kling-3-0

Kling 3.0 - RunComfy の Pro Pack

runcomfy.com · ドキュメント · GitHub

Kling 3.0 は、Kuaishou Technology の第3世代シネマティック動画モデルです。このスキルでは、RunComfy の Kling 3.0 レンダリングエンドポイント全6種を扱います。3つの品質ティア（Standard、Pro、4K）と、2つのモード（テキストから動画、画像から動画）の組み合わせです。

Kling 3.0 とは

Kling 3.0 は、Kling 動画モデルの V3 世代です。ネイティブ音声と同期した複数ショットのシネマティック動画を生成し、ショット間でキャラクターの同一性を保ち、物理法則を考慮した動きを実現します。Kling 2.x と比べて、Kling 3.0 はより長いクリップ（最長15秒）、4K ティアでのネイティブ4K出力、そして1回の Kling 3.0 生成に複数の異なるシーンを含め、切り替えを制御できる統合型のマルチプロンプトセグメントシステムに対応しています。

RunComfy では Kling 3.0 を3つのレンダリングティアで提供しており、それぞれテキストから動画、または画像から動画を利用できます。

• Standard - 最も低価格のティアで、最大1080pの出力に対応します。高速な反復作業、プレビュー、A/B バリエーション、SNS向けショート動画には Kling 3.0 Standard を使用してください。
• Pro - 1080pで最高の忠実度を実現します。動きのリアリティと同一性の維持を最優先する、最高品質の1080pクリップには Kling V3.0 Pro を使用してください。
• 4K - ネイティブ3840x2160出力に対応します。高解像度のブランドフィルム、大画面向けのシネマティックなシーケンス、ネイティブ解像度での完成版マスターには Kling V3.0 4K を使用してください。

3つのティアはすべて、同じ Kling 3.0 のマルチショットアーキテクチャを共有しています。各ティアの違いは、最大解像度、動きの忠実度に割り当てられる予算、料金です。

Kling 3.0 の6つのエンドポイント

各エンドポイントは、（ティア、モード）の組み合わせに対応しています。6つすべてのエンドポイントで、同じ Kling 3.0 ベースモデルを使用します。

エンドポイント	アンカー	解像度	料金（音声なし）	料金（音声あり）
kling/kling-3.0/standard/text-to-video	Kling 3.0 Standard t2v	最大1080p	$0.084/s	$0.126/s
kling/kling-3.0/standard/image-to-video	Kling 3.0 Standard Image to Video	最大1080p	$0.084/s	$0.126/s
kling/kling-3.0/pro/text-to-video	Kling V3.0 Pro Text-to-Video	1080p	$0.112/s	$0.168/s
kling/kling-3.0/pro/image-to-video	Kling V3.0 Pro Image-to-Video	1080p	$0.112/s	$0.168/s
kling/kling-3.0/4k/text-to-video	Kling V3.0 4K Text-to-Video	3840x2160	$0.42/s flat	$0.42/s flat
kling/kling-3.0/4k/image-to-video	Kling V3.0 4K Image-to-Video	3840x2160	$0.42/s flat	$0.42/s flat

4K ティアの料金は、音声の有無にかかわらず同じです。Standard と Pro の各ティアでは、音声を有効にすると1秒あたりの料金が約50％高くなります。

Kling 3.0 の各ティアを選ぶ基準

パイプラインにおける出力の役割に応じて、Kling 3.0 のティアを選びます。

• 下書き、プレビュー、SNS向けショート動画、A/B テスト用のバリエーション：Kling 3.0 Standard。最も低価格です。ヒーローショット以外であれば、品質は十分です。
• 1080p のヒーロークリップ、広告クリエイティブ、動きの忠実度が高いトーキングヘッド：Kling V3.0 Pro。同じ解像度で動きと人物の一貫性が大幅に向上し、Standard より約33％高価です。
• 4K のブランドフィルム、大画面向けのシネマティック映像、完成版マスター：Kling V3.0 4K。ネイティブの3840x2160（アップスケール工程なし）です。1秒あたり一律$0.42なので、予算を立てやすくなります。出力に本当に4Kが必要な場合にのみ使用してください。Standard のおよそ5倍のコストがかかります。

ソース画像の有無に応じて、モードを選びます。

• Text-to-Video（t2v）：プロンプトのみを指定し、Kling 3.0 が映像を一から生成します。斬新なシーン、新しい構図、既存の参照画像がない環境には、Kling 3.0 t2v を使用します。
• Image-to-Video（i2v）：プロンプトとソース画像を指定し、Kling 3.0 が画像をアニメーション化します。出力にも正確に引き継ぐ必要がある参照画像（顔、製品、シーン）がある場合は、Kling 3.0 i2v を使用します。

