【Kling】初心者のうちに覚えるべき動画化プロンプトの基本、全部入り。

こんにちは、クロクマです。

今回のテーマは、動画生成AI “Kling” の動画化プロンプトについて。

Klingで画像を動画化するとき、

「ゆっくり動かして」と書いたのに、思ったよりカメラが動きすぎる。

「カメラ固定」と書いたのに、勝手にズームする。

「人物が歩く」と書いたのに、なんかその場で揺れているだけになる。

こんな感じのこと、AI動画を作っている人なら一度はあると思います。私もめちゃくちゃありました。

しかも厄介なのが、プロンプトを細かく書いたからといって、必ず良くなるわけではないんですよね。

むしろ、細かく書いたことで余計に破綻したなんてこともけっこうある。

以前、私は「動画化は画像に依存する」という感じの記事を書きました。

これは今でもかなり大事だと思ってます。

今回の記事ではそこを前提に、

ここを解説していきます。

AI動画を始めたばかりの人にとっては、必要な情報をかなり詰め込んだつもりです。

そして、すでにKlingを触っている中級者の方でも、何か気づく部分はあるんじゃないかなと。

結論から言うと、Klingの動画化プロンプトは、

「何が」「どう動くのか」を分けて書くほうが反映されやすいということ。

この記事では、

• Kling動画化プロンプトの基本型

• NGプロンプトと適正プロンプトの違い

• ズレたときの直し方

• 使いやすいカメラモーション

• カット割りで考える実例

までまとめます。

難しい撮影用語を覚えるというより、どう書けばKlingに伝わりやすいか
を整理する記事です。

では、いきましょう。

Klingでは「見た目」ではなく「変化」を書く

画像から動画化する場合、すでに画像の中には多くの情報が入っています。

人物、服装、背景、光、色味、構図、雰囲気。

これらは、元画像の中にあります。

なので、Klingの動画化プロンプトで大事なのは、画像に写っているものをもう一度説明することではないんです。

大事なのは、

見た目を書きすぎるなってことです。

昔なら、動画化プロンプトに、

みたいな言葉を並べていた人もいたかもしれません。

今は初心者でもそこまで雑な書き方はしないと思いますし、むしろ今ズレやすいのはこっち。

• 1文に全部詰め込んでいる

• 被写体、背景、カメラの指示が混ざっている

• 文章としては自然だけど、動きの優先順位が曖昧

• カメラモーションを一度に複数入れている

• 雰囲気は伝わるけど、何をどう動かすかが弱い

たとえば、こんな感じです。

一見それっぽい。でも、Klingにとっては少し忙しい。

男性が歩く。
カメラが近づく。
カメラが回り込む。
カメラが上に向く。
ネオン看板を見せる。
感情的な雰囲気にもする。

1つの短い動画に、やらせたいことが多すぎるわけです。いや、オレ1人しかいねーし、って感じ。

Klingで安定させるなら、最初から全部盛りにするより、

「被写体はこれをする」
「背景はこれくらい動く」
「カメラはこの動きだけ」

と分けて書いたほうが伝わりやすいです。

Kling公式でも、Image-to-Videoでは Subject + Movement, Background + Movement という考え方が紹介されています。

つまり主役と動き、背景と動きを分ける考え方です。

Kling動画化プロンプトの基本型

KlingのImage-to-Videoで使いやすい基本型は、こんな感じで整理できます。

プロンプトでは、こう分けます。

先に言っておくと、[Subject] や [Camera] は、Klingの専用コマンドではありません。
このまま入れても理解してくれますし、文章だけでも理解してくれます。

