ネイティブ音声の主力 · 2.x シリーズ5–10s1080pnative audio

Kling 2.6 — 映像と同時に生成されるネイティブ音声

Kling 2.6 は音を当たり前にしたリリースです。声、会話、効果音、環境音がフレームと同じ生成パスから、すでに同期した状態で出てきます。後段に音声ジョブを組む必要はありません。

クイックスタート

フレーム生成は自社の画像モデルによる実際の処理です。アニメーション化のステップはガイド付きのプレビューです。

Kling 2.6 の仕様

Kling 2.6 のリクエストが受け付けるパラメーターと、実際に呼び出しを書くときに各値が何を意味するかを解説します。

Kling 2.6 — API パラメーターリファレンス
Kling 2.6 の API 仕様
パラメーター補足
5–10s2.x の上限である10秒。15秒は 3.0 シリーズから
出力解像度1080pフル HD。Kling 系列全体の公表上限です
アスペクト比16:9 · 9:16 · 1:1ネイティブの3種類 — 横長、縦長、正方形
生成モードStandard · Professional標準は返りが速く、プロはディテールをより多く保ちます
ネイティブ音声voice, sfx, ambient声、効果音、環境音を映像と同じパスで生成します
入力の種類text, imageテキストと画像から動画へ。このバージョンに動画リファレンスはありません
モーション制御camera + object pathsカメラパスと物体の軌道をリクエストごとに指定できます

Kling 2.6 について公開されている値です。2026年8月時点で確認。当サイトは独立したガイドであり、Kling の重みを動かしてはいません。

Kling 2.6 で生成できるもの

このバージョンを Kling API 系列の他モデルと分ける機能と、それぞれが実際にどんなショットのためのものかを解説します。

ネイティブ音声

フレームの後ではなく、フレームと同時に音を生成

声、効果音、部屋の空気感が同じ生成の中で作られるため、後からエディターで位置を合わせるのではなく、最初から動きの上に乗っています。

音声駆動のリップシンク

セリフに合う口の動き

話されたセリフが、それを発するキャラクターの口の形を駆動します。別途の同期工程なしでトーキングヘッドのクリップを使えるようにする機能です。

モーションとカメラの制御

パスを指定し、構図を保つ

カメラワークと物体の軌道をリクエスト内で指定できます。音声と組み合わさることで、Kling のクリップが完成して見えると言われるとき、多くの人が思い浮かべるのがこのバージョンです。

環境音とエフェクト

部屋が部屋らしく響く

交通音、雨、忙しい厨房といった環境音のベッドが、ライブラリから選ばれるのではなくシーンの記述から生成されるため、描写した空間に合った響きになります。

テキストから動画

一文を入れて、1本のクリップを出す

プレーンテキストの経路は 2.x の従来版と同じですが、シーン描写をより丁寧に読み取ります。同じ記述から音声も生成されるようになった今、その差はいっそう重要です。

画像から動画

気に入った静止画をそのまま動かす

キーフレームを生成の起点にし、動きと音はプロンプトで記述します。当サイトの無料ジェネレーターは、このワークフローを想定して作られています。

バージョン差分

Kling 2.6 で変わったこと

このリリースが Kling 2.5 Turbo にできなかった4つのこと。機能一覧ではなく、以前と現在の対比で示します。

以前: クリップは無音で返り、音声はエディターでの別作業でした。

現在: 声、効果音、環境音が映像と同じパスで生成されます。

セリフ

以前: 話すキャラクターを見られる状態にするには手作業の同期が必要でした。

現在: 話されたセリフが、それを発するキャラクターの口の形を駆動します。

カメラ制御

以前: モーション制御はあっても、turbo 版では速度の予算と競合していました。

現在: カメラパスと物体の軌道が再び第一級のパラメーターになりました。

忠実度

以前: turbo は仕上がり時間の目標を守るため細部を簡略化していました。

現在: プロモードがそのディテールを取り戻します。待ち時間はおよそ2倍です。

そのまま使える

Kling 2.6 プロンプトテンプレート

このモデルの強みに合う3つの構造です。上のジェネレーターに読み込んでキーフレームを描き、そこから自分のショットに合わせて言い回しを調整してください。

話者1人の会話

[設定とライティング]。[登場人物]が「[セリフ]」と言う。
カメラ: [動き1つ]。[環境音のベッド]。
尺: [5-10s]