ユーザーが Kling 3.0、Kling V3.0、Kling Pro、または Kling 4K を明示的に指定した場合は、必ずこのスキルに振り分けます。

前提条件

1. RunComfy CLI：npm i -g @runcomfy/cli
2. RunComfy アカウント：runcomfy login を実行すると、ブラウザーでデバイスコード認証フローが開きます。
3. CI／コンテナ：runcomfy login の代わりに RUNCOMFY_TOKEN=<token> を設定します。
4. i2v エンドポイントの場合：外部から取得可能なソース画像の URL（HTTPS、JPEG/PNG/WebP）。

入力スキーマ（Kling 3.0 の全6エンドポイント共通）

フィールド	型	必須	デフォルト	備考
prompt	string	yes	-	シーン、動き、カメラ、雰囲気を説明するテキストです。prompt_segments を使用すると、1回の Kling 3.0 生成でシーンを切り替えるマルチセグメントプロンプトを指定できます。
image_url	string	yes (i2v only)	-	Kling 3.0 i2v のソース画像です。HTTPS URL を指定してください。JPEG/PNG/WebP に対応しています。
tail_image_url	string	no (i2v only)	-	Kling 3.0 i2v で開始フレームから終了フレームへの遷移を制御する場合に指定する、任意の終了画像です。
negative_prompt	string	no	-	Kling 3.0 の出力から除外する要素です。
duration	int	no	5	Kling 3.0 の1回の生成あたり3～15秒です。
aspect_ratio	enum	no	16:9	16:9、9:16、1:1、4:3、3:4、21:9。
cfg_scale	float	no	0.5	プロンプトへの追従度です。値を大きくすると、プロンプトにより忠実になります。
generate_audio	bool	no	false	Kling 3.0 の生成時に同期音声を有効にします。Standard と Pro では追加料金がかかり、4K では定額です。
seed	int	no	-	Kling 3.0 のバリエーションテストで再現性を確保します。

各 Kling 3.0 エンドポイントの呼び出し方法

Kling 3.0 Standard の text-to-video（最も低価格な1080pの下書き）：

runcomfy run kling/kling-3.0/standard/text-to-video \
  --input '{
    "prompt": "<Kling 3.0 prompt>",
    "duration": 5,
    "aspect_ratio": "16:9"
  }' \
  --output-dir <absolute/path>

Kling 3.0 Standard の image-to-video（静止画をアニメーション化）：

runcomfy run kling/kling-3.0/standard/image-to-video \
  --input '{
    "prompt": "<motion description for Kling 3.0 i2v>",
    "image_url": "https://.../source.jpg",
    "duration": 5
  }' \
  --output-dir <absolute/path>

Kling V3.0 Pro の text-to-video（1080pで最高の忠実度）：

runcomfy run kling/kling-3.0/pro/text-to-video \
  --input '{
    "prompt": "<Kling 3.0 Pro prompt>",
    "duration": 8,
    "aspect_ratio": "16:9",
    "generate_audio": true
  }' \
  --output-dir <absolute/path>

Kling V3.0 Pro の image-to-video（ソース画像からヒーローアニメーションを生成）：

runcomfy run kling/kling-3.0/pro/image-to-video \
  --input '{
    "prompt": "<motion description for Kling V3.0 Pro i2v>",
    "image_url": "https://.../subject.jpg",
    "duration": 8,
    "generate_audio": true
  }' \
  --output-dir <absolute/path>

Kling V3.0 4K の text-to-video（ネイティブ4Kのシネマティック映像）：

runcomfy run kling/kling-3.0/4k/text-to-video \
  --input '{
    "prompt": "<Kling V3.0 4K prompt>",
    "duration": 10,
    "aspect_ratio": "16:9",
    "generate_audio": true
  }' \
  --output-dir <absolute/path>

Kling V3.0 4K の image-to-video（参照画像を4Kでアニメーション化）：

runcomfy run kling/kling-3.0/4k/image-to-video \
  --input '{
    "prompt": "<motion description for Kling V3.0 4K i2v>",
    "image_url": "https://.../source-4k.jpg",
    "duration": 10,
    "generate_audio": true
  }' \
  --output-dir <absolute/path>

CLI は Kling 3.0 のリクエストを送信し、2秒ごとにポーリングして結果を取得します。また、*.runcomfy.net／*.runcomfy.com の URL があれば、--output-dir にダウンロードします。

Kling 3.0 のプロンプト作成 — 効果的な方法

Kling 3.0 は、単純な文章よりも、特定のパターンで作成されたプロンプトによく反応します。

動きとカメラワークの表現から始めます。 Kling 3.0 は「ワイドショット、ゆっくりとしたプッシュイン」「トラッキングショット、ローアングル」「手持ちカメラで追従」といった指示を、明確な指示として認識します。これらを冒頭に記述してください。