・ Subject（被写体）+ Movement（動き）

これは、誰が、何が、どう動くのかですね。

例：

・ Background（背景）+ Movement（動き）

これは、背景側で何がどう変化するのかです。

例：

・ Camera（カメラ）

これは、カメラをどう動かすか、または固定するか。

例：

・ Pacing（速度・動きの質）

これは、どのくらいの速さで、どんな質感の動きにするかです。

例：

必要な時だけ、最後に短く補足する

基本は、

• Subject（被写体）+ Movement（動き）

• Background（背景）+ Movement（動き）

• Camera（カメラ）

• Pacing（速度・動きの質）

この4つで十分です。

ただ、実際にKlingで動画化していると、カメラが思ったより大きく動いたり、速度が急に変わったりすることがあります。

そういう時だけ、最後に短い補足を入れます。

たとえば、

こんな感じ。

ポイントは、「No〜」「Avoid〜」を大量に並べることではないです。
まずは、どう動いてほしいかを肯定文で書くこと。

動画化でズレやすい人は、だいたいこの4つのどれかが曖昧になっています。

特に抜けやすいのは、Camera（カメラ）とPacing（速度）。
ここはマジで大事です。

「カメラがどう動くか」
「どのくらいの速さか」

ここが曖昧だと、Kling側が補完します。
そして、その補完が自分のイメージとズレることがけっこうあります。

NGプロンプトと適正プロンプトの差

ここは実例で見たほうが分かりやすいです。

構図は “人物が夜のネオン街を歩いている” これでいきます

まずは画像をMidjourneyで作ります。
（Midjourneyじゃなくてももちろんいいです）

この画像をKlingで動画化するとします。
先ほどのダメな例のプロンプトを使ってみましょう。

NGプロンプト

このプロンプト、パッと見は悪くなさそうです。
むしろ、初心者が普通に書きそうな感じだと思います。

でも、Klingで安定させるには少し危ない。
理由は、カメラモーションが多すぎるからです。

これを1カットで全部やらせようとしています。

もちろん、うまくいくこともあるかもしれません。
ただ、狙った動きからズレる可能性は高くなります。

雰囲気は悪くないですが、circles around him（彼の周りを回る）が拾えてないですね。

適正プロンプト

このほうが、やってほしいことがはっきりしています。

Klingに余計な解釈をさせにくい書き方です。

一見、NGプロンプトのほうが動きがあって雰囲気がよく見えますが、反映されていない要素があるということはコントロールできていないということ。

何度か回せばもっといいものができる可能性はありますが、ガチャ要素は強いです。

Klingがコントロールできる範囲内で生成し、別の動きやカメラアングルが必要な場合は別カットで生成、良いとこ取りして編集でつなぐ。

遠回りに感じるかもしれませんが、これが1番クレジットを抑えてクオリティも担保できると思います。

ではもう1つ実例を。

構図は “古い時計修理店の作業台で、職人が懐中時計を静かに見つめる場面” これでいきましょう。

歩く人物ではなく、座っている人物、小さな手の動き、背景のわずかな揺れ
を使ったシーンなので、動きを絞って考える練習にも向いています。

Midjourneyで画像を作ります。

では動画化していきましょう。

NGプロンプト

それっぽい書き方なんですけど、これも1カットにかなり詰め込んでいます。

こうなると、Klingにとってはかなり忙しい。

これもこれで悪くはない。逆に、いやけっこう拾えてるなぁという印象 笑
でも感情的というよりは、何か迫るものを感じるカメラの動きですね。

Klingでは、指定した秒数で収まるような動きにすることも重要です。

適正プロンプト

ここでは、カメラを “固定” に絞っています。

NGプロンプトにあったような、

• 近づく

• 右にパンする

• 棚を見せる

といった複合動作は入れていません。

このシーンで大事なのは、
職人が懐中時計を見つめるという主役の動きです。

そこに、

• 振り子が少し揺れる

• ほこりが少し漂う

くらいの背景変化を足すだけで十分です。

もし棚をしっかり見せたいなら、別カットにしたほうが安定します。

• 1カット目：職人が懐中時計を見る

• 2カット目：時計棚や振り子を見せる

• 3カット目：作業台の手元や店内の空気感を見せる

このように分けたほうが、Klingでは扱いやすくなります。

欲張った指示でガチャを回すよりも、コントロールできる指示でつないでいく。Klingの動画生成の基礎はここなんだと思います。

慣れてくると、コレはギリいける。ってラインもわかってきます。

Klingでズレやすい原因

ここからは、Klingで思った通りに動かない時の原因を整理します。

原因1：1ショットに入れる情報が多すぎる

うまくいかない大体の人は、書く量が多いというより、1ショットに期待することが多すぎます。

たとえば、

これ、普通の映像としては成立します。

でも、AI動画では不安定になりやすいです。

特に短い動画では、1カットに入れる主な動きは1つ。多くても2つくらいにしたほうが扱いやすいです。

Kling公式でも、動きはシンプルな単語や構造で書くこと、物理的に起こりやすい動きを指定すること、画像から大きく外れる説明はカメラカットや遷移につながる可能性がある。こんな感じで書かれています。

