動画生成AI「KLING」、キャラの一貫性を保つカスタムモデル機能をテスト

AIで動画を作ろうとしたことがある人なら誰でも、最大の壁にぶつかった経験があるはずです。カットが変わるたびに、主人公の顔が別人に変わってしまう問題です。

中国の快手（Kuaishou）が開発するAI動画生成ツール「KLING」が、キャラクターの一貫性を保つための新機能「カスタムモデル（Custom Models）」のテストを開始しました。

静止画ではなく動画素材で学習させる

従来の画像生成や動画生成では、静止画をベースにLoRAなどで微調整するのが一般的でした。しかしKLINGの新機能は、学習素材として動画そのものを使用します。

X（旧Twitter）上の初期テスターの投稿によると、ユーザーは1本あたり10秒以上の動画を10本から30本アップロードしてキャラクターを学習させます。素材は実写映像である必要はなく、KLING自身が生成したAI動画を使うことも可能です。

学習が完了した後は、プロンプト内でそのキャラクターモデルをタグ付けし、演じさせたいシーンを指定するだけです。クリエイターのHalim Alrasihi氏が公開した作例では、360度のカメラ回転や急なアングル変化があっても、キャラクターの顔立ちや特徴が崩れずに維持されていました。

KLINGは7月にグローバル版の提供を開始しており、現行のバージョン1.5では1080pの高解像度出力に対応しています。画面比率も16:9、9:16、4:3、1:1など幅広くサポートしており、画面内の特定パーツの動きを指定できる「モーションブラシ」機能も備えています。メール登録で毎日66クレジットが無料で付与されます。

なぜ重要か

AI動画が単なる短いデモ映像の域を脱し、映画や短編アニメのようなストーリー制作に移行するための最大のボトルネックは、キャラクターの一貫性でした。静止画ではなく動画で学習させるというアプローチは、顔の陰影の変化や角度ごとの歪みを自然に学習できるため、理にかなった手法と言えます。

個人クリエイターや広告制作者にとって、同じ人物を使って複数カットを破綻なく繋げられるようになれば、実制作のワークフローは一気に実用段階へ近づきます。

一方で課題は準備の手間です。10秒以上の動画を最低10本用意しなければならないハードルは決して低くありません。また、モデルのトレーニングにかかる計算リソースやクレジット消費量が今後どの程度になるかも、普及のスピードを左右しそうです。