Kling AI、初のネイティブ音声生成対応モデル「VIDEO 2.6」を公開

AIが生成した動画を見るとき、映像がリアルに動いているのに周囲が無音であることに違和感を覚えるクリエイターは少なくありません。Kling AIはそのギャップを埋めるモデルを投入しました。

Kling AIは、同社初となるネイティブオーディオ生成対応モデル「VIDEO 2.6」を公開しました。「音を見て、映像を聴く」という体験を掲げ、映像と音声の一貫した同時出力を実現するとしています。発表にあわせて、クリエイティブパートナーと共同制作した短編映像「I Have a Secret」も披露されました。

映像とサウンドをワンストップで生成

これまでの動画生成ツールの多くは映像のみを出力するため、効果音やBGMは別のツールで作成し、手作業でタイミングを合わせる必要がありました。

VIDEO 2.6ではオーディオ生成が最初から統合されており、一連のプロンプトから音付きの映像体験を直接生み出すことを目指しています。発表と同時に、SNS上でのポイント配布キャンペーンなども展開されています。

なぜ重要か

動画クリエイターにとっては、生成後の音付けやタイミング調整にかかる手間を大幅に削減できる可能性があります。特にSNS向けのショート動画やアイデアのプロトタイプ制作において、制作フローが一段と身軽になります。

動画生成AIの競争は、画質の精密さだけでなく、音声を含めたマルチメディアパッケージとしての完成度を競う段階に入ったと見られます。Kling AIがネイティブ対応に踏み切ったのは実用面で理にかなった一手です。ただし、厳選された公式短編だけでなく、一般ユーザーの多様な指示に対してどこまで自然な環境音や同期を保てるかは、今後の実環境での評価が待たれます。