Kling AIの使い方｜テキストと画像から動画を作る手順を公式情報で整理する

動画生成AIを調べていくと、かなり早い段階で名前が出てくるのがKling AIです。

ただ、いざ触ろうとすると「どこをクリックすれば動画が出てくるのか」「クレジットは何秒でいくら減るのか」が分からず、手が止まってしまいます。

そこで、公式サイト・公式のクイックスタートガイド・公式の規約ページに書かれている内容だけを読み解いて、使い方の流れを頭から順に並べ直しました。

非公式のまとめ記事は一切参照せず、出典はすべて公式ドメインのページに置いています。

この記事の情報は2026年9月15日時点のものです。

最新の仕様はKling AI公式サイトでご確認ください。

【結論】Kling AIの使い方は「文章を書く」か「画像を1枚渡す」かの二択から始まる

結論から書きます。

Kling AIの使い方は、作りたい映像を文章で説明するか、元になる画像を1枚アップロードするか、この入口の二択から始まります。

公式の日本語ページには、手順が「テキスト プロンプトを入力するか画像をアップロードし、設定を選択して [生成] をクリックするだけで、準備ができたらビデオをダウンロードできます」と書かれています。

公式が提示している流れも3段階で、「ビジョンをアップロードまたは説明する」「設定とモーションを調整する」「4K での生成とエクスポート」と並んでいます。

つまり入口を選ぶ、言葉で説明する、設定を選ぶ、生成する、書き出すという5つの動作しかありません。

難しく感じるのは操作そのものではなく、言葉の書き方と設定の選び方のほうです。

この記事では、その2つを公式ガイドの記載どおりに分解していきます。

Kling AIの使い方を知る前に｜公式の記載で基本情報を一覧にする

使い方の話に入る前に、公式ページから拾える基本情報を一枚の表にまとめます。

項目	公式サイト・公式ドキュメントの記載
サービス名	Kling AI（公式ドメインは kling.ai）
できること	テキストから動画、画像から動画、テキストから画像、画像編集、モーションコントロール、AIアバター、音生成、エフェクトなど
動画の長さ	3秒〜15秒（Kling VIDEO 3.0）
解像度	720p／1080p／4K
アスペクト比	16:9／9:16／1:1
フレームレート	最大60fps
音声の対応言語	英語・中国語・日本語・韓国語・スペイン語
日本語ページ	あり（kling.ai/ja）
提供形態	ウェブのほか、iOS／Android／macOS（M チップ・Intel）／Windows 向けの案内あり
運営主体	利用規約に「Kling AI Pte. Ltd. and its affiliates」と記載、準拠法はシンガポール法
著作権表示	「© 2024-2026 kling.ai All rights reserved.」

ここで押さえておきたいのは、Kling AIは動画だけのサービスではないという点です。

公式トップページに並んでいる機能名を見ると、画像生成・画像編集・背景削除・音声生成まで含む「クリエイティブスタジオ」として作られています。

ただし検索で「Kling AI 使い方」と調べる人の目的はほぼ動画なので、この記事も動画生成を軸に進めます。

Kling AIの使い方の最初の一歩｜アカウントを作ってログインする

公式ブログの制作ガイドには、最初にやることが一言で書かれています。

「First, create your account and log in.」、つまりアカウントを作ってログインするところから始めるという記載です。

同じページでは、ログイン後にまずテンプレートや作例を眺めて、何ができるのかを把握しておくことがすすめられています。

• 公式ドメインは kling.ai（ログイン画面は kling.ai/app/login）
• 日本語で読みたいときは kling.ai/ja に日本語版のページがある
• スマホアプリ（iOS／Android）とデスクトップ版（macOS・Windows）の案内も公式ページに置かれている

