Kling 4.0 プロンプトガイド：ショット、カメラ、音、参考素材

Kling 4.0 がいちばん得意なのは、平易で具体的な文章です。何が見えて、カメラがどう動き、何が聞こえるか。音は必ず映像と一緒に生成されるので、良いプロンプトには音のことも書きます。このガイドは Kuaishou 公式の Kling 4.0 ユーザーガイドの構成に沿い、このサイト特有の使い方を加えています。

まずは一文から

Kling 4.0 は短いプロンプトを自分で膨らませます。「AI について愚痴をこぼすおじいさん」は公式ガイドに載っている実例で、演出もカメラワークもある 1 シーンができあがります。アイデアを探すときはここから始めましょう。

作りたいものが決まっているなら、結果を変える細部だけを足します。カメラ、タイミング、音、そして変えてはいけないもの。形容詞を並べても効果はありません。

長めのプロンプトの構成

公式ガイドは 4 つのブロックを勧めています。必要なものだけ使えば OK です。

[参考素材]  @Image1 は ___。その ___ を保つ。@Video1 の ___ を参考にする。
[全体設定]  場所と質感 ___、映像スタイル ___、カメラの雰囲気 ___。
[展開]      0〜X 秒：___（映像 + 動き + 感情）
            X〜Y 秒：___（カメラの動き + 追加の細部）
            Y 秒〜最後：___（締めのショット）
[音声]      セリフまたはナレーション + 環境音 + 音楽 + 効果音

雰囲気ではなく、ものを書く

抽象的な言葉はモデルに推測させてしまいます。見えるものに置き換えましょう。

こう書かずに	こう書く
「高級感」	「サイド光が輪郭を縁取り、背景はぼけ、表面に細かいマットな粒子」
「レトロな雰囲気」	「黄ばんだ壁、角のすり減った家具、暖かい白熱灯の光」
「電話中は顔を見せない」	「横顔で電話をしている」

否定の指示は全体的に避けましょう。間違いが起きやすくなります。公式ガイドが書く価値があるとしているのは 2 つだけで、どちらもモデルが初期状態で付けがちなものです：字幕なしと BGM なし。

Kling 4.0 が得意なカメラワーク

動きの種類と、何を追うかを書きます。

寄り・引き ——「手紙を読む彼女の顔に、ゆっくり寄っていく」
追従 ——「自転車の人の横を、車輪の高さでカメラが追う」
回り込み ——「ダンサーを中心に保ったまま、カメラが一周する」
手持ち ——「手持ちで自然にわずかに揺れながら、人混みを抜ける二人を追う」
ワンテイク ——「1 カットの長回し、カットなし、アングル変更なし」

Kling 4.0 は初期設定でマルチショットで、長めのプロンプトは自動で複数のショットに分けられます。ワンテイクにしたいなら、最後の例のようにはっきり書きましょう。

音とセリフ

Kling 4.0 の動画にはすべて 2 チャンネルのステレオ音声が付きます。音はプロンプトの独立したパートとして書きます。

セリフはかぎかっこに入れ、話してほしい言語で書く。 Kling 4.0 は中国語、英語、日本語、韓国語、スペイン語、ポルトガル語、ドイツ語、フランス語、ヒンディー語などに対応しています。
誰が、どう話すか。 年齢、声の質、話す速さ、感情：「30 代の女性、温かく落ち着いた声で、少し楽しそうに」。
環境音と効果音。 「窓に当たる雨、遠くの車の音、やかんのスイッチが切れるカチッという音。」
音楽の有無。 「セリフの下に静かなピアノ」、または「BGM なし」。

例：

バリスタがカウンター越しに身を乗り出して微笑み、日本語で気さくに言う：
「いつものですか？今日はサービスです。」手持ちのミディアムショット、朝の窓の光。
カフェの環境音、カップの触れ合う音、BGM なし。

ファイルを参照する：@Image1、@Video1、@Audio1

参考素材モードでは、アップロードしたファイルに順番に番号が付きます：@Image1、@Image2、@Video1、@Audio1。プロンプト欄で @ を打てば挿入できます。そして、ファイルごとに役割を与えましょう。役割がないとモデルが用途を推測するため、結果が読みにくくなります。

@Image1 は場面。レイアウト、家具、光をそのまま保つ。
@Image2 は主人公の女性。顔立ち、髪型、服をそのまま保つ。
カメラの動きとテンポは @Video1 に合わせる。
彼女は窓まで歩き、立ち止まって振り返る。@Audio1 の声で：「もう来ないと思ってた。」

このサイトで使えるもの：

画像（10 枚まで）：キャラクター、商品、場面、スタイル、絵コンテ。
動画クリップ（5 本まで、1 本 3〜30 秒、合計 30 秒）：動き、カメラワーク、テンポ。
音声（5〜30 秒のクリップを 3 本まで）：話し手の声。音声には画像かクリップが少なくとも 1 つ必要です。音楽や効果音はアップロードできないので、文章で書いてください。

参考素材から 1 つの要素だけを取りたいときは、取らないものも書きます：「@Video1 からはカメラの動きだけを使い、色味や人物は使わない。」

最初と最後のフレーム

画像モードではフレームそのものをアップロードするので、プロンプトには何が起きるかだけを書けば十分です。最初のフレームは必須、最後のフレームは任意です。

金床の上で鉄の棒が熱され、叩かれ、剣の形になっていく。打つたびに火花が散り、
最後はテーブルに置かれた完成した剣で終わる。横からの 1 カットの追従ショット。
槌の音、炉の音、音楽なし。

動画の形は最初の画像に合わせます。Kling 自身のアプリではタイムラインの途中にもキーフレームを置けますが、このサイトは最初と最後のフレームです。

30 秒動画のテンポ

Kling 4.0 は 1 回で 3〜30 秒を生成します。長い動画に必要なのは区切りで、同じ一瞬をより長く描写することではありません。公式も、30 秒をいくつかのストーリーの節目に分けることを勧めています。

0〜5 秒：夜明けの静かな港の引きの画、漁船が着岸して綱を結ぶ。
5〜12 秒：ミディアムショット、年配の漁師が木箱を桟橋に上げる。
12〜22 秒：孫娘が画面左から走ってきて手伝い、二人で笑う。
22〜30 秒：カメラがゆっくり引いて港を見渡し、山の上に朝日が昇る。
音：カモメ、きしむロープ、波。彼女が日本語で叫ぶ：「おじいちゃん、わたしがやる！」
22 秒から静かなギター。

コツ：

1 区切りに主な動きは 1 つ。 30 秒なら 3〜4 区切りがちょうどいい長さです。
順番が大事なときはだいたいの秒数を書く（「6 秒で彼女が振り向く」）。
短く試してから長く。 まず 5 秒・720P でアイデアを試し、全尺を 1080P で生成します。料金は秒単位なので、試作は安く済みます。

画面の中の文字

Kling 4.0 は読める文字、ロゴ、絵文字を描けます。正確な文言をかぎかっこに入れ、場所も書きましょう：「ドアの上の看板には赤いネオンで『24 時間営業』」。

チェックリスト

誰が、何を、どこで——を一文で。
カメラの動きを 1 つ、名前で。
光を、見えるとおりに。
音：かぎかっこのセリフ、環境音、音楽または「BGM なし」。
参考素材なら：@Image1、@Video1、@Audio1 それぞれに役割を。
長い動画なら：だいたいの秒数つきの区切り。

このサイトのプロンプト欄は 5,000 文字まで入り、十分な長さです。良いプロンプトの多くは数行で収まります。ジェネレーターを開いて、上の例を試してみてください。