Kling Image 4.0、同社初のネイティブ8K出力に対応

Kling Image 4.0、同社初のネイティブ8K出力に対応

快手(Kuaishou)傘下のKling AIは11月17日深夜、次世代の画像モデル「Kling Image 4.0」を公開し、あわせて企業や開発者向けにAPIも開放した。Klingの画像モデルがネイティブ8K出力に対応するのは今回が初めてだ。10月15日に発表された「Kling 4.0」は動画モデルで、今回の画像モデルとは別の製品ラインにあたる。

スペックの焦点は文字と組画像

報道によると、Image 4.0は「理解と生成の統合」アーキテクチャを採用し、視覚の理解と画像の生成を1つのモデルにまとめた。テキスト入力の上限は15000トークンに引き上げられ、1枚の画像に約2000字を組み込める。商用フォントを70種類以上プリセットで内蔵するほか、参考画像をアップロードして字形やレイアウトを模倣させることもできる。

組画像では、1回の指示で最大10枚を生成でき、同じセット内では共通のクリエイティブ要件が保たれる。レビュー記事の中には、組画像に最大10点の画像または被写体の参照を付けられるとするものもある。さらに110種類以上のトーンのプリセットがあり、参考画像から色彩や光の使い方を抽出することも可能だ。

解像度の段階は次のとおり。

出力タイプ選択可能な解像度既定
標準画像2K / 4K / ネイティブ8K2K
組画像2K / 4K / ネイティブ8K2K
ロング画像1K / 2K記載なし

これらを合わせると、狙いはECの商品詳細ページ、ポスター、一式の販促物といった商用の仕事だとわかる。画像モデルがこれまで最もつまずきやすかったのは中国語の文字で、画数のずれ、存在しない文字の生成、長文レイアウトの崩れなどが典型だった。1枚に2000字、商用利用できるフォントが70種類超という仕様は、この弱点への正面からの回答といえる。8Kの価値は主に後工程にあり、生成した1枚から複数の部分を切り出して個別に使える。

価格は依然として不透明

Klingは今回、Image 4.0の解像度別の固定消費表を公表していない。現行の課金ルールでは、入力する参考画像と出力画像の両方が課金対象で、出力側の費用は解像度が上がるほど高くなる。実際の消費量は、生成画面にそのとき表示される数値が基準となる。Klingのクレジット(霊感値)は1元あたり10ポイントで、Web版のゴールド会員は月額自動更新で58元、毎月660ポイントが付与される。

そのため、8K画像1枚にいくらかかるかは、現時点では実際に1枚生成して消費量を見るしかない。APIを従量課金で使う企業顧客にとっては、スペック表よりもこの数字のほうが導入判断を左右する。公開当夜の時点で、KlingはAPIの1枚あたりの価格を公式には公開していない。

同種のモデルと比べると

確認できる第三者の指標は、Artificial Analysisの匿名ブラインドテスト「アリーナ」のものだ。あるレビュー記事の伝えるところでは、Kling Image 4.0はテキストから画像への生成と画像編集の両ランキングで世界6位、中国勢では1位となった。テキストから画像のランキングは、上位5位までをOpenAIのGPT Imageシリーズが占める。Klingの画像チームは別途、新モデルは両ランキングで前世代の3.0 Omniから200ポイント以上上昇したと説明している。アリーナの順位は投票数に応じて変動するため、最新の数字はランキングの表示を確認してほしい。

横並びで見ると、ここ2年の中国の画像モデルの競争軸は、中国語の文字表現と商用ライセンスに置かれてきた。Klingが「商用フォント」をセールスポイントに掲げたのは、フォントの著作権をめぐるデザイナーやEC事業者の懸念を狙ったものだ。EC業界では、フォントの権利侵害は以前からよくある紛争の原因になっている。英語圏のランキングで首位を占めるGPT Imageシリーズは、中国語の長文レイアウトが弱点とされており、国産モデルが最も差をつけやすい領域でもある。

動画の側では、10月に発表されたKling 4.0が1本で30秒の生成に対応した。画像側が8Kに対応したことで、2つの製品ラインはそろって「生成したものをそのまま納品できる」仕様に近づいている。デザインプラットフォームのLovartは、公開当日に新モデルを組み込んだ。

参考資料: ITホーム(IT之家)、什么値得買(Smzdm)、CocoLoop、新浪財経。解像度の段階とクレジット価格はメディアの実測値に基づいて照合し、ランキングはArtificial Analysisの画像アリーナを伝える報道に拠る。