Kling 4.0とGrok Imagine Video 1.5、4Kの長尺編集と1080p音声カットをどう使い分ける？
Kling 4.0は公式Webの3〜30秒・4K・最大15参照、Grok Imagine Video 1.5はxAI APIの1〜15秒・1080p・native audioが中心です。
2026年10月19日にKling 4.0公式ガイドとxAIのfull 1.5 API仕様・価格を確認しました。Kling4の安定API ID・価格、Grok LiteやRunway経路は比較へ混ぜません。
公式仕様の比較。生成結果の実測と、公式に記載された機能は分けて紹介します。根拠・検証範囲を見る
この記事の目次
4Kの長尺かnative audio短尺か
Kling 4.0は公式Web/Developer Previewで3〜30秒、720p/1080p/4K、最大15参照入力、音声・編集を案内します。Grok full 1.5はgrok-imagine-video-1.5としてxAI APIで1〜15秒、480/720/1080p、最大14画像・3音声参照、first/last/mid keyframe、native audioを扱います。
Webで4Kの多素材編集を担当者が調整するならKling4、APIで1080pまでの音声付きカットを再実行・記録するならGrokです。native audioが共通するからと出力品質を順位づけません。
正式ID・入力・価格単位を比較する
| 確認軸 | 左側 | 右側 | 判断メモ |
|---|---|---|---|
| 正式ID・経路 | Kling 4.0（公式Web/Developer Preview。安定公開API ID未確認） | grok-imagine-video-1.5xAI API | Grok 1.5 LiteとRunwayのgrok_imagine_1_5を混ぜない。 |
| 入力・参照 | text/image/video、first/last、最大10キーフレーム、最大7 elements、最大15参照。公式ガイドで音声も案内。 | text/image/reference-to-video、最大14画像・3音声、first/last/mid keyframe。 | Webの要素とAPI参照数を同じ欄へ書かない。 |
| 出力・音声 | 3〜30秒、720p/1080p/4K、10-bit HDR（1080p/4K）、2チャンネルステレオ。 | 1〜15秒、480/720/1080p、native audio。 | 4Kと1080p、ステレオとnative audioの定義を分ける。 |
| 料金 | Kling4 Web/Previewの現在の公開単価を確認できず。 | 入力画像 $0.01/枚。出力480p $0.08、720p $0.14、1080p $0.25/秒。 | Liteの単価やRunway creditsをKling4側へ転記しない。 |
Web素材とAPI keyframeを分ける
Kling4はキーフレーム画像とOmni Referenceの混合素材をWebで役割分けします。Grok 1.5はxAI APIで画像参照とfirst/last/mid keyframeを指定し、native audioは出力条件として記録します。Grokの音声参照と生成音声を一つの「音声対応」欄で済ませないことが大切です。入力画像はxAI価格表の $0.01/枚を出力秒単価と分けて記録します。
Kling4側
- キーフレーム、elements、Omni Referenceを別々に記録。
- 4K・HDR・ステレオをWeb設定からreadback。
- 安定API ID・価格は未確認として台帳に残す。
Grok側
- full 1.5の正式IDをLiteから分離。
- 画像14・音声3、keyframe位置、尺を保存。
- native audioと1080p、入力比率を出力欄に置く。
音声付き商品カットの仮想設計
仮の編集条件（実際の生成結果ではありません）
スニーカーの回転、着用、ロゴの締めを24秒で見せ、商品画像8枚、短い動画4本、声の参照1本を用意した想定です。
- Kling4では始終点をキーフレームへ置き、動画・音声をOmni Referenceへ分け、4Kまたは1080p・ステレオ設定をWebで確認する。
- Grokでは8秒・8秒・8秒の三つのAPIタスクに分け、画像参照を各タスクへ割り、必要なカットだけmid keyframeを指定する。native audioを出力条件にする。
- 生成後にロゴの読め方、足の動き、音声同期、縦横比を確認する。Webの方が簡単、APIの方が高品質とは断定しない。
この例の固有差は、長いWeb編集へ素材を束ねるか、xAIの短尺タスクへ分割して記録するかです。
直APIの価格を条件付きで読む
Grok full 1.5の1080p出力8秒だけなら$2.00です。入力画像8枚なら$0.01×8=$0.08を加え、出力と画像を合わせた仮の総額は$2.08になります。音声参照・編集・拡張の追加条件は別の使用量記録で確認し、Kling4 Web/Previewの固定価格やKling3/O3・Runway creditsを代用しません。
この比較では、Grokの秒単価とKling4のアカウント表示・制作時間を別の台帳に置きます。4Kと1080pの差、native audioとWebステレオの差を一つの費用順位へまとめません。
実測と未確認範囲を分ける
Kling4の3〜30秒・4K・最大15参照、Grok 1.5の1〜15秒・1080p・14画像/3音声・native audioは公式仕様です。Kling4の安定API ID・価格、Grokの実際の待ち時間、人物・商品保持、リップシンク、生成成功率、両者の品質順位は未測定です。Grok LiteとRunway経路を本文の結論へ混ぜません。
出典・確認範囲
確認日は2026年10月19日です。
- Kling AI｜Kling 4.0 model user guide：4K、3〜30秒、キーフレーム、elements、参照、音声・編集。
- Kling AI Developer｜Kling 4.0 release：公式リリースとDeveloper経路。
- xAI API｜Video capabilities overview：full 1.5の尺、解像度、参照、keyframe、native audio。
- xAI｜Grok Imagine Video 1.5：公式APIと音声付き動画の発表。
- xAI API｜Pricing：入力画像 $0.01/枚とfull 1.5の解像度別出力秒単価。
この条件で制作を相談する
用途・素材・尺・予算・希望時期が決まっている範囲で、株式会社志庵へ相談できます。掲載会社への一斉送信や契約は行いません。