マルチモーダル視覚言語 (MVL)
高度なMVLシステムが画像参照やビデオクリップを含むマルチモーダル入力を統合し、自然言語による高度な編集とクリエイティブコントロールを実現。
by Kuaishou
Kling 2.1 ビデオジェネレーター
強化された動画生成。時間的一貫性とスムーズなトランジションが向上。複雑なシーンとマルチキャラクターインタラクションに対応。
マルチモーダルAI動画生成
優れたパフォーマンスベンチマーク
Kling 2.1は画像から動画への生成ベンチマークでGoogle Veo2に対して182%、Runway Gen-4に対して178%の勝敗比率を達成。
統合AI音声生成
ビデオシーンに完璧にマッチする4種類の音声トラックと対話を生成し、ビジュアルコンテンツに没入型オーディオ体験を追加。
拡散Transformerアーキテクチャ
快手の先進的な潜在空間エンコーディングと最適化された時間モデリングを備えた強化DiTに基づき、優れたモーション理解を実現。
2200万人のグローバルユーザー
世界中の2200万人以上のユーザーに信頼され、6500万以上の動画と1億7500万以上の画像を生成し、実世界での信頼性を証明。
DeepSeek AIプロンプティング
AIを活用したプロンプティングアシスタントが最適化された説明文を生成し、あらゆるスキルレベルのユーザーがより良い結果を得られるよう支援。
Kling 2.1：よくある質問
マルチ画像参照技術は、複数のアップロード画像から多様な被写体を分析・統合し、異なるキャラクター間の動的なインタラクションを可能にし、視覚的一貫性の課題に対応します。
他にご質問はありますか？ サポートチームにお問い合わせ