Kuaishou● 利用可能

Kling O3 API

Kling O3 视频生成与编辑模型，支持 3～15 秒文生、图生、参考生成和视频编辑；文生与图生支持 720p、1080p、4K 及可选音效，参考与编辑按当前计费规范支持 720p、1080p 且关闭音效。

テキストから動画画像から動画参照素材から動画動画編集 720p1080p4k 3–15s

Kling O3 とは

Kling O3 は快手 Kling 3.0 系列の動画生成モデルで、上流資料では Kling Video 3.0 Omni と称され、2026 年 2 月 4〜5 日に Kling 3.0 シリーズと共に公開されました。上流の主張には、ネイティブ 4K（60fps、2026 年 4 月 29 日発表）、1 回最大 6 カット/15 秒のマルチショット絵コンテ、最大 7 枚の参照画像または参照動画によるキャラクターの外見・声の一貫性、自然言語による動画編集、視覚的思考チェーン（vCoT）、英/中/日/韓/西の 5 言語ネイティブ音声が含まれます。いずれも上流の主張であり、実際の結果はタスク出力によります。

Roko は /v1/videos/tasks の非同期タスク API 経由で kling-o3 を提供し、4 ルートを用意しています：text-to-video（テキスト生成）、image-to-video（画像生成）、reference-to-video（参照生成）、video-edit（動画編集）。いずれも出力秒数課金です。テキスト・画像生成ルートはオーディオ切替（デフォルトオフ）に対応し、参照生成・動画編集ルートは 720p/1080p 限定でオーディオは強制オフです。画像生成は 1〜2 枚の入力画像、参照・編集ルートは 0〜7 枚の画像と 1 本の動画を受け付けます。

価格は Roko の公開カタログ基準です：テキスト/画像生成（オーディオオフ）は 720p $0.088、1080p $0.1166、4K $0.4378 毎秒。音声生成は 720p $0.1166、1080p $0.1463（4K は $0.4378 のまま）。参照生成・動画編集は 720p $0.132、1080p $0.1761 毎秒。長さは 3〜15 秒（デフォルト 5）、解像度のデフォルトは 720p、アスペクト比は 16:9、9:16、1:1（デフォルト 16:9）。送信時に費用を見積もり、完了時に実際の使用量で精算します。

モデル料金

現在の本番料金設定と、各生成ルートで実際に対応する課金単位を表示します。

生成ルート	料金	課金ルール
文生 / 图生（无音频）	720p $0.088/秒1080p $0.1166/秒4k $0.4378/秒	按输出视频秒数
文生 / 图生（生成音频）	720p $0.1166/秒1080p $0.1463/秒	按输出视频秒数
参考 / 编辑	720p $0.132/秒1080p $0.1761/秒	按输出视频秒数

費用例

以下の例は出力秒数 × 各ティアの単価で再計算したものです。送信時に見積もり、完了時に実際の使用量で精算されます。金額はカタログ単価の積で、プラットフォームのキャンペーン割引は含みません。

720p オーディオオフ 5 秒（テキスト/画像生成）

`$0.088/秒 × 5 秒 = $0.44`

デフォルトの組み合わせ（5 秒・720p・オーディオオフ）は、プロンプト検証に最も低コストな構成です。

1080p 音声あり 5 秒（テキスト/画像生成）

`$0.1463/秒 × 5 秒 = $0.7315`

環境音やセリフが必要な場合はオンにします。同仕様のオフは $0.583（$0.1166/秒 × 5 秒）で、切替による差額は明確です。

1080p 参照生成 10 秒

`$0.1761/秒 × 10 秒 = $1.761`

参照生成ルートは常時オーディオオフ。参照動画 1 本と最大 7 枚の参照画像を入力し、720p $0.132 または 1080p $0.1761 毎秒で課金されます。

