Kling 2.6 は他の可灵モデルと何が違いますか？

可灵で初めてネイティブ音声生成を備えたモデルでした。テキストから動画と画像から動画は常に固定 1080p、5 秒か 10 秒のクリップでレンダリングされ、Motion Control は無音で 720p か 1080p、駆動クリップの長さに一致します。

Kling 2.6 で 720p を選べますか？

Motion Control（character-animation）でのみ選べます。テキストから動画と画像から動画には resolution のフィールドがなく、常に 1080p でレンダリングされます。

音声を必ずオンにする必要がありますか？

いいえ。generate_audio はテキストから動画と画像から動画で既定はオフです。オンにするとレンダリングに音声が加わり、秒あたりの費用が上がります。Motion Control には音声のフィールド自体がなく、そのクリップは無音でレンダリングされます。

Kling 2.6 のクリップはどのくらいの長さにできますか？

テキストから動画と画像から動画では 5 秒か 10 秒です。Motion Control では、クリップは駆動動画（3〜30 秒）とまったく同じ長さになります。

Kling 2.6 では NSFW コンテンツを許可していますか？

いいえ。可灵自身のモデレーションは厳格です。軽めの段階の表現は一貫せずレンダリングされ、中程度以上は拒否され、NSFW の入力画像は生成が始まる前にブロックされます。さらに踏み込むシーンには、Wan 2.2 Spicy や MiniMax H3 Spicy といった当社の Spicy ファミリーをお使いください。

リクエストが拒否または失敗した場合も課金されますか？

いいえ。リクエストが拒否されたり生成に失敗した場合、そのために確保されていた金額は残高に戻ります。

テキスト、画像、Motion Control のどのモードを使えばいいですか？

参照するものがないシーンにはテキストから動画を使ってください。キャラクター、衣装、場所がすでに静止画で決まっているなら画像から動画を使ってください。動き、表情、ジェスチャーを別のキャラクターにコピーしたい駆動クリップがあるなら Motion Control（character-animation）を使ってください。

Kling 2.6 API — ネイティブ音声付き 1080p AI 動画

kling/2.6/text-to-video

Kling 2.6 text-to-video は、書いたシーンを 16:9・9:16・1:1 の固定 1080p・5 秒か 10 秒のクリップにします。音声をオンにすると映像に生成サウンドトラックが付き、オフなら無音です。

最低価格 $0.069/秒

モデルを実行 API を見る

入力

テキストから動画

プロンプト804/2500

ネガティブプロンプト0/2500

アスペクト比

音声を生成料金に影響

長さ料金に影響

510

プロンプト忠実度

セーフティチェックオフ

SpicyAPI はこのモデルにセーフティチェックをかけません。プロンプトと素材はそのままモデルに渡り、出力はモデル自身が決めます。

送信と料金見積もりを有効にする前にアカウントを確認しています。

出力

実行待ち

サンプル出力

延長

動画アップスケール

動画編集

{
  "model": "kling/2.6/text-to-video",
  "input": {
    "aspect_ratio": "16:9",
    "generate_audio": false,
    "duration_seconds": 5,
    "guidance_scale": 0.5,
    "prompt": "Monsoon rain pours into the courtyard of a grand Indian palace at dusk: carved sandstone arches, a marble floor shining with water, brass lamps flickering in the alcoves, and clouds of orange and yellow marigold petals swirling through the rain. A circle of drummers in white kurtas beats large dhol drums around the edge of the courtyard. In the centre a woman in her early thirties dances in the rain, wearing an emerald-green silk saree draped over one shoulder with a matching cropped blouse that shows her waistline, gold bangles and earrings, her long dark hair swinging. She spins with her arms raised through the falling petals, then turns to the camera and smiles as one hand slides slowly along her waist. Slow orbiting camera at a low angle, warm lamplight against blue storm light, cinematic."
  }
}

はじめに

Kling 2.6 のテキストから動画は、書いたシーンを固定 1080p の 5 秒か 10 秒のクリップに変えます。設定できる resolution のフィールドはなく、出力は常に 1080p です。generate_audio は任意です。無音のレンダリングにしたければオフのままにし、映像と一緒にセリフ、音楽、環境音を生成したければオンにしてください。

開始素材で Kling 2.6 のモードを選ぶ

手元にあるもの	モード
書いたシーン	Kling 2.6 テキストから動画
承認済みの開始画像	Kling 2.6 画像から動画
駆動クリップとキャラクター写真	Kling 2.6 Motion Control