1 回の Kling 3.0 生成で複数のショットを指定します。 1 つの Kling 3.0 プロンプトで、一連のショットを記述できます。番号を付けて指定します。「Shot 1: 夕暮れのカフェのワイドショット。Shot 2: バリスタのミディアムクローズアップ。Shot 3: エスプレッソを注ぐ手元のクローズアップ。」Kling 3.0 は、ショット間で顔、衣装、小道具などの同一性を保ちます。

i2v では同一性を保つための指示を入れます。 Kling 3.0 i2v を使用する場合は、変化させない要素をあらためて指定します。「被写体の顔、ポーズ、服装を維持し、カメラの動きと背景のみを変える。」

制御された終わり方には tail_image_url を使います。 Kling 3.0 i2v では、末尾画像を指定して最終フレームを固定できます。Kling 3.0 は、元画像から末尾画像までの動きを補間します。

1 回で対話音声を生成するには generate_audio: true を指定します。 Kling 3.0 に生成させる音声を説明します。「温かく親しみやすいトーンの英語ナレーション」や「街の環境音、遠くの交通音、セリフなし」などです。Standard／Pro では音声生成に追加費用がかかりますが、4K では定額です。

cfg_scale を調整します。 既定値の 0.5 は、ほとんどの Kling 3.0 プロンプトで適切です。スタイライズされた出力でプロンプトへの厳密な準拠を求める場合は、0.7〜0.9 に上げます。プロンプトに余裕を持たせて自然な動きを求める場合は、0.3〜0.4 に下げます。

避けるべきパターン：

• 1 つの Kling 3.0 プロンプトに相反するスタイルの指定を含める → 簡潔にして、スタイルの軸を 1 つか 2 つに絞ります。
• 1 回の Kling 3.0 呼び出しで 15 秒を超える動画を指定する → 422 エラーになります。スクリプトを分割して、後からつなぎ合わせます。
• 対応範囲外のアスペクト比を指定する → 拒否されます。
• Kling V3.0 4K で、複雑な複数ショットのストーリーに 15 秒、対話音声、6 カットを組み合わせて要求する → Kling 3.0 は生成できますが、1 回の生成あたり約 $6.30 まで費用が上がります。まず Standard で検証してください。

Kling 3.0 の得意分野

用途	最適な Kling 3.0 エンドポイント
キャラクターの一貫性を保った、シネマティックな 1080p のブランドストーリー	Kling V3.0 Pro（t2v または i2v）
ネイティブ 4K のヒーロー映像や大画面向けシネマティック映像	Kling V3.0 4K（t2v または i2v）
低コストでの反復制作、ソーシャルメディア向けショート動画、A/B バリエーション	Kling 3.0 Standard t2v
ブランド素材、商品写真、キャラクターアートのアニメーション化	Kling 3.0 Standard i2v または Kling V3.0 Pro i2v
1 回の処理で対話音声を同期させる複数ショット広告	Kling V3.0 Pro と generate_audio: true
ネイティブ音声付きの高品質な 4K 完成版マスター	Kling V3.0 4K と generate_audio: true（定額）

Kling 3.0 のプロンプト例

Kling 3.0 のシネマティックな複数ショット（Pro ティアを推奨）：

Cinematic multi-shot of a young American couple celebrating their
anniversary at a candlelit rooftop restaurant. Shot 1: wide of the
city skyline at golden hour. Shot 2: medium two-shot, the couple
toasting. Shot 3: tight on the woman's smile, soft bokeh, warm fill
light. Subtle ambient string music, gentle wind, distant traffic.

Kling 3.0 i2v（ポートレートをアニメーション化、4K ティア）：

Gentle camera dolly-in on the subject from the source image. Subtle
breathing motion, identity-stable features, soft natural light,
shallow depth of field. Background: warm golden-hour glow with a
slow drift of dust motes. No dialogue, only ambient room tone.

Kling 3.0 の縦型ショート動画（Standard ティア、9:16）：

9:16 vertical. A barista in a black apron pulls a single espresso
shot, steam rising into morning sun, rich crema slowly forming.
Close-up handheld, shallow depth of field, warm cafe ambience and
the hiss of the steam wand.

