Kling Video O3 Standard Reference to Video：モデルページとAPIで使える人物一貫性の高い動画生成 | RunComfy

KuaishouのO3ファミリーで参照素材を起点にするモデルです。プロンプトから3～15秒の動画を生成しながら、参照画像の人物、小道具、スタイルを保ち、任意の参照動画で動きやスタイルも導けます。手作業のマスクや合成なしで人物とルックをフレーム間で一貫させます。

人物、小道具、アートスタイルの画像と、任意の参照動画を使えます。参照動画なしでは最大7枚、併用時は最大4枚です。プロンプトで「Figure 1がFigure 2へ歩く」のように位置で指定すると、各素材の役割を判断できます。

Pro版より秒単価が低く、O3のルックを保ちながら反復や大量のSNS・マーケティング制作に向きます。公開情報によると、Proは最終レンダリングの最高品質、Standardは草案やバリエーションを重視します。プロンプト、参照素材、比率、長さ、音声、ショットタイプは共通です。

SNS、広告・マーケティング、EC動画、デザインのチームは、既存写真から人物を保ったまま場面、小道具、ムードを変えた動画を再撮影なしで作れます。ブランドのスポークスパーソン、コンセプトリール、複数人物の短い物語にも向き、開発者は企画と数枚の画像から動画を作る工程を自動化できます。

promptは必須で、参照画像と参照動画は任意です。画像は最大7枚、参照動画と併用時は最大4枚です。aspect_ratioは16:9、9:16、1:1、durationは3～15秒の整数、shot_typeはcustomizeまたはintelligent、soundとkeep_original_soundはbooleanです。その他はRunComfyの最新パラメータ画面で確認してください。

はい。RunComfy AI Playgroundで参照素材、プロンプト、比率、長さ、音声を調整し、同一パラメータでRunComfy APIから呼び出せます。画面での反復とコードでの本番実行でモデルの挙動は変わりません。

音声なしが1秒$0.084、音声ありが$0.112です。参照動画を指定すると1.5倍の$0.126となり、音声倍率より優先されます。5秒無音は約$0.420、10秒音声付きは約$1.120、15秒参照動画ありは約$1.890です。料金はRunComfyのUSD／クレジット残高から差し引かれます。

「Figure 1」「Figure 2」のように参照素材を役割へ結び付け、動作、環境、カメラワークを具体的に書きます。「slow tracking shot」「golden hour rim light」「neon-lit street」などが、曖昧なムード語よりルックと動きを固定します。複雑な場面ではmulti_promptで展開を分けます。