なお、登録に何が必要か（メールアドレスだけで足りるのか、外部アカウント連携ができるのか）は、公式ページ上では確認できませんでした。

ここは推測で埋めず、実際のログイン画面で表示される選択肢に従ってください。

テキストから動画を作る使い方｜公式が示す3ステップ

Kling AIの使い方でいちばん基本になるのが、文章だけで動画を作る「テキストから動画」です。

公式の日本語ページには、この機能の手順が3つに整理されています。

ステップ	公式の日本語ページの記載
1	プロンプトを入力＝「モデルを選択し、作成したいビデオを自然言語で説明します」
2	ビデオをカスタマイズする＝「プロンプトを使用して、単一世代内の複数のシーン、アクション、スタイルをガイドします」
3	生成とエクスポート＝「解像度 (720p、1080p、または 4K)、再生時間 (3 ～ 15 秒)、アスペクト比を選択します」

注目したいのは、2番目のステップで「複数のシーン」を1回の生成の中に指示できると書かれているところです。

1カットしか作れないわけではなく、シーンの切り替わりまで文章で指示する前提の作りになっています。

手順の詳細は公式のテキストから動画のページに載っています。

プロンプトの書き方｜Kling AIの使い方の成否はここで決まる

公式のクイックスタートには、プロンプトの「公式（フォーミュラ）」がはっきり書かれています。

テキストから動画のプロンプトガイドに載っている型は次のとおりです。

Subject（Subject Description）+ Subject Movement + Scene（Scene Description）+（Camera Language + Lighting + Atmosphere）

日本語に置き換えると、「被写体（その説明）＋被写体の動き＋場面（その説明）＋（カメラの言葉＋光＋雰囲気）」という並びになります。

• Subject＝人・動物・植物・物など、画面の主役になるもの
• Subject Description＝見た目・髪型・服装・顔立ち・姿勢を、短い文をいくつか重ねて書く
• Subject Movement＝5〜10秒で収まる程度の、動いているか止まっているかの説明
• Scene＝前景と背景を含む、被写体がいる環境
• Lighting＝環境光・朝の光・夕日・人工照明など、感情を作る光の条件
• Atmosphere＝場の空気やトーンを決める要素

公式ガイドは「Camera Language」を、後述するカメラ操作機能とは別物だと説明しています。

超広角・ボケ・クローズアップ・被写界深度といった、映像の見え方を指す言葉のことです。

型が書かれている一次情報は公式のプロンプトガイドです。

公式が挙げるプロンプトの注意点｜避けたほうがいい書き方

同じ公式ガイドには、うまくいかない書き方も明記されています。

• 簡単な語と簡単な文構造を使う（凝った言い回しは避ける）
• 短い尺で収まる程度に、映す内容を絞る
• 複雑な物理運動は苦手＝ボールが弾む、高いところから投げた物の軌道、といった指示は再現しにくい
• 数字は一貫して保つのが難しい
• 東洋的な雰囲気を出したいときは「Oriental mood」「China」「Asia」といった語を使う

ここは公式が自分の弱点を書いている珍しい箇所で、使い方を覚えるうえでかなり重要です。

思った動きにならないとき、プロンプトの表現を増やすより動きそのものを単純にするほうが早い、という指針が読み取れます。

画像から動画を作る使い方｜公式ガイドの手順と型

手元に写真やイラストがあるなら、画像から動画を作る使い方のほうが結果を読みやすくなります。

公式の機能ページには、手順が3つに整理されています。

ステップ	公式ページの記載
1｜画像をアップロード	ポートレート・商品写真・イラストなどをドラッグ＆ドロップで置く
2｜動きを説明する	「she turns, smiles, and starts talking to the camera」のように動きを書く／開始フレームと終了フレームを渡す方法もある
3｜生成して書き出す	生成ボタンを押し、数秒待って動画をダウンロードする

