Kling AI、テキスト・画像・動画を統合処理する新エンジン「Kling O1」を発表

動画生成AIの競争軸が、単純な画質競争から入力の統合へとシフトしつつあります。

Kling AIは「Kling Omni Launch Week」の初日として、新しいマルチモーダル制作エンジン「Kling O1」を発表しました。

テキスト、画像、動画の入力をひとつに統合

Kling O1が掲げるスローガンは、あらゆるものを入力し、すべてを理解し、どんなビジョンでも生成するというものです。

これまでの動画生成ツールのように機能ごとにワークフローを分けるのではなく、テキスト、静止画、動画といった異なる入力をネイティブに統合処理します。これにより、より直感的で高速な映像制作が可能になるとアピールしています。

現在、有料プランの登録者向けに期間限定の提供が始まっています。

なぜ重要か

映像クリエイターにとって、テキストプロンプトと参照画像、動きの指示を同時に破綻なく伝えることは長年の課題でした。複数の素材を一括で理解してくれるなら、制作の手戻りは大幅に減るはずです。

業界全体でも、単なる動画生成からマルチモーダルな総合エンジンへの進化が急速に進んでいます。KlingがOmni展開の皮切りとしてO1を打ち出した動きは的確に見えますが、複雑なプロンプトへの追従性や生成の安定性がどこまで実用に耐えるかは、ユーザーによる本格的な検証を待つ必要があります。