4K オーディオオフ 5 秒（テキスト/画像生成）

`$0.4378/秒 × 5 秒 = $2.189`

4K はオン/オフとも $0.4378 毎秒で、720p オフの約 5 倍です。構図を確認してから 4K でマスター出力するのが安心です。

モデル情報

プロバイダー資料で確認でき、本サービスで実装済みのモデル、機能、制限のみを掲載しています。

テキストから動画

`kling-o3-text-to-video`

制限: —
生成時間: 3–15s

画像から動画

`kling-o3-image-to-video`

制限: 画像 1–2
生成時間: 3–15s

参照素材から動画

`kling-o3-reference-to-video`

制限: 画像 0–7 · 動画 1
生成時間: 3–15s

動画編集

`kling-o3-video-edit`

制限: 画像 0–7 · 動画 1
生成時間: 3–15s

仕様の出典 ↗

主な機能

4K ティア対応

上流では Kling O3 がネイティブ 4K 60fps 出力に対応するとされています（2026 年 4 月 29 日発表）。Roko のカタログではテキスト/画像生成ルートで 4K 出力が可能で、毎秒 $0.4378、オーディオのオン/オフ同額です。後段のトリミングや大画面投影に向きますが、まず 720p でプロンプトを検証してから 4K に上げるのがおすすめです。

オーディオ切替で単価を削減

テキスト/画像生成ルートはオーディオ切替に対応し、デフォルトはオフです。720p ではオフで毎秒 $0.088、オンで $0.1166。5 秒の動画で $0.143 の差になります。1080p オンは $0.1463。セリフや環境音が不要ならオフのままで最低単価を得られます。

参照生成・動画編集ルート

reference-to-video と video-edit ルートは、参照/編集用の動画 1 本と 0〜7 枚の画像を受け付け、720p $0.132、1080p $0.1761 毎秒で課金されます。両ルートは 720p/1080p 限定・オーディオ強制オフで、既存素材の続き生成・書き換え・スタイル変換に向いています。

上流のマルチショット・一貫性の主張

上流資料によれば、Kling O3 は 1 回最大 6 カット/15 秒のマルチショット絵コンテ、最大 7 枚の参照画像または参照動画からキャラクターの外見・声の特徴を抽出してカット間の一貫性を保つ機能、画面内テキスト描画の改善を備えるとされます。いずれも上流の主張であり、Roko での実測比較は行っていません。実際のタスク出力でご確認ください。

主要パラメータ

構造化されたモデル設定から生成しています。未設定または未対応の項目は表示しません。

modelstring

モデル ID

既定値: kling-o3-text-to-video / kling-o3-image-to-video / kling-o3-reference-to-video / kling-o3-video-edit

promptstring

既定値: 必須

durationinteger

出力動画の秒数

既定値: 3–15s

qualityenum

現在の課金方式

既定値: 720p / 1080p / 4k

aspect_ratioenum

生成機能

既定値: 16:9 / 9:16 / 1:1

generate_audioboolean

生成機能

既定値: false

image_urlsarray

画像から動画: 1–2 · 参照素材から動画: 0–7 · 動画編集: 0–7

既定値: 生成ルートごと

video_urlsarray

参照素材から動画: 1 · 動画編集: 1

既定値: 生成ルートごと

機能と利用ガイド

主な特長

テキストから動画 · kling-o3-text-to-video
画像から動画 · kling-o3-image-to-video
参照素材から動画 · kling-o3-reference-to-video
動画編集 · kling-o3-video-edit
720p / 1080p / 4k 出力
3–15s 生成時間
音声生成に対応
音声素材または音声付き動画に対応

利用上の制限

画像から動画: 画像 1–2
参照素材から動画: 画像 0–7 · 動画 1
動画編集: 画像 0–7 · 動画 1
仕様の出典: https://evolink.ai/zh/kling-o3