Kling 3.0 FAQ

Kling 3.0 のクリップの最大長はどれくらいですか？ 3 つのすべてのティアで、1 回の生成あたり 15 秒です。より長いストーリーを作成する場合は、スクリプトを複数の Kling 3.0 呼び出しに分割して、つなぎ合わせてください。

Kling V3.0 4K の料金は Standard や Pro と比べてどうですか？ Kling V3.0 4K は、音声を有効にするかどうかにかかわらず、1 秒あたり一律 $0.42 です。Standard は音声なしで $0.084/s（最安）です。Pro は音声なしで $0.112/s です。4K ティアは、解像度の向上に対して Standard の約 5 倍の料金がかかります。

Kling 3.0 は 1 回の生成で複数ショットに対応していますか？ はい。Kling 3.0 のすべてのエンドポイントが、複数セグメントのプロンプトを受け付けます。ショットに番号を付け（「Shot 1:」、「Shot 2:」など）、Kling 3.0 でショット間のキャラクターの同一性を維持できます。

Kling 3.0 は音声を生成できますか？ はい。generate_audio: true を設定してください。Kling 3.0 は同じ生成処理で、同期した会話、環境音、音楽を生成します。4K では料金は一律 $0.42/s のままですが、Standard / Pro では音声を有効にすると料金が約 50％上がります。

Kling 3.0 がサポートするアスペクト比は何ですか？ 16:9、9:16、1:1、4:3、3:4、21:9 です。4K ティアでは、21:9 はネイティブ 3840x2160 のワイドシネマクロップとしてレンダリングされます。

Kling 3.0 の i2v は末尾画像に対応していますか？ はい。tail_image_url で最終フレームを固定し、Kling 3.0 が開始画像から末尾画像までの動きを補間します。

Kling 3.0 は Kling 2.x とどう違いますか？ Kling 3.0 は複数ショット間の同一性維持が強化され、最大生成時間が長く（2.x のフラッグシップモデルの 10 秒に対して 15 秒）、4K ティアではネイティブ 4K に対応し、すべてのティアで複数プロンプトのセグメント入力が統一されています。

制限事項

• Kling 3.0 のすべてのティアで、1 回の呼び出しあたりの生成時間は最大 15 秒です。
• Kling 3.0 4K の 1 回の生成で連続して指定できるショットは、最大 6 ショットです。
• i2v では、一般にアクセス可能な HTTPS 画像 URL が必要です。 ローカルファイルには対応していません。
• アスペクト比は、ドキュメントに記載された 6 種類に固定されています。 それ以外の比率はクロップされるか、拒否されます。
• 4K の出力ファイルはサイズが大きくなります。 Kling V3.0 4K のバッチ実行前に、ディスク容量と帯域幅を確保してください。

終了コード

runcomfy CLI は sysexits 形式のコードを使用します。

code	meaning
0	Kling 3.0 の生成に成功
64	CLI 引数が不正
65	Kling 3.0 の入力 JSON が不正、またはスキーマが不一致
69	上流で 5xx エラー
75	再試行可能：タイムアウト / 429
77	サインインしていない、またはトークンが拒否された

詳細なリファレンス：docs.runcomfy.com/cli/troubleshooting。

動作の仕組み

1. スキルは、ユーザーのティア（Standard / Pro / 4K）とモード（t2v / i2v）の意図に基づいて、6 つの Kling 3.0 エンドポイントから 1 つを選択します。
2. スキーマに一致する JSON ボディを指定して、runcomfy run kling/kling-3.0/<tier>/<mode> を実行します。
3. CLI はユーザーのベアラートークンを使用して、RunComfy Model API に POST します。
4. Model API は request_id を返します。CLI は Kling 3.0 の生成が完了するまで、2 秒ごとにポーリングします。
5. 終了状態になると、CLI は Kling 3.0 の結果を取得し、.runcomfy.net / .runcomfy.com の URL があれば --output-dir にダウンロードします。
6. Ctrl-C を押すと、課金前に実行中の Kling 3.0 リクエストをキャンセルします。

セキュリティとプライバシー

• トークンの保存：runcomfy login は、API トークンをモード 0600 で ~/.config/runcomfy/token.json に書き込みます。CI / コンテナーでは RUNCOMFY_TOKEN 環境変数を設定してください。
• 入力の境界：Kling 3.0 のプロンプトは --input 経由で JSON として渡されます。CLI はシェル展開を行いません。シェルインジェクションの攻撃面はありません。
• サードパーティーのコンテンツ：渡した画像 URL は、手元の CLI ではなく RunComfy サーバーが取得します。外部 URL は信頼できないものとして扱ってください。画像入力を受け付けるあらゆる動画モデルにおいて、画像を利用したプロンプトインジェクションは既知のリスクです。
• 送信先エンドポイント：model-api.runcomfy.net（リクエストの送信）および *.runcomfy.net / *.runcomfy.com（ダウンロード許可リスト）のみです。
• 生成ファイルのサイズ上限：暴走した Kling 3.0 4K 出力によるディスク容量の枯渇を防ぐため、CLI は 2 GiB を超える単一のダウンロードを中止します。