1つの指示から一貫性のある画像シリーズを生成
Kuaishouは、ネイティブ8K画像生成、1枚の画像内に最大2,000文字を配置する機能、1つのプロンプトから関連性のある画像を最大10枚作成するモードを備えた「Kling Image 4.0」を公開した。Kling Creative Studioとアプリケーション・プログラミング・インターフェース(API)を通じて利用でき、広告、ストーリーボード、商品ディスプレー、オンラインショッピングページなどを対象とする。
目次
モデルは2026年11月17日火曜日の夜に公開された。Kling AIは11月18日にImage 4.0ユーザーガイドを公開し、ネイティブの2K、4K、8K出力、1回の入力につき最大10枚の参照画像、長い画像を編集可能なレイヤーに分割するツールなどを紹介した。
Kling AIが売り込むのは画像生成だけでなく、一連の制作ワークフローだ。プロジェクトを説明し、ビジュアルの参照素材を用意し、一貫性のある画像セットを生成してから個々の要素を修正する。同社がうたう機能は、写真のシミュレーション、文字のレイアウト、画像編集、シーンの順序立てなど、複数の作業を1つのプラットフォームに集約する。
公開された初期テストからは、こうした機能の有用性がうかがえる一方、実用面での弱点も浮かび上がった。約400字の中国語を含むポスターでは文字に誤りがあり、一部の編集画像では細部が粗かったり、依頼の範囲を超えた変更が見られたりした。今回の発表は、制作能力と、必要となる修正の量の双方に焦点を当てるものとなった。
何が、いつ公開されたのか
Kling Image 4.0は静止画モデルで、動画モデルのKling 4.0とは別の製品だ。出力されるのは画像で、ストーリーの構想や、後の動画制作に使う素材の準備に活用できる関連シーンも含まれる。
公開は2日間にわたって行われた。
- 2026年11月17日:Kuaishouは火曜日の夜にKling Image 4.0を公開し、同社のクリエイティブプラットフォームとAPIを通じて利用可能にした。
- 2026年11月18日:Kling AIはユーザーガイドを公開日付付きで掲載。写真撮影、編集、商業向けレイアウト、画像の連続生成を対象とするテストも公表された。
APIを使えば、開発者や法人顧客は自社ソフトウェアにモデルを連携できる。公開時の情報では、料金や生成時間、サブスクリプションの各プランで利用条件に違いがあるかどうかは明らかにされなかった。
ネイティブ8Kで何ができるのか
Kling AIはネイティブ出力解像度として2K、4K、8Kの3種類を挙げる。ネイティブ生成とは、小さな画像を後から拡大するだけではなく、選択した解像度でモデルが画像を作成することだ。同社は、8Kなら大型ディスプレーへの表示やトリミングの自由度が高まるとしている。
トリミングとは、顔や商品などの細部に焦点を当てるため、画像の一部を切り取ることだ。画素数の多い画像から始めれば、切り取った後も多くの情報を残せる。Kling AIは、光の移り変わり、肌の質感、布地などの素材の細部も改善するとしている。
公開されたポートレートのテストでは、人物と周囲の光が比較的自然につながっていると評価された。拡大部分にも髪や衣服の質感が見て取れた一方、人物と背景のリアリティには不自然さが残った。風景のテストでは、谷間の朝もや、雪山の日の出、砂漠の夕暮れなどが取り上げられ、シーンごとに光や奥行きに違いが見られた。
ガイドには、用途に応じた画像形式として、正方形の1:1、縦長の3:4、ワイド画面の16:9、さらに横幅の広い21:9も記載されている。商品ページ、プレゼンテーション、映画風のフレームに合わせて、生成前に画像の形式を選べる。
文字数の多さを試す、難易度の高いポスター
Kling AIによると、Image 4.0は1枚の画像に最大2,000文字を配置でき、最大15,000トークンの指示を受け付ける。トークンとはモデルが情報を処理するための単位で、単語や単語の一部に当たることが多い。指示の上限は依頼内容に関わる一方、文字数の上限は完成画像に表示するテキストに関わる。
この違いは、複雑な広告を作る際に重要だ。制作者は商品、背景、照明、文言、レイアウトを長い指示で指定しつつ、画像自体には短い見出しだけを載せることができる。
公式ガイドが挙げる対応言語は、中国語、英語、日本語、韓国語、スペイン語、ポルトガル語の6言語だ。一方、公開時の報道では7言語への対応が説明され、さらに概要では簡体字と繁体字の中国語が別々に紹介されている。複数の市場向けに制作する場合、素材に適した言語と文字体系を選ぶ必要がある。
Kling AIは、商用ライセンス付きフォントを70種類以上提供し、アップロードした画像をタイポグラフィーの参考にできるとしている。公式発表によると、生成画像内のテキストやフォントスタイルも編集できる。
公表された商業デザインのテストでは、中国語約400字、大きな見出し、オフィスのイラストを含み、クリーム色、青、オレンジを基調とするテクノロジー誌のポスターが依頼された。出力では見出し、本文、イラストが読みやすい領域に分けられたものの、文字に誤りがあり、情報量の多いレイアウトのデザイン性も比較的乏しかった。
フォントの変更や、指定した文言の差し替えを試みたところ、正確に反映されたという。デザイナーにとっては、修正がワークフローの中心になる。システムでページを組み立て、狙った箇所を修正できる一方、完成した文面は引き続き確認が必要だ。
画像10枚のセットはどのように作られるのか
Kling Image 4.0には「Default Mode」と「Series Mode」がある。Default Modeはプロンプトから1枚以上の画像を生成する。Series Modeは関連性のある画像をまとめて作るための機能で、1回の生成につき最大10枚に対応する。