制限と注意点

参照生成・動画編集ルートは 720p/1080p 限定でオーディオは強制オフです。4K やネイティブ音声が必要な場合はテキスト/画像生成ルートのみ利用できます。
4K ティアはテキスト/画像生成ルート限定で、毎秒 $0.4378（オン/オフ同額）。720p オフ単価（$0.088）の約 5 倍です。
送信の成功はタスク受付のみを意味し、生成の成功を保証しません。費用は送信時に見積もり、完了時に実際の使用量で精算され、終端ステータスの照会結果が正となります。
Roko の出力リンクには有効期限があります。期限を過ぎると無効になるため、succeeded 後は速やかに自己のストレージへ転送してください。
アスペクト比は 16:9、9:16、1:1 の 3 種類のみ（デフォルト 16:9）。それ以外の画面比率はトリミングやパディングで対応します。
上流の主張（最大 6 カット/15 秒のマルチショット、キャラクター/声の一貫性、5 言語ネイティブ音声）は上流資料の口径であり、Roko での実測比較は行っていません。実際のタスク出力でご確認ください。

呼び出し手順

プロンプトとパラメータを準備：model に kling-o3 を設定し、ルートに応じた入力（テキストプロンプト、1〜2 枚の画像、または参照/編集ルートでは動画 1 本と 0〜7 枚の画像）を選び、3〜15 秒の長さ、720p/1080p/4K の解像度、16:9・9:16・1:1 のアスペクト比を指定します。テキスト/画像生成ではオーディオをオンにできます。
POST /v1/videos/tasks でタスクを送信し、task_id を受け取ります。送信成功はタスク受付を意味するだけで、レスポンスの費用は見積もり値です。
GET /v1/tasks/{task_id} をポーリングして状態を追跡し、queued/processing から終端ステータスへの遷移を待ちます。
succeeded になったらタスク結果から動画 URL を取得します。Roko の出力リンクには有効期限があるため、自己のストレージへ速やかに転送してください。
failed の場合はエラーを確認し、プロンプトやパラメータを修正して同じ手順で再送信します。失敗タスクはプラットフォームの返金規則に従って精算され、最終的には終端ステータスの照会結果が正となります。

典型的なユースケース

キャラクター一貫性のあるマルチショット短編

入力：キャラクター参照画像（上流では最大 7 枚）と絵コンテ形式のプロンプト。操作：参照生成ルートまたは絵コンテ方式のプロンプトでマルチショット映像を生成。期待：同じキャラクターがカット間で外見を維持（上流の主張、実測での検証が必要）。制限：参照ルートは 720p/1080p 限定・オーディオオフ。

参照動画によるキャラクター/声の引き継ぎ

入力：参照動画 1 本。上流ではキャラクターの外見・声の特徴を抽出できるとされます。操作：reference-to-video ルートで新しいクリップを生成。期待：参照素材のキャラクター性を引き継ぐ（上流の主張）。制限：このルートはオーディオオフ・720p/1080p 限定で、声の引き継ぎ能力は Roko で実測検証されていません。

自然言語による動画編集

入力：編集対象の動画 1 本と 0〜7 枚の画像、自然言語での修正指示。操作：video-edit ルートで指示どおりに画面を書き換え。期待：フレーム単位のツールなしでスタイル変換や部分修正が可能。制限：出力は 720p/1080p 限定・オーディオオフのため、音声は後付けで対応します。

他の動画モデルとの選び方

課金方式とワークフローの特徴による大まかな比較です。最終的には各モデルのカタログと実測を基準にしてください。

Kling O3 vs Kling 3.0 Turbo

同シリーズの 2 檔です。O3 は多機能（参照生成・動画編集・4K ティア、上流主張のマルチショットと一貫性機能）、Turbo は速度と低価格が持ち味。スペック上限を重視するなら O3、大量の短編とコスト重視なら Turbo。価格はいずれも Roko カタログ基準です。

Kling O3 vs Hailuo 3

O3 はオーディオ切替（720p オフで $0.088〜）と 4K ティア（$0.4378/秒）、参照生成・動画編集ルートを備えます。Hailuo 3 はオムニモーダル入力と最大 12 ファイルの参照が特徴。複数素材の融合なら Hailuo、4K マスターや秒単位で制御できる音声コストなら O3 が向きます。