クイックスタートの画像から動画のガイドでは、プロンプトの型がテキストから動画とは別に示されています。

その型は「Subject + Movement, Background + Movement」、つまり「被写体＋その動き、背景＋その動き」という並びです。

公式ガイドは「動きは物理法則に沿っているべきで、その画像の中で実際に起こりそうな動きを書くのがいちばんよい」と書いています。

アスペクト比は16:9・9:16・1:1の3つ、尺は5秒と10秒の選択肢が挙げられています。

詳細は公式の画像から動画のガイドと機能ページにあります。

動画の長さと解像度の選び方｜Kling AIの使い方で最初に迷うところ

設定画面で最初に迷うのが、尺と解像度です。

公式のモデルガイドには、Kling VIDEO 3.0が「3秒から15秒まで柔軟に指定できる、最大15秒の連続した動画」を作れると書かれています。

解像度は、モデルガイドでは1080pと720pの2つ、機能ページではこれに4Kが加わっています。

設定	公式に書かれている選択肢
尺	3秒〜15秒（Kling VIDEO 3.0）／クイックスタートの旧来の説明では5秒・10秒
解像度	720p・1080p・4K
アスペクト比	16:9・9:16・1:1
フレームレート	最大60fps

公式の日本語ページには「1080p エクスポート (Pro は 4K のロックを解除します)」とあり、4Kの書き出しは上位プラン側の機能として案内されています。

同じページには「無料世代にはウォーターマークが含まれます」とも書かれています。

試し撮りは720pで回し、本番だけ解像度を上げる、という使い方が素直です。

標準モードとプロフェッショナルモードの使い分け

Kling AIには生成モードが2つあり、公式に専用の比較ページが用意されています。

モード	公式の説明	公式が挙げる得意分野
標準モード（Standard Mode）	「より速く生成し、推論コストが低い」／色味はやわらかく心地よい	人物・動物・動きの大きい場面
プロフェッショナルモード（Professional Mode）	「よりディテールが豊かな動画を生成し、推論コストが高い」／構図と色作りが緻密	人物・動物・建築・風景

公式ページは、プロフェッショナルモードを「複雑な動画制作でもっとも頻繁に使われるモデル」と表現しています。

作例の比較では、パンダがギターを弾く映像で標準モードは動きが自然、プロフェッショナルモードはギターの質感とカメラの安定感が上、と説明されています。

中世の船の場面では、プロフェッショナルモードのほうが物理表現とディテールで勝る、という書き方です。

構図やプロンプトを試す段階は標準モード、完成形を取りにいく段階だけプロフェッショナルモードという分け方が、公式の説明に沿った使い方になります。

比較の原文は公式のモード選択ガイドにあります。

カメラワークを指定する使い方｜カメラコントロール

Kling AIには、カメラの動きを言葉ではなく設定として指定する機能があります。

公式ガイドはこれを「絶対的な指示で画面内のカメラの動きを操作し、変位パラメータを調整して動きの大きさを選べる」機能だと説明しています。

• 基本の動き6種＝Horizontal（水平移動）／Vertical（垂直移動）／Zoom（ズーム）／Pan（パン）／Tilt（ティルト）／Roll（ロール）
• マスターショット4種＝左に移動しながら寄る／右に移動しながら寄る／前進しながら上げる／下げながら引く

マスターショットは複数の動きを組み合わせたプリセットで、カメラの動きをいちいち文章で書かなくてよくなります。

ただし、どのモードや尺でカメラコントロールが使えるのかは、この公式ガイドには書かれていませんでした。

一覧は公式のカメラコントロールガイドで確認できます。

できた動画を伸ばす使い方｜動画の延長は最長3分まで

15秒では足りないときのために、公式には動画を継ぎ足す機能の説明ページがあります。

公式ガイドによると、1回の延長で4〜5秒ぶんが足され、繰り返すことで最長3分まで伸ばせると書かれています。

操作は、動画が生成されたあとに画面左下のタブから延長機能に入る流れです。

延長の種類	公式の説明
自動延長	「プロンプトを入力する必要はなく、モデルが自律的に動画を続ける」
カスタム延長	「Subject + Movement」の型で続きの内容を文章で指示する