このバージョンではショットにつき話者は1人にしてください。キャラクター割り当ては 3.0 からで、ここでは2人目も1人目の声になってしまいがちです。

環境音が主導するシーン

[シーン]。セリフなし。環境音: [具体的な音源を2〜3つ]。
[フレーム内の動き]。カメラ: [動き1つ]。[ライティング]。
尺: [5-10s]

音源は個別に列挙してください。「街の音」のような一般的な指示では茫漠とした音になり、3つ挙げれば混ざり合った音になります。

サウンドデザイン付きの商品

[設定]の中の[商品]。[音を伴う動作]。
環境音: [音源]。フォーリー: [その動作の具体的な音]。
[ライティング]。カメラ: [動き1つ]

フォーリーは明示的に指定してください。映像はどちらにせよ動作を映しますが、音は求めたときだけそれを拾います。

Kling 2.6 の位置づけ

このバージョンが、並べて検討されがちな他の AI 動画ジェネレーターと比べてどこに立つか。各行から1対1の比較全文へ進めます。

Kling 2.6 と競合の AI 動画ジェネレーター
比較相手差が出るところ比較全文
RunwayRunway は別途の音声工程が必要ですが、2.6 は同じリクエストの中で声、効果音、環境音を生成します。Kling vs Runway
SoraSora はより長いクリップを作れ、音声も生成しますが、2.6 は公開 API と明文化されたモーション制御で応えます。Kling vs Sora
PikaPika は最大クリップ長で上回りますが、2.6 はネイティブ音声と音声駆動のリップシンクで応えます。Kling vs Pika
LumaLuma は 4K の上限を公表する一方でネイティブ音声はありません。2.6 は解像度と引き換えに同一パスの音を取ります。Kling vs Luma
Viduどちらも多言語プロンプトを扱えますが、2.6 はネイティブ音声、リップシンク、モーション制御を加えます。Kling vs Vidu

各社が公式に公開している情報に基づく対応状況です。2026年8月時点で確認。

Kling 2.6 — 質問

Kling 2.6 のリクエストを書く前に知っておきたい4つのこと。

声、会話、効果音、環境音のベッドを、いずれも映像と同じパスで生成します。ほしい音源は個別に挙げてください。具体的な音を3つ列挙するほうが、一般的な指示1つよりはるかに良い音になります。

はい、音声駆動です。話されたセリフが、それを発するキャラクターの口の形を駆動します。このバージョンではショットにつき話者は1人にしてください。複数人の中から指定した人物にセリフを割り当てる機能は Kling Video 3.0 からです。

音付きの単一ショットなら十分にあります。その仕事を安定してこなします。10秒を超える尺、マルチショットの編集、言語混在のセリフ、読める画面内テキストが必要になったら 3.0 へ移ってください。

いいえ。上のジェネレーターは自社の画像モデルで実際のキーフレームを描き、アニメーション段階をプレビューするだけで、Kling の重みを呼び出すことはありません。当サイトは Kling API を解説するもので、再販はしていません。

まずはフレームから

Kling 2.6 も、Kling API のすべての動画生成ジョブと同じ場所から始まります。ショットを決める1枚の静止画です。無料で1枚描いて、本格的なレンダリングへ持ち込みましょう。

1回の生成あたり 5–10s公表上限 1080p登録不要
無料で作りはじめる

登録不要 · クレジット不要 · ブラウザ上で動作

当サイトは Kling AI および Kuaishou とは無関係です。Kling は各権利者の商標です。