方法は次のとおりです。

1. ジェネレーターを開く： Kling5 AI の Kling 4.0 ページ（/kling-4）に移動すると、テキストから動画、画像から動画、参照素材から動画の3つの生成モードが表示されます。
2. 画像から動画のモードを選ぶ： フレームをアップロードできるよう、画像から動画に切り替えます。
3. 最初のフレームをアップロードする： 開始画像を最初のフレームとしてアップロードします。この画像は画像から動画を生成するたびに必須となり、開始時の構図と出力動画のアスペクト比を決めます。
4. 必要に応じて最後のフレームを追加する： 特定の終了ポーズ、製品の角度、カメラのフレーミングで終えたい場合は、2枚目の画像を最後のフレームとしてアップロードします。プロンプトだけで自由な動きを指定したい場合は、最初のフレームのみをアップロードします。Kling5 AI の画像から動画では最大2枚の画像を使用でき、途中のキーフレームには対応していません。
5. 動きのプロンプトを書く： フレーム間の動作、カメラの動き、出来事の順序を説明するプロンプトを入力します。Kling5 AI ではプロンプトが必須で、最大2,500文字に対応しています。
6. 長さを選ぶ： 3〜30秒の範囲から1秒単位で選択します。Kling5 AI の初期設定は5秒です。
7. 解像度を選ぶ： 720p（初期設定）と1080pから選択します。Kling5 AI の画像から動画モードにはアスペクト比の選択機能がありません。テキストから動画と参照素材から動画では16:9、9:16、1:1、21:9を選べますが、画像から動画の出力はアップロードしたフレームのアスペクト比に自動的に従います。
8. クレジット消費を確認して生成する： 消費クレジットは選択した長さと解像度の両方に応じて増減します。タスクを開始する前にジェネレーターが正確な消費量を表示し、料金ページではいつでもプランの詳細を確認できます。

複数のツールで長めの画像から動画クリップを制作するクリエイターは、Kling 4.0 と併せて AI Video Studio の Seedance 2.5 を利用することもあります。

良い最初と最後のフレームの選び方

Kling 4.0 で最初と最後のフレームを滑らかにつなぐには、同じ視覚世界、同じ被写体、同じフレーミングの考え方を共有する2枚の画像が必要です。Kling の開始・終了フレームのクイックスタートガイドでは、2枚の内容をできる限り似せることを勧めています。開始画像と終了画像の違いが大きいと、連続した動きではなく、突然のレンズ切り替えやショットの変更が挿入される場合があります。

開始・終了フレームを組み合わせる実践的な方法

• 照明、テーマ、フレーミングをそろえる： 2枚の画像は、同じ部屋や環境で同じカメラが捉えた2つの瞬間に見える必要があります。最初のフレームが暖色の室内でクルミ材のテーブルに置かれたコーヒーマグのクローズアップ、最後が屋外の青みがかった日中の光の下で同じマグを撮ったワイドショットなら、その間を滑らかに動く物理的な経路がなく、別のシーンへカットが切り替わる可能性が高くなります。
• 最初のフレームを編集して最後のフレームを作る： Kling の開始・終了フレームガイドによると、多くのユーザーは動画制作に入る前に、画像ジェネレーターでよく似た画像のペアを生成または用意しています。既存の写真や製品写真から始める場合、その画像のキャラクターの顔の向きを変える、箱のふたを開ける、背景を保ってカメラ角度を少しずらすなど、小さな編集を加えると、モデルが2つの状態をつなぐ視覚的な経路を明確にできます。
• 両方の画像の寸法をそろえる： 画像から動画はアップロードしたフレームのアスペクト比に従うため、最初と最後のフレームはアップロード前にまったく同じ比率にトリミングしてください。

Kling の API における画像要件

元の写真を書き出す際の明確な技術的基準として、Kling の Kling 4.0 画像から動画 API ドキュメントでは、2026年11月時点で次の入力画像ルールを定めています。

• ファイル形式： .jpg、.jpeg、.png。
• ファイルサイズ： 1枚につき最大30 MB。
• 最小寸法： 幅と高さの両方が300 px以上。
• アスペクト比の範囲： 2:5〜5:2。

これらの API の制限に収まる .png または .jpg フレームを用意し、アップロード前に16:9や9:16などの標準的な動画比率へトリミングすると、引き伸ばしや意図しないフレーミングを避けやすくなります。