主な機能とハイライト

音声は任意で、映像と一緒にレンダリングされる

generate_audio をオンにすると、引用符で書いたセリフと名指しした環境音が、映像と同じファイルの中で返ってきます。当社のダイナーのテストでは、重なり合う笑い声、ジュークボックスのドゥーワップ、カトラリーの音がすべてシーンに同期して届きましたが、グループの手ぶりはプロンプトで求めたよりもやや控えめに仕上がりました。

固定 1080p、選べる階層はない

このエンドポイントに resolution のフィールドはなく、すべてのクリップが 1080p でレンダリングされます。長さも 5 秒か 10 秒に固定されており、その中間の値のフィールドはありません。

リクエストパラメーター

Kling 2.6 · Text to Video のリクエストパラメーター
パラメーター	必須	説明
`prompt`	はい	ショットとして書いてください：誰がフレームにいるか、動作、カメラの動き、そして音声をオンにする場合は引用符付きのセリフと欲しい環境音です。 1 文字以上 · 2500 文字以内
`negative_prompt`	いいえ	出てはいけないもの。2 人目の人物、字幕、モデルが何度も持ち込む小物などです。 2500 文字以内
`aspect_ratio`	いいえ	16:9、9:16、1:1。プロンプトを書く前に選び、そのフレームに合わせて被写体を配置してください。 `16:9` · `9:16` · `1:1` · デフォルト値: `16:9`
`generate_audio`	いいえ	既定でオフです。オンにすると、映像と一緒にセリフ、音楽、環境音が生成されます。デフォルト値: `false`
`duration_seconds`	いいえ	5 か 10 秒――それ以外の値は受け付けられません。価格を左右します。 `5` · `10` · デフォルト値: `5`
`guidance_scale`	いいえ	クリップがどれだけ厳密にプロンプトに従うかを 0 から 1 まで 0.01 刻みで指定します。既定は 0.5 です。 `≥ 0` · `≤ 1` · デフォルト値: `0.5`

料金

出力秒数ごとに課金されます。音声をオンにすると秒あたりの費用が上がります。

料金
仕様	料金
`false`	$0.069 / 秒
`true`	$0.138 / 秒

ユースケース

セリフ主導のグループシーン

1 つの部屋で数人が話し反応するシーンはここでよく機能し、部屋のトーンとセリフが映像と同じ工程でレンダリングされます。

Motion Control の駆動クリップとして再利用するきれいなテイク

1 人の演者が全身をフレームに収め、無地の背景と固定されたカメラで撮ると、別のキャラクターの駆動クリップとして Motion Control（character-animation）にそのまま渡せるテイクになります。

主なユースケースのチュートリアルを見る

プロンプトガイドと実践のヒント

シーンを書く前に音声の有無を決める

generate_audio をオフのままにするなら、映像だけを描写してください。オンにするなら、引用符で書いたセリフと欲しい環境音をプロンプトの最後に添えてください。当社のテストでは、それらが表面的な層としてではなく、目に見える動作に結びついてレンダリングされることがわかっています。

駆動クリップには全身以外を求めない

無地の背景、固定されたカメラ、そして終始全身をフレームに収めるよう指示することが、Motion Control にとってもっともきれいな素材を生みます。studio-dancer-take の例はまさにこの方法で作られ、他の Kling ファミリーの駆動クリップとして 2 回再利用しました。

尺は書き始める前に 5 秒か 10 秒かを決める

長さは 2 つの値のどちらかしか取れないため、シーンを書く前に長さを決めてください。一言のセリフと短いリアクションなら 5 秒に無理なく収まります。複数の展開がある掛け合いや、間を置いてから決まるセリフなら、慌ただしく見えないよう 10 秒をフルに使ってください。

API クイックスタート

# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
  -H "Authorization: Bearer $SPICY_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
  -d '{
  "model": "kling/2.6/text-to-video",
  "input": {
    "prompt": "A slow aerial shot drifting over a misty pine forest at sunrise",
    "aspect_ratio": "16:9",
    "generate_audio": false,
    "duration_seconds": 5
  }
}'

# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
  -H "Authorization: Bearer $SPICY_API_KEY"

認証、完全なスキーマ、ポーリング、エラー処理は API リファレンスを参照してください。

お探しのモデルが見つかりませんか？

必要なモデルと用途をお知らせください。次に何を追加するかを決めるチームに直接届きます。

可灵初のネイティブ音声モデル

Kling 2.6 API のポイント

固定 1080p、5 秒か 10 秒、必要なときは音声も組み込み済み。

ネイティブ音声の可灵モデル: 1番目; 可灵で初めて、映像と同じ工程で音声を生成するモデルです。
固定解像度: 1080P; テキストから動画と画像から動画は常に 1080p でレンダリングされ、選べる階層はありません。
クリップの長さ: 5/10秒; テキストと画像のエンドポイントでは 5 秒か 10 秒に固定です。
Motion Control 入力: 30秒; 最長 30 秒のクリップでキャラクターを駆動でき、結果はその長さに一致します。
開始方法: 3; 書いたシーン、手持ちの開始フレーム、または駆動用の動画。
既定では音声なし: オフ; generate_audio は既定でオフです。クリップにサウンドトラックが必要なときにオンにしてください。

