トピック

自然な日本語も、4K 10bit HDRも扱える、動画生成「Kling AI」を体感せよ!

 ますます高度なタスクをこなせるようになってきたAI。その進化は動画生成においても顕著です。数年前までは短尺、低画質の動画を作るのにも四苦八苦していましたが、今や簡単な操作で映画クオリティの作品を生み出せるほど。それが本当なのか、まずはこちらの映像をご覧ください。

【サンプル動画】
@AI.TALK

 この動画を生成したのは、「Kling AI」という動画生成サービスです。最新の「Kling AI 4.0」では1080pおよび4K解像度の10bit HDR動画(近日公開)に対応し、一度に30秒の長さの動画を生成できるようになっています。

 日本語の音声や文字も精度高く再現できるとして国内での活用事例も増えているKling AI。月額6.99ドルからという現実的なコストで、あなたのクリエイティブワークに組み込める動画生成AIがどういうものなのか、そして実際にどう使えるのか、紹介したいと思います。

動画生成サービス「Kling AI」とは?

 2024年に誕生したKling AIは、数ある動画生成AIのなかでも急速に成長しているサービスの1つ。約5万社に上る法人顧客を全世界に抱えており、ビジネス現場での本格活用は当たり前の状況になっています。

「Kling AI」のWebサイト

 特徴は、なんといっても生成される動画クオリティの高さ。限りなく現実に近いリアルな映像・音声表現も(あるいはコミカルなアニメ的表現も)難解なプロンプトなしに容易に実現でき、大胆なカメラワークやシーン切り替えを破綻なしに再現します。

公式サンプル動画より @ChristianF369

 動画解像度は720p(1280×720ドット)、1080p(1920×1080ドット)、4K(3840×2160ドット、近日公開)の3種類から選択可能で、超高精細かつ一貫した映像を作りやすいことが多くの企業から高い評価を受けている理由です。

 そして、最新バージョンとなるKling AI 4.0では、そのクオリティに一段と磨きがかかっています。1080pと4KではHDRに対応し、より深みのある映像表現が可能に。2chステレオにも対応することで、映像と音声の両面から高い臨場感を生み出せるようになりました。

公式サンプル動画より @MooAm

 さらに、最長30秒の動画を一度に生成できるようにもなっています。前バージョンは最大でも15秒だったため、長尺の動画を作ろうとすると短いカットをいくつも生成してつなげる必要がありました。新バージョンではそれが倍増したことで、30秒CMなども一発で出力できることになります。

最短3秒から最長30秒まで、一度に生成することが可能

 ただし、長尺になるほど動画としての「一貫性」を保つことは一般的に難しくなるものです。カット(視点やアングル)が変わった瞬間に登場人物の見た目や服装が変化してしまったり、立ち位置が反対になってしまったり。見ていて明らかに違和感のある仕上がりになる可能性が高まります。

 Kling AI 4.0ではこうした動画生成AIの課題を改善し、ユーザーの期待する安定した動画を作りやすくなっています。そのうえで「キーフレーム」や多数の「リファレンス素材」を用いることにより、一貫性をより補強できる仕組みにもなっています。

 では、どのように動画生成していけるのか、Kling AIの画面を交えながら見ていきましょう。

全編で統一感ある動画を生成できる仕組み

 動画生成の方法は、初めはプロンプト入力が基本となります。どんなシーンで、どんなキャラクターが、どんな動きをして、何をしゃべるのか、といった思いつく限りの内容を記入して「生成」するだけ。

1からプロンプト入力して動画生成していく

 ただし、このプロンプトの書き方にもいくつかの「守った方がいいルール」があり、それに沿って組み立てることで、ユーザーのイメージしている動画により近づけることができます。

 といっても、その「守った方がいいルール」をすべて把握しておく必要はありません。Kling AIではプロンプトが入力されたら即、動画生成するわけではなく、内蔵エージェントが重要なポイントを確認しながら最適な生成指示に整えてくれるからです。

内蔵のAIエージェントと対話しながら調整していくことで、狙った動画を生成

 たとえばユーザーの入力内容に対して、動画生成AIが判断に迷いそうな部分があれば、質問ダイアログを表示してユーザーの判断を仰ぎます。必要ないくつかの確認を経て、まずはいくつかのカットを静止画像で生成。その内容で問題なければ実際の動画生成へと進みます。

動画生成AIが勘違いしないように重要な判断箇所はユーザーの判断を仰ぐ

 契約プランに応じて割り当てられたクレジットは、動画生成の段階で大きく消費します。エージェントと対話しながら動画生成するときは必ず生成前の確認が入るので、余計に消費してしまうことを防げるでしょう。

動画生成を始めるときは、消費するクレジットとともに確認が入る

 そして、動画生成前に作成する静止画像のカットが、場合によっては「キーフレーム」の役目も果たします。視点などの変化がある瞬間ごとの画像カットを「リファレンス素材」にすることで、被写体や状況が別のものに置き換わってしまうことなく、一貫性を保てる、というわけです。

仕上がりイメージを確認できる画像カットが生成。キーフレームにすることも可

 リファレンス素材自体は、自作したものや他の画像生成AIで作成したものも登録して利用できます。また、あらかじめKling AIに「ライブラリ」として多数用意されているものも使えます。