これだけで、Klingのズレはかなり減らせます。

原因2：カメラ指示が曖昧、または多すぎる

Klingは、基本的なカメラモーション用語を扱えます。

でもここは注意です。

「Klingがあらゆる撮影用語を完全に理解する」とまでは言い切れません。

最初に使いやすいのは、まず基本的なカメラ用語です。

• pan（パン）

• tilt（チルト）

• zoom（ズーム）

• dolly（ドリー）

• tracking shot（追従ショット）

• locked-off camera（固定カメラ）

このあたりから使うのが安全です。

たとえば、

まずはこんな感じとか。シンプルですが狙いが伝わりやすいです。

原因3：1回で完全一致を狙いすぎる

ここは少し誤解しやすいですが、今のKlingは単純な動きなら1回でかなり良い結果が出ることもあります。

たとえば、

• 人物が少し顔を上げる

• カメラがゆっくり近づく

• 背景の光が少し揺れる

• 商品の周りを軽く回り込む

このくらいなら、1回で使える結果になることもよくあります。

でも1回で出やすいのは、指示が整理されているときです。

逆に、プロンプトの構造がぐちゃっとしていると、何回回しても安定しにくいです。

原因4：プロンプトではなく、カット設計が悪い

これはかなり大事。

プロンプトの書き方以前に、1本の動画の中で何を見せるかが整理されていないと、Klingでも崩れやすくなります。

たとえば、1カットの中で、

• 人物の感情

• 場所の説明

• 背景の変化

• カメラの移動

• 別人物の登場

まで全部やろうとすると、難易度が上がります。

そういうときは、1カットで完結させるより、カットを分けたほうがいいです。

Klingで使いやすいカメラモーション10選

ここからは、Klingで動画化するときによく使うカメラモーションを紹介します。

英語、日本語訳、向いている場面をセットで載せます。

Klingで使いやすいカメラモーション10選

1. locked-off camera

日本語訳：固定カメラ

向いている場面：

• 人物の微表情

• 商品カット

• 静かな雰囲気

• 背景だけ少し動かしたい時

余計なカメラ暴れを防ぎたい時に使いやすいです。

2. pan left

日本語訳：左へパン

向いている場面：

• 風景を横に見せたい時

• 街並みを見せたい時

• 横長の情報を見せたい時

3. pan right

日本語訳：右へパン

向いている場面：

• 人物の移動方向に合わせたい時

• 右側にある情報を見せたい時

• 横移動の流れを作りたい時

4. tilt up

日本語訳：上へチルト

向いている場面：

• 高い建物を見せたい時

• 人物を下から上へ見せたい時

• スケール感を出したい時

5. tilt down

日本語訳：下へチルト

向いている場面：

• 上から下へ視線を落としたい時

• 手元や足元を見せたい時

• 高い位置から状況を見せたい時

6. zoom in

日本語訳：ズームイン

向いている場面：

• 表情に寄りたい時

• 商品の細部を見せたい時

• 感情を強調したい時

ただし、ズームは奥行きの変化が少ないので、立体感を出したい時はdolly inのほうが合う場合があります。

7. zoom out

日本語訳：ズームアウト

向いている場面：

• 主役から周囲の状況を見せたい時

• 世界観を広げたい時

• 最後に余韻を出したい時

8. dolly in

日本語訳：ドリーイン。カメラ自体が前進する動き

向いている場面：

• 主役にじわっと近づきたい時

• 奥行きのある構図

• 映画っぽい入り方をしたい時

zoom inと似ていますが、dolly inはカメラ自体が前に進むイメージです。
奥行きのある画像だと効果が出やすいです。

9. dolly out

日本語訳：ドリーアウト。カメラ自体が後退する動き

向いている場面：

• 主役から状況全体を見せたい時

• 余韻を作りたい時

• 空間の広がりを見せたい時

10. tracking shot from behind

日本語訳：後ろから追うトラッキングショット

向いている場面：

• 人物が歩くシーン

• 車やバイクを追うシーン

• 奥へ進む構図

これはKlingでも使いやすいカメラ指示のひとつです。
人物が歩く動画では、かなり出番が多いと思います。

補足：orbitはかっこいいけど慎重に

orbitはうまく決まるとかっこいいです。

ただ、回り込みは空間の整合性が必要なので、画像によっては崩れやすいです。
初心者は、いきなりorbitから入るより、locked-off、dolly、trackingあたりから試すほうが安定しやすいと思います。

上級者は「1本の動画」をカット割りで考える

Kling 3.0以降では、Multi-ShotやCustom Multi-Shotが紹介されていて、ショットごとの内容や時間を指定することもできるようになりました。

とりあえず機能名がどうこうよりも、上級者っぽい動画に見えるかどうかは、プロンプトの前にカット割りでかなり変わるということ。

1つのプロンプトに全部詰め込むのではなく、

• 1カット目は状況を見せる

• 2カット目は人物の動きを見せる

• 3カット目は感情や反応を見せる

• 4カット目は余韻で終わる

というように、役割を分けます。

そこで使いやすいのが、次の5つの型です。

ここで大事なのは、音楽を入れるか入れないかも書くことですね。

たとえば、SNS用の短いドラマっぽい動画なら、BGMを入れずに環境音だけのほうがリアルに見えることもあります。これ、意外と大事なポイントです。

Native Audioや日本語を含む複数言語の音声出力も公式で説明されています。だからこそ、映像だけでなく「音」まで設計しておくと、短い動画でもそれっぽく見えるようになります。

ここまでで、Klingの動画化プロンプトの基本はかなり整理できたかと思います。

これ以降では、実際に「3枚の画像」からKling 3.0 Omniで短い会話シーンを組み立てるプロンプト例を載せています。

そのままマネできる形にしているので、ここから先は実践用として読んでみてください。