作例

Kling 2.6 で作れるもの

映像と同じ工程で音声を
サウンドトラックは映像と一緒にレンダリングされる
generate_audio をオンにすると、セリフ、音楽、部屋のトーンが後から吹き替えられるのではなく、動画と同じファイルの中で返ってきます。当社のダイナーのテストでは、重なり合う笑い声、ジュークボックス、カトラリーの音がすべて書いたシーンどおりに同期して届きました。
テキストから動画、音声付き 1080p：重なり合う笑い声、ジュークボックス、カトラリーの音がすべてシーンと同じファイルの中でレンダリングされます。
Motion Control
新しいキャラクターに演技をコピーする
駆動クリップとキャラクターの写真を渡すと、その人物の顔、衣装、静止画の舞台を保ったまま、新しい人物に動きをマッピングします。当社のテストでは、あるダンサーのヒップホップのルーティンを、ネイビーの三つ揃えスーツを着た別の男性へステップごとに移しました。
Motion Control：別のダンサーによる同じルーティンをこのキャラクターにマッピング。スーツ、顔、ロフトの舞台は本人の静止画から保たれています。
固定 1080p
調整すべき設定が 1 つ減る
テキストから動画と画像から動画は解像度の選択をまったく省き、常に 1080p でレンダリングされるため、繰り返したくないレンダリングの前に低い設定を選んでしまう心配がありません。

Kling 2.6 で作ったその他のクリップ

5 秒
5 秒
画像から動画、音声付き 1080p：砂漠の風、コオロギ、通り過ぎるトラックの音がセリフに同期して届きます。
5 秒
テキストから動画、1080p、縦型：Motion Control の駆動クリップとして再利用できるほどきれいな固定ショット。
5 秒

コンテンツテスト

Kling 2.6 は規制なし？実際に試した結果

本番と同じ構成で各レベルを実行し、すべてのクリップをコマ送りで確認しました。「生成」はリクエストが通っただけでなく、その内容が実際に映っていたことを意味します。

Kling 2.6 でテストしたコンテンツレベル（モード別）
レベル	キャラクターアニメーション	画像から動画	テキストから動画
軽めテストの中で最も軽いプロンプト	未テスト	未テスト	未テスト
中程度フィルターのあるモデルが断り始める地点	未テスト	拒否2026年9月28日にテスト	拒否2026年9月28日にテスト
強め尺度の中ほど	拒否2026年9月28日にテスト	未テスト	未テスト
かなり強め多くのモデルが手加減し始める地点	未テスト	未テスト	未テスト
最大尺度の最上段	未テスト	未テスト	未テスト

生成：書いたとおりに映ります。置き換え：生成はされますが、書いた内容より控えめになります。拒否：リクエストが拒否されます。未テスト：そのモードでそのレベルはまだ試していません。

モードごとの挙動

テキストから動画: 出力は 1080p、5 秒か 10 秒に固定されており、変更できる resolution のフィールドはありません。generate_audio は既定でオフです。スコア付きのクリップにしたいときはオンにしてください。
画像から動画: 開始フレームが人物、衣装、舞台を固定します。aspect_ratio のフィールドもないため、クリップの形は入力画像に従います。JPEG か PNG のみです。
キャラクターアニメーション: 結果は駆動動画（3〜30 秒）とまったく同じ長さで再生され、音声のフィールドもありません。Motion Control のクリップは無音でレンダリングされます。キャラクター画像は 1 枚の鮮明な全身か半身の写真（JPEG か PNG のみ）にし、駆動クリップのフレームは幅約 700 ピクセル以上にしてください。
すべてのモード: 可灵は独自のコンテンツモデレーションを行い、その基準は厳格です。軽めの段階の表現はレンダリングされることもされないこともあり、中程度以上は一律に拒否されます。これらの段階の入力画像は、生成が始まる前にブロックされます。シーンがさらに踏み込む必要があるなら、Wan 2.2 Spicy や MiniMax H3 Spicy といった当社の Spicy ファミリーをお使いください。
すべてのモード: 拒否された、または失敗したリクエストには課金されません。残高にかかっていた保留分は解放されます。