Kling AIは、計画機能によって各画像の内容を決めながら、被写体とビジュアルの方向性の一貫性を保つとしている。ストーリーボードの場合、同じシーンのバリエーションを繰り返し生成するのではなく、異なるショットに物語を振り分けることができる。
公開されたテストの1つでは、深夜の地下鉄駅で待つ若い女性を描くサスペンス作品が題材となった。女性は赤い切符を見つけ、最終列車が到着すると、10年後の自分と出会う。生成された画像の連作では、引きの画、近景、顔の細部を切り替えながら、主人公の容姿や服装は比較的一貫していた。
別の連作では、オフィスで働くプログラマーが、仕事のメッセージで現実に引き戻されるまで、ビーチ、山、砂漠、宇宙への旅を想像する物語が描かれた。画像に沿って物語が進む一方、いくつかのショットは人工的で、プラスチックのような印象だった。
3つ目のテストでは、朝から夕暮れまでの新疆の谷を、同じ場所の10種類の視点から描くよう依頼した。異なるアングルと変化する光の中で、ドキュメンタリー風の共通したスタイルが保たれた。これらのテストは、機能が管理しようとする一貫性の例を示している。複数のシーンにまたがる人物、場所を移る物語、1日の時間の経過に伴う風景だ。
長い商品ページを編集可能なレイヤーで作成
Kling AIは、オンラインショッピングの商品詳細ページやウェブサイトのデザイン向けに、縦長の画像も生成できる。これらは商品画像、説明文、独立したビジュアルのセクションを、1つの長いレイアウトにまとめるものだ。
公開されたテストでは、ノートパソコンの写真を入力し、メインの商品画像、アピールポイント、外観の詳細、使用シーン、仕様を含む商品ページ全体を依頼した。生成されたページでは、それぞれの要素が独立したセクションに整理され、比較的一貫したスタイルが保たれた。
公式ガイドは、実用的な編集機能として、長い画像をレイヤーに分割し、個々の要素を編集して再生成できる点を挙げている。レイヤーとは、他の部分をすべて作り直さずに変更できる、構成の独立した部分だ。商品ページなら、最初の生成後にビジュアルのセクションを修正しやすくなる可能性がある。
商品広告のテストでは、スニーカー、時計、ノートパソコンの写真も使用された。生成されたポスターは、商品に合わせて色使い、構図、タイポグラフィーを変えていた。これは魅力的な画像を単独で作るよりも具体的な商業用途だ。既存の商品を軸に情報を整理する必要がある。
参照画像で被写体、照明、色を指定
Kling Image 4.0は、1回の入力につき最大10枚の参照画像を受け付ける。参照画像は編集素材として使えるほか、タイポグラフィー、色、照明などの選択を導くこともできる。同社は、画像の色合いや雰囲気を変える110種類以上のプリセットカラーグレーディングスタイルも紹介している。
編集テストでは、花嫁、花婿、親族や友人5人が写った結婚式の写真が使われた。依頼に応じて画風や照明を変えながら、主要な構図と人物同士の関係は維持された。
別のテストでは、『Phantom Blade Zero』の主人公の服装を、ブルース・リーを連想させる黄色と黒のカンフー衣装に替え、武器をヌンチャクに変更した。中心となる依頼には沿っていたものの、細部が粗く、意図した範囲を超える変更も一部に見られた。
簡単な結婚式のスケッチを、写真風のシーンの参考にするテストも行われた。モデルは主要人物とその配置を読み取り、椅子、花、ゲストを追加した。こうした例は、参照素材の異なる2つの使い方を示している。写真にすでにある要素を保つことと、大まかなビジュアルの構想から、より完成度の高いシーンを作ることだ。
理解と生成を1つのアーキテクチャで処理
Kling AIは、Image 4.0について、視覚理解と画像生成を1つの自己回帰型フレームワークに統合したものと説明している。簡単に言えば、指示や視覚素材を解釈し、求められた出力を段階的に作り上げるため、共通の処理方式を使う。
技術説明の中心となるのは、情報内の関係性を処理するために使われるニューラルネットワークの一種、単一のTransformerだ。また、被写体、空間配置、カメラの視点、照明を構造化して扱う仕組みも説明されている。複数の人物、特定の位置関係、一貫したビジュアルスタイルを含む詳細な指示では、こうした要素の調整が必要になる。
同社は計画機能を「エージェント型」と呼ぶ。ここでは、複雑な依頼を小さな作業に分け、完了に必要な手順を調整することを意味する。シリーズ生成はその直接的な例だ。モデルは画像ごとに物語をどう分割するかを決めながら、共通する要素を次の画像に引き継がなければならない。
制作者にとって実用上の問題は、生成後にどれだけの作業が残るかだ。公表されたテストでは、シーンの計画、レイアウト、狙った部分の編集が有用だった一方、文字の誤りや細部のばらつきも確認された。商品説明の正確な文言が必要なキャンペーンや、厳密な連続性が求められるストーリーボードでは、引き続き確認と修正が必要となる。
要点
- Kuaishouは2026年11月17日、Kling Creative StudioとAPIを通じてKling Image 4.0を公開した。
- 公式ガイドによると、ネイティブの2K、4K、8K出力に対応し、1回の入力につき最大10枚の参照画像を使える。
- Series Modeでは、1つのプロンプトから関連性のある画像を最大10枚生成できる。
- Kling AIは、画像1枚につき最大2,000文字、最大15,000トークンの指示、商用ライセンス付きフォント70種類以上をうたう。
- 長い画像の生成とレイヤー編集は、商品ページなど複雑なレイアウトを対象とする。
- 公開されたテストでは、編集や一貫性の有用性が示された一方、文字の誤り、粗い細部、意図しない変更も見られた。