Kling O3 vs Veo 3.1

4K の価格体系が異なります。O3 は 4K 毎秒 $0.4378（オン/オフ同額）、Veo 3.1 は 4K 毎秒 $0.308（オフ）または $0.3608（オン）。課金の詳細も異なり（Veo は結果数ごとに 1 結果最低 4 秒計算）、単価だけの比較はできません。最終的にはそれぞれのカタログを正としてください。

よくある質問

Roko での Kling O3 のモデル ID は？

タスク送信時に model に kling-o3 を設定します。ゲートウェイはルートに応じて kling-o3-text-to-video、kling-o3-image-to-video、kling-o3-reference-to-video、kling-o3-video-edit の 4 サブルートへ振り分けます。実際のルーティングはタスクレスポンスを基準にしてください。

Kling O3 で動画 1 本あたりいくらですか？

出力秒数課金です。テキスト/画像生成：720p オフ $0.088/秒、オン $0.1166/秒。1080p オフ $0.1166/秒、オン $0.1463/秒。4K は常に $0.4378/秒。参照生成・動画編集：720p $0.132/秒、1080p $0.1761/秒（オフ）。例：720p オフ 5 秒は $0.44。

4K 出力に対応していますか？

対応しています。テキスト/画像生成ルートは 720p、1080p、4K（デフォルト 720p）を出力でき、4K は毎秒 $0.4378 でオン/オフ同額です。ネイティブ 4K 60fps は上流の主張です。参照生成・動画編集ルートは 4K 非対応です。

参照生成・動画編集ルートの制限は？

両ルートとも動画 1 本と 0〜7 枚の画像を受け付けます（画像生成は 1〜2 枚の画像のみで動画不要）。ただし出力は 720p/1080p 限定でオーディオは強制オフ、価格は 720p $0.132、1080p $0.1761 毎秒です。

対応する長さとアスペクト比は？

長さは 3〜15 秒（デフォルト 5 秒）、アスペクト比は 16:9、9:16、1:1（デフォルト 16:9）です。いずれも Roko の現在のカタログ基準です。

送信後すぐに動画を取得できないのはなぜですか？

動画生成は非同期タスクです。POST /v1/videos/tasks が task_id を返し、GET /v1/tasks/{task_id} をポーリングして終端ステータスになってから結果を取得します。送信の成功はタスク受付のみを意味します。

Kling O3 を無料で試せますか？

Roko API の呼び出しは上記の単価で課金され、無料枠の保証はありません。登録後にチャージすれば利用できます。期間限定のキャンペーンの有無は公式サイトの最新告知をご確認ください。

生成結果を商用利用できますか？

商用利用の適法性は、入力素材の権利、生成コンテンツそのもの、快手と Roko の利用規約、適用法令によって変わります。公開前に著作権・肖像・コンテンツコンプライアンスの確認を自行で行ってください。他人の顔や声を含む参照素材は特に許諾が必要です。

ソースと検証範囲

上流の能力主張は快手 Kling の公開資料に基づきます。Roko の呼び出し可能パラメータ、ルート、価格は現在の本番カタログによるものです。検証日：2026-10-09。

Kuaishou: Kling AI 3.0 official launch Official launch: Video 3.0 Omni, multimodal generation and editing, up to 15 seconds, native multilingual audio, multi-shot storyboards, and reference-video consistency
Kuaishou: Q2 2026 results and native 4K rollout Official company disclosure for native 4K output in the Kling AI 3.0 model series
HowAIWorks: Kling 3.0 family Upstream: kling-o3 model name, 3-15s default 5s, up to 7 reference images, natural-language video editing, 5 audio languages
Roko API video task docs Async submit, task query, and billing lifecycle on Roko
Roko API model catalog Current routes, prices, and generation config

同じファミリーのモデル

同じモデルファミリーで利用できる別バージョンを確認できます。

その他の動画モデル

統一された非同期動画タスク API で利用できるモデルを探せます。

動画モデルをすべて見る →