Kling の画像から動画のプロンプトはどう書く？

良いプロンプトは、抽象的に品質を強調する言葉ではなく、具体的な物理的動作、カメラの方向、出来事の順序、音声の制約に焦点を当てます。Kling は Kling 4.0 API ドキュメントで、参照素材の役割、全体の設定、出来事の順序、音声要件という4つの明確な要素を中心にプロンプトを構成するよう勧めています。

Kling のドキュメントに記載されたプロンプトのルール

1. 抽象的なラベルではなく具体的な映像を説明する： Kling のユーザーガイドでは「premium look」のような曖昧な表現を避けるよう明記しています。「cinematic luxury vibe」と頼む代わりに、ガラス瓶を伝う結露、ヘアライン加工のアルミ表面を移動する柔らかなスタジオのキーライト、ゆっくり近づくカメラなど、画面内の具体的な動きを説明してください。
2. 各画像の役割を明示する： Kling の API ドキュメントでは、画像に ID を付け、プロンプトで @image_1 や @image_2 として参照できます。各参照素材の目的を明示しなければ、モデルが使い方を独自に推測し、意図と異なる可能性があると Kling は説明しています。一般的な画像から動画のプロンプトでも、開始フレームからどのようにショットが始まり、最後のフレームへ落ち着くのかを明確にすると、遷移の軸が安定します。
3. プロンプトの時間軸を選んだ長さに合わせる： Kling の API では、長さのパラメーターを送信しない場合、モデルはプロンプト内の指定（「Generate a 15-second video」など）を探し、なければ10秒を初期値とします。Kling5 AI では画面で正確な秒数（3〜30秒）を指定するため、記述した動作が選んだ時間内で現実的に完了するようにしてください。
4. Kling が勧める2つの具体的な否定指示を使う： Kling のユーザーガイドによると、プロンプトで本当に必要な否定指示は「no subtitles」と「no background music」の2つです。音声やテキストの扱いを指定しないと、モデルが字幕や背景音楽を自動で追加することがあるためです。

自分の画像に合わせて使えるプロンプト例

以下は Kling のガイドラインに沿った3つのプロンプト構成例です。自分の画像に合わせて調整するためのテンプレートであり、実際のテスト実行の出力ではありません。

• 開始・終了フレーム間で製品を回り込んで撮る（5〜8秒）： "Starting from the front-facing skincare bottle in the first frame, the camera performs a slow, steady arc to the right across a dark slate surface while soft rim light reflects along the frosted glass edge, settling smoothly into the angled three-quarter product view in the last frame. Subtle water ripples move across the base. Quiet room ambience, no subtitles, no background music."
• 最初のフレーム1枚からキャラクターを動かす（6〜10秒）： "In a rain-lit city street at night, the woman from the first frame slowly turns her head toward the camera, lowers her clear umbrella onto her shoulder, and takes two calm steps forward along the wet pavement as neon reflections shimmer in the puddles behind her. Gentle rain sound only, no subtitles, no background music."
• 長めのクリップで複数の動作を順番に行う（12〜15秒）： "Generate a 15-second continuous shot in a sunlit workshop. Beginning with the closed leather journal on the oak desk in the first frame, a pair of hands enters the frame, unties the leather cord, opens the cover flat to reveal blank cream pages, and sets a brass fountain pen beside the spine to match the final frame. Soft natural room sound, no subtitles, no background music."

長さと解像度はどう選ぶ？

3〜30秒の長さと720pまたは1080pの解像度を選ぶ際は、動きの複雑さとクレジット予算を合わせることが大切です。Kling 4.0 は3〜30秒を1秒単位で選べるため、3秒で終わる単純な顔の向きの変更を10秒に引き伸ばしたり、複数の手順がある製品紹介を5秒に詰め込んだりする必要はありません。

Kling の API でも Kling5 AI でも、費用はクリップの長さと出力解像度に応じて直接増加します。開発者向けの基盤モデル料金の参考として、2026年11月2日時点の Kling の開発者料金ページでは、入力動画なしの画像から動画出力は秒単位で課金され、720pは1秒あたり約$0.157、1080pは約$0.235です。Kling5 AI ではプラットフォームのクレジットを使い、秒数を増やす場合や720pから1080pへ変更する場合に同様に消費量が増えます。生成をクリックする前に正確な費用が表示されます。