公式ガイドは「プロンプトは元動画の主役と一致している必要があり、無関係な文章はカットや場面転換を招く可能性がある」と注意しています。

加えて、結果には確率的なばらつきがあるため、何度か試す前提で使うようにと書かれています。

原文は公式の動画延長ガイドです。

クレジットの使い方｜1秒あたりいくつ減るのかを公式で確認する

Kling AIの使い方でいちばん誤解しやすいのが、消費のしくみです。

公式の英語ドキュメントでは、この単位は一貫して「Credits（クレジット）」と表記されています。

日本語UI上で「インスピレーションポイント」といった別の呼び名が使われているかどうかは、今回読んだ公式ページでは確認できませんでした。

公式のモデルガイドには、Kling VIDEO 3.0の消費が「1本あたり」ではなく「1秒あたり」で決まると書かれています。

生成の条件	1080p	720p
ネイティブ音声あり	12クレジット／秒	9クレジット／秒
ネイティブ音声なし	8クレジット／秒	6クレジット／秒
声のトーン指定	2クレジット／秒	2クレジット／秒

公式ガイドが挙げている例は、1080p・ネイティブ音声ありの5秒動画で60クレジット、という計算です。

公式ブログのクレジット解説には、4Kのネイティブ生成が30クレジット／秒とも書かれています。

つまり尺・解像度・音声の有無の3つが、そのままコストの掛け算になる構造です。

試作段階で音声を切って720pにしておくだけで、消費は大きく変わります。

会員プランとクレジットの有効期限｜公式規約に書かれていること

クレジットは無限に貯められるものではありません。

公式の有料サービス規約には、会員種別として「Standard Membership」「Pro Membership」「Premier Membership」「Ultra Membership」「Team Membership」「Enterprise Membership」の6つが挙げられています。

同じ規約は、クレジットの性質を「トークンでも仮想通貨でもプリペイド券でもなく、金銭的価値やプリペイド価値を持たない」と定義しています。

• 購入したクレジットの有効期間は2年
• 会員特典として配布されたクレジットは配布日から1か月で失効する
• 消費は、期限が先に来るものから優先して使われる
• 有料サービスは、利用を開始した時点で返金されない

公式ブログのクレジット解説には、月あたりの付与数として Standard が660クレジット、Pro が3000クレジット、Premier が8000クレジット、Ultra が26000クレジット、Basic は月次クレジットなし、という数字が並んでいます。

ただし同じ公式ブログ自身が「クレジット・価格・特典・アクセス条件は変わりうるので、制作前に会員プランのページを確認するように」と書いています。

この記事の数字も、必ず公式の会員プランのページで現在の内容を見比べてから判断してください。

商用利用の条件｜Kling AIの使い方で見落としやすい線引き

ここは、使い方の記事でいちばん丁寧に読んだほうがよい部分です。

公式の利用規約（Terms of Use）には、生成物の権利について両面の記載があります。

規約の条項	書かれている内容
利用規約 4.4	「適用法のもとで、コンテンツに関する知的財産権その他の権利はあなたが保有する」
利用規約 4.6	「当社の書面による許可なく、商業目的で出力物を使用・複製・配布・翻案・改変してはならない」
利用規約 4.5	配布時は「Kling AI」のブランドとロゴを表示するか、Kling AIが生成したものであることを明示する
利用規約 4.7	Kling AI側が、宣伝・製品改善・新機能の研究のためにコンテンツを使える非独占・無償のライセンスを保持する
有料サービス規約	「Kling AI会員による出力物の商業目的での利用は制限されない」