 ライブラリに用意されているのは、キャラクターやオブジェの三面図などが定義された「主体」、老若男女の「音声」など。特に音声はユーザー自身の手で用意するのが難しい素材ですが、数十種類の声色からイメージに近いものを選んで、動画内のどのキャラの声に当てはめるのかを指定できます。

キャラクターの三面図や音声などがセットになった「主体」ライブラリ
30種類以上の声色から選べる音声のライブラリ

 プレビュー再生で聞ける音声はすべて英語ですが、日本語もその声色のまましゃべらせることが可能です。標準語はもちろん、関西弁や博多弁なども、セリフさえ正しく設定すれば自然な会話に仕上がります。

 最新のKling AI 4.0では、リファレンス素材として、これら主体を最大7つ、静止画像を最大10枚、動画を最大5本、合計最大15個まで同時に指定できます。

 複数のキャラクターが登場し、会話し、激しく動き回ったりするようなシーンでも、姿形や声を取り違えることなく、一貫性のある1つの動画にして完成させられるのです。

どんな映像が作れるのか、実践

 Kling AI 4.0を使って、試しに動画をいくつか生成してみました。1つ目は「合戦」を描いたものです。大群を率いて敵の軍勢に向かっていく、迫力のシーンをエージェントと対話しながら作りました。

プロンプトを渡すと最初にイメージカットを生成。それをもとに動画生成へ

 はじめに主要人物の三面図、味方の軍勢を映したカット、風景が絵コンテとして生成され、これらをリファレンス素材として動画を生成。主要人物にズームインした状態から引きの画になり、騎馬が駆け抜ける足元の様子、そこから騎馬の視点になって敵軍に向かっていくところまで、大胆なカメラワークで表現してくれました。

【「合戦」を題材にした動画】

 また、動画内の一部だけを後から改変することもできます。たとえば先頭の主要人物の服装を甲冑からビジネススーツに着替えさせる、みたいなこともOK。一貫性が保たれるように、スーツの前側と背中側の2つの画像を別途用意して、それをリファレンス素材として渡すと、見事にスーツ姿で突撃してくれました。

ビジネススーツをリファレンス素材として渡す
【「合戦」を題材にした動画(ビジネススーツ版)】

 ところで、エージェントに助けてもらえるとはいえ、いちいち想定しているシーンを1から組み立てていくのは少し大変です。Kling AIではそれを簡略化する方法として「スキル」機能も用意しています。

 ショートドラマ、激しいアクション、商品広告、インフォグラフィック、動物の掛け合いといった多数のパターンがスキルとして登録されており、作りたい動画のイメージに合うものを選ぶことで「前提となるシーン設定」を省略できます。

細かなシーン設定を省略できる「スキル」も用意

 たとえばここではサンプルとして「ペットのインタラクション」というスキルで猫と犬の掛け合い動画を作ってみました。プロンプトでは「猫と犬がラジオ番組のパーソナリティとして会話するシーン」という文言と、2匹にしゃべらせるセリフの台本のみ。

「ペットのインタラクション」スキルを使って動物2匹が会話するシーンを作成

 これだけで、まさにラジオ番組のスタジオのような室内で、2匹が会話するそれっぽい動画が生成されました。30秒分の日本語、しかも方言のセリフもきちんと再現しています。

 とはいえ、このように短いやりとりで何度も往復するような会話シーンだと、各セリフの長さや切り替えタイミングの調整が難しくなります。一度に30秒分を生成すると失敗したときの再生成でクレジットを多く消費してしまうので、数カットごとに生成していく方が効率的です。

 そのため、下記サンプルは10秒前後ずつキリのいいカットごとに生成して、つなげた動画となります。シーンの中身に応じて、長い尺を一気に生成するか、細かく刻んで生成するか、適切そうな方を選んで作成していくことが大切です。

【「ペットのインタラクション」スキルで作成した動画】

 ちなみに、Kling AIには、生成した素材をつないで動画編集する「タイムライン」や、複数種類の素材をノード(線)でつないで動画を組み立てていく「キャンバス」といった機能もあります。他の動画編集ソフトを使わずに、サービス単体で作品を完成させられるのもKling AIの魅力です。

一般的な動画編集ソフトに似た使い勝手の「タイムライン」
線でつなげて動画を組み立てるノードベースの「キャンバス」

動画プレゼンやWeb発信の動画作成にも

 クリエイターはもちろんのこと、映像に関する深い知識をもたない人でも、Kling AIによってハイクオリティな動画を簡単に作れるようになりました。

 たった1人で本格的な映画作りを目指すのもよし。ビジネス現場で、自社の製品・サービスの特徴がわかる動画を作って資料に埋め込み、プレゼンにインパクトを加える、なんて使い方もよし。ランディングページのアイキャッチ動画やSNSで発信するWeb CMに使うことも考えられます。

 キーフレームやリファレンス素材をうまく指定することで、モチーフの見た目のまま動画にできる、しかも高画質・高音質で、というのが大きなポイント。まずは無料でも試せるので、Kling AIが自分の仕事や趣味に活かせそうか確かめてみてください。