Kling 4.0コメディ短編:一発生成 vs ショットごとの編集
Kling 4.0とSeedream 5.5で制作した4本の30秒AIコメディ動画を比較。縦型・横型で、一発生成とショットごとの編集を検証します。
生徒がなくした宿題を犬のせいにします。すると、ノートをくわえたガチョウが入ってきます。「犬も食べちゃったんです」と生徒は説明します。教師は証拠を検討し、ガチョウに授業を任せ、自分は座ってメモを取り始めます。
Seedream 5.5の画像を参照として使用し、Kling 4.0 Referenceでこの30秒のAIコメディ短編を制作しました。一方のワークフローでは、1回のリクエストで動画全体を生成しました。もう一方では、6本の個別クリップを生成し、編集で組み立てました。どちらにも横型版と縦型版があり、合計4本の完成動画を比較できます。
同じ教室コメディを2つの方法で見る
One-pass · Landscape
Shot-by-shot · Landscape
One-pass · Portrait
Shot-by-shot · Portrait
4本の完成動画はすべて30秒で、英語の台詞と中国語・英語の字幕を収録しています。オリジナルの横型書き出しは1920 × 1080、縦型書き出しは1080 × 1920で、いずれも24 fpsです。記事内プレーヤーでは、それぞれ854 × 480および480 × 854のMedia Library再生用コピーを使用しており、30秒の尺、フレームレート、音声は維持されています。登場人物はロシアの成人向け学校の教室にいる架空の成人です。映像と元の台詞はAI生成で、字幕と仕上げは後から追加しました。
| 制作上の選択 | 一発生成 | ショットごとの生成と編集 |
|---|---|---|
| フォーマットごとの動画リクエスト数 | 30秒のリクエスト1回 | 6秒のリクエスト6回 |
| 内部カットを決めるのは? | モデルがタイムライン全体を解釈 | 編集者が素材範囲とカットポイントを選択 |
| 画像準備 | 教室のマスター、3枚のシーン写真、3枚のブロッキングマップ | 共通アセットに加え、チョークを渡す場面用の写真とマップ |
| 今回の仕上げ | 字幕、ラウドネス調整、縦型版の重複台詞を除去 | 組み立て、台詞に合わせたトリミング、��択的なリフレーミング、ラウドネス調整、字幕 |
| 主なトレードオフ | 各ビートが正確にいつ起こるかの制御が少ない | 別々に生成したクリップ間での連続性確認が増える |
一発生成は、ワンカットの連続撮影を意味するわけではありません。 生成動画にはカットが含まれる場合があります。同様に、ショットごとの編集とは、生成されたクリップを編集し、フレーム単位で編集を制御することを指します。各フレームを個別の画像として生成したわけではありません。
動きを依頼する前に参照素材を作る
この物語には、認識しやすい3つの被写体が必要です。赤い読書用メガネとチャコール色のカーディガンを着た教師のエレナ、クリーム色のセーターを着た成人学生のミーシャ、そして普通の白いガチョウです。教室のマスター画像で、緑の黒板、木製の机、窓からの光とともに彼らの外見を定めました。

このマスター画像、続いて主要なシーン写真とブロッキングマップの準備には、WeShop CLI経由のSeedream 5.5を使用しました。両方の動画ワークフローで、このビジュアル基盤を再利用しています。このプロジェクトでは、人物の同一性を参照するために共通の教室画像を使用しました。最初に独立したキャラクターターンアラウンドや顔のシートを作成したわけではありません。
各アスペクト比について、3つの写真セットアップを用意します。宿題の確認、青いノートを持ったガチョウの登場、そして2人の人間がメモを取る中でガチョウが教える場面です。これらを1つの物語における別々の瞬間として扱います。

次に、各セットアップに対応する簡略化したブロッキングマップを作成します。カメラビュー、トリミング、相対的な大きさ、位置、向いている方向、オクルージョンを維持します。細い色付きの輪郭線を使い分けて被写体を識別し、見た目と照明は写真に委ねます。