整理すると、商用利用は会員かどうかで扱いが分かれるという構造です。

公式の日本語ページにも「商用利用はサブスクリプションプランによって異なります」と書かれており、規約の内容と一致しています。

加えて、非会員は「生成物にKling AIのブランドとロゴを表示する」か「Kling AIによる生成であることを目立つ形で示す」ことが求められています。

仕事で使う予定があるなら、公式の利用規約と有料サービス規約を自分の目で通して読んでおくことをおすすめします。

日本語での使い方｜日本語版ページと音声の対応言語

日本語で使えるかどうかは、公式ページの記載で確認できます。

Kling AIは日本語版のページを持っており、機能名も「テキストから動画」「画像から動画へ」「画像生成」のように日本語で表示されます。

動画のなかで話す音声については、公式のモデルガイドが対応言語として中国語・英語・日本語・韓国語・スペイン語を挙げています。

英語については、アメリカ英語・イギリス英語・インド英語といった地域のアクセントも選べると書かれています。

なお、プロンプトを日本語で書いた場合の精度について、公式ページに明確な記載は見当たりませんでした。

ここは公式が答えていない論点なので、この記事では判断しません。

Kling VIDEO 3.0でできること｜使い方の幅を決めるモデルの中身

2026年9月時点で公式が前面に出しているモデルが、Kling VIDEO 3.0です。

公式のモデルガイドは、これをKling VIDEO 2.6からの更新版だと説明しています。

• テキストから動画／画像から動画／開始・終了フレームから動画
• ネイティブ音声（複数キャラクターに対応）
• マルチショットの物語構成（自動と手動の両方）
• Element Reference＝被写体の一貫性をコントロールする機能
• 3人以上のキャラクターを区別して扱うマルチキャラクター対応
• 方言やアクセントの生成、声のトーン指定

操作面では、動画生成ツールで「Multi-Shot」のトグルを入れ、細かく指定したいときは「Custom Multi-Shot」を押す、という流れが書かれています。

被写体を固定したいときは、「Bind Subject to Enhance Consistency」から画像を渡して紐づけます。

詳細は公式のKling VIDEO 3.0ガイドにまとまっています。

失敗したときの直し方｜公式が示す見直しの順番

公式ブログの制作ガイドには、生成物を評価して直すときの手順も書かれています。

生成後に見るべき点として挙げられているのは4つです。

確認する点	見るところ
Main Action	意図した動きが起きているか
Subject Consistency	被写体が途中で崩れていないか
Camera Movement	カメラの動きが狙いどおりか
Audio Timing	音と映像のタイミングが合っているか

そのうえで公式は「いちばん弱いところ（動き・カメラの向き・タイミング・参照画像）をまず1つ変えて、もう一度生成する」と書いています。

一度に何か所も直さないという順番が、公式の言い方に沿った直し方です。

プロンプトの型としては、同じページで「Scene + Subject + Movement + Audio + Style / Emotion / Camera」という並びも示されています。

公式ページでは確認できなかったこと

調べた範囲で、公式ページからは答えが取れなかった論点も書いておきます。

• 無料プランで1日あたり何クレジットもらえるのか（公式の会員プランのページは読み取れませんでした）
• 会員プランの日本円の価格
• アカウント登録に使える手段（メールアドレスのみか、外部アカウント連携があるか）
• アップロードできる画像のファイル形式とサイズの上限
• カメラコントロールが使えるモードと尺の条件

これらは、非公式のまとめ記事には数字が載っていることもあります。

ただ、公式が書いていない数字を根拠にして判断すると、そのまま古い情報を掴むことになります。

この記事では埋めずに、そのまま空欄として残しました。

Kling AIの使い方でよくある質問

Kling AIの使い方のまとめ

公式情報から読み取れた使い方の輪郭を、最後にもう一度並べます。

• 入口は「文章で説明する」か「画像を1枚渡す」かの二択
• 公式の流れは「説明する→設定とモーションを調整する→生成して書き出す」の3段階
• テキストから動画のプロンプトの型は「被写体＋被写体の動き＋場面＋（カメラの言葉＋光＋雰囲気）」
• 画像から動画のプロンプトの型は「被写体＋その動き、背景＋その動き」
• 尺は3〜15秒、解像度は720p・1080p・4K、アスペクト比は16:9・9:16・1:1
• 標準モードは速くて安く、プロフェッショナルモードはディテールが濃いぶんコストが高い
• クレジットは1秒あたりで減り、尺・解像度・音声の有無で変わる
• 購入クレジットは2年、会員特典のクレジットは1か月で失効する
• 商用利用は会員かどうかで扱いが分かれ、非会員には表示の義務がある
• 複雑な物理運動と数字の一貫性は苦手だと、公式ガイド自身が書いている

生成AIの全体像から押さえたい方は生成AIとは何かの記事もあわせてご覧ください。

公式のクイックスタート一覧はkling.ai/quickstartにあります。

この記事の内容は2026年9月15日に公式サイト・公式ガイド・公式規約で確認したものです。仕様やクレジットの条件は変わりますので、最新の情報は公式ページでご確認ください。