Kling 2.5 Turbo レビュー：音声を焼き込んだ 1080p クリップ

画像から動画では、回転する動きの途中の黒いドレスの女性の開始フレームに、砕け散るガラスの嵐とゆっくりしたカメラのオービットを求めるプロンプトを組み合わせたところ、回転、宙に浮くガラスと雨粒、そしてオービットのすべてが返ってきました——静止画が与えたのはポーズと衣装だけで、残りはすべてテキストから来ています。ブレイクダンサーの開始フレームに、ウィンドミルスピンからワンハンドフリーズへ移るプロンプトを、ピンクからシアンへ切り替わるネオンのストロボのもとで組み合わせると、低い位置を回るカメラがその動き全体を追跡し、元の写真にはなかったストロボと動きの両方をそのまま持ち込みました。

テキストから動画では、何もないところから書いた、夜明けのビーチの波打ち際を 2 人が馬で並走するプロンプトが、両方の騎手のペースに合わせた低いトラッキングショットを生み出し、蹄の音としぶきが音声トラックに自動で届きました。2 人目の男性が急な石畳の坂道を自転車で競争するリスボンのプロンプトは、彼らを「カップル」と描写して書いたものの、画面上では 2 人組のカップルというより 2 人の友人が競争しているように見えました——レンダリングの中のトラッキングショットと身振りが、プロンプトのラベルより強く読み取られた結果です。

Kling 2.5 Turbo は、音を直接描写するのではなく、1 つの連続したカメラの動きを名指しして音声トラックを画面上の出来事に追従させるプロンプトによく応えます。

1. 開始フレームからの、カメラオービットを伴う回転。

She spins through the storm of shattering glass, the black dress flaring out in a wide circle, shards and raindrops hanging in slow motion around her, then she stops and lifts her chin toward the light. The camera orbits slowly around her.

このプロンプトを Kling 2.5 Turbo で実行 →

2. 音を暗示する、書かれた場面。独立した音声の指示なし。

Sunrise on a wide empty beach. A man and a woman in their thirties gallop two horses side by side through the shallow surf, spray exploding under the hooves, her hair and his open linen shirt streaming in the wind; they glance at each other.

このプロンプトを Kling 2.5 Turbo で実行 →

弱い例： 「音楽の入ったクールな動画を作って」。カメラの動きや物理的な原因が何も名指しされていないと、モデルが動きや音を結びつける根拠がありません。強い例： プロンプト 1 ——1 つのカメラの挙動(オービット)、1 つの物理的な出来事(ガラスと雨粒)、そして明確な最後の拍(顎を上げる仕草)。

Kling はすべてのリクエストを自ら 3 つの層で審査します。プロンプトのテキスト、アップロードされた画像、そして完成したクリップです。段位ごとに見ると、L1 ほのめかしはテキストから動画の 2 回の実行でどちらもレンダリングされましたが、画像から動画の境界線はそれより低い位置にあります——試した開始フレーム 2 枚、シースルーのスリップナイトドレスと黒いシアーレースのランジェリーは、どちらもクリップがレンダリングされたあとで拒否されました。L2 部分露出は両タスクで、毎回拒否されました。画像から動画ではアップロードの段階で、テキストから動画ではレンダリングが最後まで終わってから(約 2 分後と約 5 分後)の拒否です。L3 強めは画像から動画でしか試しておらず、開始フレームは約 10 秒で拒否されました。L4 高強度と L5 極限の拘束・衝撃プローブはこのファミリーでは実行しておらず、画像から動画で 1 回だけ送った L5 極限のゴアプローブはレンダリングされました。このファミリーにはどこにも静かな弱め方はありません。クリップは書いたとおりに返ってくるか、リクエストがそのまま失敗するかのどちらかで、どちらの場合も課金はされません。ページの表示は フィルターあり です。これは当社が加えたフィルターではなく Kling 自身の審査です。

まだ試していないこと： テキストから動画での L3 強め。両タスクでの L4 高強度と L5 極限の拘束・衝撃プローブ。テキストから動画でのゴアプローブ。L1 ほのめかしを超える女性 2 人や男性 2 人の場面。

ランジェリーより先の内容には、当社の Spicy ファミリーの 1 つ——Wan 2.2 Spicy や MiniMax H3 など——のほうが良いルートです。すべてのプロンプトと開始画像で成人のみとしてください。実在し特定できる人物には本人の同意が必要で、アニメーション化する写真の権利をお持ちである必要があります。

2025年9月の発売前後に物理演算とモーションの質について、あるコメント投稿者は競合する動画モデルについてのスレッドで "Kling 2.5 is already pretty good at physics" と Hacker News に書きました。これは、当社自身のテストにある砕け散るガラスやウィンドミルスピンのクリップとも一致する見方で、プロンプトが描写した物理的な動きが、ほとんどずれることなく再現されました。

• 同じラインで、より安く解像度も選べる？ Kling 2.1 は 720p で 1 秒 $0.035 から、無音で、強制のサウンドトラックはありません。当社の Kling 2.1 レビュー。
• 頼んだときだけ音声が欲しい？ Kling 2.6 は 1 秒 $0.069 から、generate_audio は既定でオフです。当社の Kling 2.6 レビュー。
• マルチショットのシーケンスと、より長い単一クリップが欲しい？ Kling 3.0 は 1 回のレンダリングで複数カットを含めながら最大 15 秒まで実行できます。当社の Kling 3.0 レビュー。
• 動画で、ランジェリーより先のコンテンツが必要？ MiniMax H3 は 1 秒 $0.037 から、はるかに長いコンテンツ段階を持ちます。