今回のプロンプトでは、青をエレナ、オレンジをミーシャ、紫をガチョウの識別に使用しました。これらの色は図内で被写体を識別するためだけのものです。実際の衣装は写真の参照素材に基づいています。写真をマップより先に添付し、各画像の役割をプロンプトで明示しました。これらはこの例で検証した制作上の選択であり、正確な配置を保証するものではありません。
ルート1:30秒の映像全体を一発で生成する
WeShopのKlingを開き、Kling 4.0 Referenceを選択します。このケースに合わせるには、横型では16:9、縦型では9:16を選び、30s、1080p、quantity 1を使用します。これらは生成リクエストで記録した設定です。現在のCLI操作の詳細は、WeShop APIリファレンスを参照してください。
マスター、3枚のシーン写真、対応する3枚のマップの順で、7枚の画像を添付します。選択したフォーマット用に準備した画像を使用してください。2つのフォーマットは、それぞれ独自のシーン構図とマップを用いて別々に生成しました。
1つのプロンプトに物語全体を書きます。まず参照素材の役割を割り当て、次にアクションの順序、正確な台詞、演技タスク、音を指定します。以下の簡潔なタイムラインは、結果内のすべてのカットを計測した記録ではなく、要求した構成を示しています。
| 要求した時間帯 | ストーリービート |
|---|---|
| 0–9秒 | 教師が宿題を尋ね、生徒が犬のせいにする。間が注意をそらす |
| 9–18秒 | ガチョウがノートを持って登場し、教師がそれを確認する。生徒は言い訳をエスカレートさせる |
| 18–25秒 | 教師がこの中断を判断し、教える権限を移す |
| 25–30秒 | ガチョウが教え、2人の人間がメモを取る。生徒は質問しようとする |
再利用可能なケースには、完全なオリジナルプロンプトと7つの参照入力が含まれています。以下は演技指示からの抜粋です。
“Where is your homework?” — 説明責任を求め、彼が答える意思があるかを確認する。 “That is a goose.” — 自分の話を訂正する機会を与える。 “Good. You teach.” — ガチョウに責任を与え、それを受け入れるかを確認する。
教師は授業を続けようとしています。生徒は、新しい証拠が出ても自分の言い訳を成立させようとしています。ガチョウは注目を求め、教える立場を占めます。各被写体にタスクを与えることで、演者にジョークをあからさまに演じさせなくても、不条理な状況を理解しやすくなります。
字幕を追加する前に結果を確認する
発話された台詞、ノートの視認性、教室内での位置、最後の役割交代を確認します。映像内に色付きの輪郭線や図表風のスタイルが現れていないかも点検してください。サンプリングした出力では写真風の画像が維持され、両方の一発生成版でガチョウが教える結末に到達しましたが、要求したタイミングやアクションには完全には従いませんでした。
縦型のオリジナルでは、“Good. You teach.” が繰り返されていました。仕上げ時に、21.65–24.65秒の2回目の発話を、同じ動画の6.4–9.4秒からコピーした室内音に置き換えました。映像はそのまま維持しました。両フォーマットには、生成された発話に合わせた字幕とラウドネス処理を加えました。上記のプレーヤーで表示しているのは、未処理の生出力ではなく、これらの完成版です。
ルート2:6つのショットを生成し、最終編集を制御する
2つ目のワークフローでは、教師が机で権限を引き渡す専用の参照写真とブロッキングマップを追加しました。これにより、引き継ぎ全体を長編用プロンプトに委ねるのではなく、この転換に専用のビジュアルセットアップを与えました。
各ショットには、Kling 4.0 Reference、6s、1080p、quantity 1を使用しました。横型セットと縦型セットは独立して生成しました。各リクエストには、マスター、該当するシーン写真とブロッキングマップを含め、必要な人物同一性、場所、台詞、音の指示をすべて繰り返し記載しました。
| ショット | 役割 | 最終採用尺 |
|---|---|---|
| 1 | 宿題の質問と最初の言い訳 | 6秒 |
| 2 | ノートを持つガチョウ:短い証拠インサート | 1秒 |
| 3 | “That is a goose.” / “He ate the dog too.” | 6秒 |
| 4 | 教師がガチョウに授業を任せる | 6秒 |
| 5 | ガチョウが教え、2人の人間がメモを取る | 5秒 |
| 6 | 生徒が手を挙げ、鳴き声を受けて、再び書き始める | 6秒 |
当初の計画では、各6秒素材から5秒を採用し、両端に0.5秒ずつトリミング用の余裕を残す予定でした。しかし、実際の台詞は計画した時間枠に収まりませんでした。そのため、完全な発話を維持できるよう、編集を6 + 1 + 6 + 6 + 5 + 6 = 30秒に変更しました。
ノートは連続性の問題も明らかにしました。ガチョウ登場の素材の後半では、次のショットに必要な状態と一致しなくなっていました。そこで最初の1秒をインサートとして採用しました。これにより、クリップ後半の不整合を避けながら、ノートの登場を分かりやすくできました。これはオリジナルの生成アクションを修正したものではなく、編集上の回避策です。
最終編集では、画面構成に変化をつけるため第3・第6ショットに固定クロップを適用し、ラウドネスを正規化し、2言語字幕を追加しました。別々に生成された台詞は維持しています。プロンプトで声の説明を繰り返したからといって、クリップ間で完全に同一の声が得られる証明とみなすべきではありません。
縦型と横型は別のシーンとして構成する
横型では、教室によって教師、生徒、ガチョウを水平方向により離して配置できます。縦型では、彼らの関係、ノート、机を同時に見せられる構図が必要です。そのため、このプロジェクトでは個別の9:16参照シーンとマップを準備し、縦型映像を別途生成しました。
両フォーマットで、ノートの登場と最後に手を挙げるビートを見比べてください。1枚の魅力的なフレームを比較するよりも、演出とコメディのタイミングについて多くを示します。完成した縦型動画は横型出力の単純な中央クロップではありません。ただし、編集時に一部のショットには追加のリフレーミングを施しました。
残すべきビートを基準にワークフローを選ぶ
ジョーク全体が機能するかを試したい場合や、内部カットをモデルが解釈することを許容できる場合は、一発生成ルートを使用します。それでも発話、小道具、エンディングを確認し、結果を仕上げる必要があります。
引き継ぎ、リアクションの間、最後の質問に独自の画面時間を確保したい場合は、ショットごとのルートを選びます。別々の生成間における連続性と音声を確認する必要はありますが、ほかを維持したまま1つの素材クリップを修正することも可能です。
これら4本の動画は、成功率のベンチマークではなく、1つの制作例を記録したものです。まずは30秒の教室シーン全体から始め、実際に結果が何を維持できたかを確認し、特定のビートにさらなる制御が必要な場合はシーンをショットに分割してください。
右側のツールを使って、すぐに試すことができます。