活用例

Kling 2.6 API で作れるもの

セリフ主導のショート動画
重なり合う会話と笑いのあるグループシーンを、その部屋らしい環境音とざわめきとともに、1 回のレンダリングでスコアします。
演技を別のキャラクターに移す
1 本の駆動クリップ――ダンス、ジェスチャー、歩行――を Motion Control で複数のキャラクター静止画に再利用し、それぞれをゼロから撮影・アニメーション化する手間を省きます。
SNS 向けの縦型ムーブメントクリップ
全身がフレームに収まった 1 人のダンサーやパフォーマーは、セットを組まずに動きだけを見せたいフィードに向いた 9:16 のクリップとしてよく機能します。
セリフを添えたゴールデンアワーのポートレート
開始フレームに短いセリフとカメラのプッシュを加えれば、無音のループではなく、完成してスコア付けされた 1 場面が得られます。

プロンプト

コピーして使える Kling 2.6 のプロンプト例

まずはそのまま Playground に貼り付け、そのあと一度にひとつずつ変えてみてください。

テキストから動画
その部屋の音とともにスコアするグループシーン
このプロンプトの結果
A 1950s-style American diner at 2 a.m., a neon sign buzzing in the window. Four friends in their thirties, two women and two men, squeeze into a red vinyl booth over milkshakes and fries. The man at the end tells a story with big hand gestures and the others burst out laughing; a woman in a denim jacket says, "You made that up!" Static medium shot from the end of the table. Sound: overlapping laughter, a jukebox playing doo-wop, clinking cutlery, the neon hum.
うまくいく理由. 4 人の人物、舞台、1 つの明確な展開（話、笑い、1 つのセリフ）を名指しし、音の合図で締めくくっているため、雰囲気を推測させるのではなく、思い描いてスコアすべき 1 つのシーンをレンダリングに与えています。
このプロンプトを試す
テキストから動画
駆動クリップのために組み立てた固定ショット
このプロンプトの結果
A male dancer in his late twenties in a plain black T-shirt, black joggers and white sneakers performs a smooth hip-hop routine in an empty white photo studio: body rolls, a quick spin, arm waves and a sharp freeze to finish. Locked-off camera, his full body in frame from head to feet the whole time, even soft lighting, plain background.
うまくいく理由. 無地の背景、固定されたカメラ、「終始全身をフレームに収める」という指示が、単なる独立したダンス動画ではなく、Motion Control の駆動クリップとして再利用できるきれいなテイクを生みます。
このプロンプトを試す
画像から動画
舞台はフレームに任せ、セリフはプロンプトで設定する
このプロンプトの結果
She lowers the bottle, swings her boots against the tailgate, then turns her head into the low sun with a half smile and says, "Five more minutes, then we go." Dust drifts through the golden backlight while the camera slowly pushes in. Sound: desert wind, crickets starting up, a truck passing on a distant highway.
うまくいく理由. フレームの後に起きること――ジェスチャー、振り向き、セリフ――だけを描写し、衣装と光は画像に任せています。これはまさに画像から動画が作られた目的です。
このモードはご自身の画像から始まります。実行前に Playground で画像を追加してください。
このプロンプトを試す
キャラクターアニメーション
舞台は保ち、演者だけを入れ替える
このプロンプトの結果
He dances in the same bright concrete loft, daylight from the tall windows.
うまくいく理由. Motion Control が必要とするのは、駆動クリップがすでに示していない情報だけです――ここでは、キャラクターが駆動クリップの背景ではなく自分の静止画の舞台を保つという点です。
このプロンプトを試す
キャラクターアニメーション
繰り返すべきものではなく、変わるべきものを書く
She performs the routine in the same warm-grey photo studio from her own picture, keeping her hair and dress exactly as shown.
こう書く代わりに “make her dance like the video”
うまくいく理由. 保つべき 1 つのもの（スタジオ、ドレス）を名指しすることで、駆動クリップと静止画のどちらの要素を優先すべきかを推測させるのではなく、Motion Control に明確な指示を与えます。
このプロンプトを試す