実用的な進め方として、まずプロンプトを作成し、720pで短めの長さ（初期設定の5秒など）を使って、最初と最後のフレームの遷移を確認するとよいでしょう。不要なショット切り替えがなく、モデルが2枚をつなぎ、指定したカメラ方向に従うことを確認したら、1080pに切り替え、完成版に必要な秒数を調整できます。

Kling 4.0 の画像から動画でよくある問題と対処法

Kling の開始・終了フレームのワークフローで起きる問題の多くは、2枚の写真の視覚的な差が大きいか、プロンプトの制約が不足していることに由来します。期待どおりに生成されない場合は、次の4点を確認してください。

• クリップの途中に予期しないカットやショット切り替えが入る： Kling の開始・終了フレームガイドにあるように、最初と最後のフレームの差が大きいと、モデルは滑らかな動きを作らずレンズを切り替えます。同じ照明、環境、焦点距離の印象、被写体の大きさを持つ2枚を使ってください。最初のフレームに軽く編集を加えて2枚目を作る方法が理想的です。
• 被写体や背景が意図からずれる： Kling の API ガイドでは、画像の役割やシーンの詳細が曖昧だと、モデルが参照素材の使い方を独自に推測すると注意しています。最初のフレームが何を表すのか、場面内で何を維持する必要があるのか、最後のフレームまでの正確な動作順序をプロンプトに明記してください。
• 出力動画のアスペクト比が違う： Kling5 AI の画像から動画モードにはアスペクト比の選択機能がなく、動画はアップロードしたフレームの寸法を自動的に引き継ぎます。横長が欲しいのに縦長になったり、トリミングされて見えたりする場合は、アップロード前に最初と最後の画像を目標の比率に切り抜き、Kling API の2:5〜5:2の範囲にも収めてください。
• 不要な字幕や音楽が入る： Kling のユーザーガイドによると、モデルは字幕や背景音楽を自動で追加する場合があります。プロンプトの末尾に「no subtitles」と「no background music」を正確に追加し、字幕のない画面と音楽のない音声トラックを指定してください。

Kling 自身のアプリと Kling5 AI の違いは？

どちらのプラットフォームも Kuaishou の Kling 4.0 モデルを使い、720pと1080pで3〜30秒の画像から動画を生成しますが、Kling 自身のアプリ/API と Kling5 AI では、画面の選択肢とキーフレーム数の上限が異なります。2026年11月時点の対応内容を比較すると、次のようになります。

1回のリクエストで3〜10枚の途中のキーフレームを連結したい場合や、コードから @image_1 の開発者向けパラメーターを直接呼び出したい場合は、Kling 自身のアプリまたは API が必要です。1枚のフレームや開始・終了フレームを使うアニメーションを簡単なウェブ画面で作りたい場合、あるいは1つのアカウントで Kling 4.0 と Kling 3.0 を切り替えたい場合は、Kling5 AI でそのまま対応できます。

Kling 5 は画像から動画を変える？

2026年11月時点で、Kuaishou は Kling 5.0 をリリースも発表もしていません。そのため、Kling 5 の画像から動画がどのように動作するかについて、検証済みの仕様はありません。現時点で Kling 5.0 の長さ、解像度、フレーム数の制限を掲載していると主張するウェブサイトやSNS投稿は、未検証の推測を共有しています。確認済みの最新情報は Kling 5.0 のリリース日ページで追えます。Kling5 AI は、Kuaishou が Kling 5.0 をリリースした後に追加する予定です。

それまでも、画像から動画のプロジェクトを止める必要はありません。私たちは、Kling 4.0 用にそろった最初と最後のフレームを整理して蓄積し、明確で具体的な遷移プロンプトを作ることは、次のモデルが登場しても役立つ可能性が高いと考えています。2枚の静止画の照明とフレーミングをそろえる習慣は、特定のモデルのバージョンに依存しません。

静止写真を動かしたり、開始と終了のフレームを3〜30秒の動画でつないだりする準備ができたら、Kling 4.0 AI 動画ジェネレーターを開き、フレームをアップロードして720pまたは1080pを選び、クリップを生成してください。

出典

• Kuaishou プレスリリース：Kling AI が次世代 Kling 4.0 を公開（2026年10月15日）
• Kling AI ユーザーガイド：Kling 4.0 モデルユーザーガイド
• Kling AI クイックスタート：開始・終了フレームガイド
• Kling AI 開発者ドキュメント：API 更新（2026年10月28日）
• Kling AI 開発者ドキュメント：Kling 4.0 画像から動画 API
• Kling AI 開発者ドキュメント：動画 API 基本料金