比較

Kling 2.6 と近いモデルの比較：どれを選ぶか

モデル	モード	最低価格	コンテンツ	こんなときに
Kling 2.6このページ	キャラクターアニメーション · 画像から動画 · テキストから動画	$0.069 / 出力秒	フィルターあり — このモデルは、モデル自身の許容範囲を超える指示を明確に拒否します。実測済みの結果です。未計測のモデルには表示が付きません。	音声をオフにしたときに Kling 3.0 の 1080p より秒あたり安く、固定 1080p 出力の 5 秒か 10 秒のクリップでネイティブ音声が欲しい場合。
Kling 3.0 Turbo	画像から動画 · テキストから動画	$0.112 / 出力秒	フィルターあり — このモデルは、モデル自身の許容範囲を超える指示を明確に拒否します。実測済みの結果です。未計測のモデルには表示が付きません。	720p か 1080p を選べて 3〜15 秒のクリップが欲しく、常に音声が付いていてもかまわない場合。
Kling 3.0	キャラクターアニメーション · 画像から動画 · テキストから動画	$0.067 / 出力秒	フィルターあり — このモデルは、モデル自身の許容範囲を超える指示を明確に拒否します。実測済みの結果です。未計測のモデルには表示が付きません。	最初と最後のフレームを制御でき、最大 4K、あるいは旗艦モデルの品質での Motion Control が欲しい場合。
Kling 2.5 Turbo	画像から動画 · テキストから動画	$0.056 / 出力秒	フィルターあり — このモデルは、モデル自身の許容範囲を超える指示を明確に拒否します。実測済みの結果です。未計測のモデルには表示が付きません。	もっとも安い固定 1080p の選択肢が欲しく、negative prompt とガイダンス制御を使いたく、オフにできないサウンドトラックでもかまわない場合。
MiniMax H3 Spicy	画像から動画 · 動画延長	$0.038 / 出力秒	規制なし — このモデルはコンテンツフィルターを持たないと表明しています。SpicyAPI 側で内容スキャンを追加することはなく、リクエストはそのまま転送します。法令の順守と同意の確認は、お客様の責任です。	シーンが「軽め」の強度レベルを超える場合――可灵自身のフィルターはそこで止まります。

料金

Kling 2.6 API の料金

5 秒のクリップは 720p で $0.345 から、1080p で $0.56 からです。

プレイグラウンドで、実行前に設定に合った正確な料金を確認できます。失敗またはタイムアウトしたタスクは、通常課金されません。一部のモデルでは、モデルページに明記されたとおりコンテンツ拒否も課金対象です。送信前に課金条件を確認してください。

すべての料金区分を見る

はじめ方

3 ステップで Kling 2.6 API を使う

ステップ 1
Playground で試す
テキストから動画、画像から動画、Motion Control のいずれかを選び、このページのプロンプトを 1 つ貼り付けて実行してください。課金される前に正確な料金が表示されます。
ステップ 2
API キーを取得する
登録してカードまたは暗号資産でチャージし、コンソールでキーを作成します。サブスクリプションはなく、生成した動画の秒数分だけお支払いいただきます。
ステップ 3
同じリクエストをコードから送る
API タブからリクエストをコピーします。Playground が今実行したものと同じ本文です。完成したクリップは Webhook に届くか、タスク ID で取得できます。

Playground を開く API キーを取得

パラメーターの詳細とコード例は、このページ上部の API タブと Readme タブにあります。

SpicyAPI を選ぶ理由

Kling 2.6 を SpicyAPI で使う理由

当社独自のフィルターなし
当社はコンテンツフィルターを追加しません。モデルが生成したものがそのまま届きます。
推測ではなく実測
コンテンツのレベルは、当社が実際に生成して確認した結果にもとづき、テスト日もページに記載しています。
成果ごとに米ドルで支払い
定額プランもクレジットもありません。失敗やタイムアウトのタスクは通常、課金されません。ただし、モデルページに明記された一部のモデルではコンテンツ拒否も課金対象です。送信前にその課金条件をご確認ください。
すべてのモデルにひとつのキー
1 つの API Key と残高で、画像、動画、音声、チャットのモデルを利用できます。同じアカウントで、さまざまなモデルを試せます。

FAQ

Kling 2.6 API のよくある質問

Kling 2.6 について

Kling 2.6 は可灵が初めてネイティブ音声のために作ったモデルで、SpicyAPI ではテキストから動画、画像から動画、Motion Control（character-animation）として提供しています。テキストから動画と画像から動画は固定 1080p、5 秒か 10 秒のクリップを音声任意でレンダリングし、Motion Control は駆動クリップの動きを 720p か 1080p であなた自身のキャラクターにコピーし、無音で駆動クリップの長さ（3〜30 秒）に一致します。2026-09-28 のテストでは、生成したすべてのクリップが書いたとおりに返り、セリフはプロンプトと一語一句一致していました。Kling は独自のコンテンツモデレーションを適用し、中程度以上は一律に拒否します。SpicyAPI はその上に独自のフィルターを追加しません。課金は米ドルで出力秒数ごと、サブスクリプションはありません。アップロードするものの権利と同意、そして生成したものの使い方については、お客様の責任となります。