一貫性のあるテキスト・トゥ・ビデオプロンプトの書き方

テキスト・トゥ・ビデオのプロンプトは、予測可能な形で失敗します。それは、ショットではなく物語を描写してしまうことです。物語には登場人物、プロット、複数の場所があります。ショットには被写体、アクション、カメラ、光、雰囲気があります。モデルはショットを生成できますが、物語は苦手です。

このガイドでは、短いクリップに有効な5行構造と、失敗を発見するためのレビュー手順を紹介します。

短い答え

5行で書きましょう：被写体、アクション、カメラ、光、雰囲気。アクションは1つに、カメラは1つの動きに絞ります。アスペクト比は書く前に決めます。モデルが対応する最短のクリップから始めます。顔、手、テキスト、動きをフレームごとに確認します。

1行目：被写体

主要な被写体を1つ挙げます。人物、物体、動物、場所のいずれでも構いません。

赤いジャケットを着た孤独なハイカー。

人物を含める場合は、特定の実在の人物を必要としない形で描写します：

赤いジャケットと暗い色のバックパックを身につけた中年のハイカー。

実在の俳優や著名人の名前は避けましょう。モデルが、使用権のない肖像を生成する可能性があります。

2行目：アクション

アクションは1つ。連続した動作ではありません。

尾根に沿ってゆっくり歩く。

短いクリップに適したアクション：

• 頭を向ける。
• 数歩歩く。
• 手を上げる。
• 地平線を見つめる。
• 箱を開ける。
• 飲み物を注ぐ。
• ゆっくり回転する。

難しいアクション：

• 戦う。
• 複雑な足さばきのダンス。
• 他の人に物を手渡す。
• 走りながら曲がる。
• 手の正確な接触を必要とするもの全般。

複雑なアクションが必要な場合は、複数のクリップに分割して編集でつなぎます。

3行目：カメラ

動きは1つ、速度と方向を添えます。

ワイドショットからミディアムショットへのゆっくりしたプッシュイン。

有効なカメラ用語：

• 固定カメラ。
• ゆっくりしたプッシュイン。
• ゆっくりしたプルアウト。
• 横方向のパン。
• ローアングルショット。
• 肩越しショット。
• ドローン風の上昇。

組み合わせるのは最大2つまで、たとえば「ゆっくりしたプッシュイン、ややローアングル」のようにします。5つのカメラワークを並べるとモデルは混乱します。

4行目：光

光はムードと色を決めます。

右からの柔らかな日の出の光、暖かいハイライト、冷たい影、薄いもや。

役立つ光の描写：

• 柔らかな窓明かり。
• 真昼の強い日差し。
• 曇天の拡散光。
• ネオンの夜の光。
• ゴールデンアワーの逆光。
• 単一のソフトボックス。
• ろうそくの明かり。
• ブルーアワー。

色だけでなく、方向と質を指定しましょう。

5行目：雰囲気

雰囲気は新しい被写体を加えずに奥行きと動きを加えます。

尾根の間に薄い霧が漂い、遠くに数羽の鳥。

役立つ雰囲気：

• 霧やもや。
• 雨や雪。
• 舞う塵。
• 煙。
• 光のきらめき。
• 陽炎。
• 波。
• 風に揺れる葉。

人物の同一性が重要な場合は、雰囲気を顔から遠ざけましょう。

まとめる

赤いジャケットを着た孤独なハイカーが山の尾根に沿ってゆっくり歩く。
カメラ：ワイドショットからミディアムショットへのゆっくりしたプッシュイン、ややローアングル。
光：右からの柔らかな日の出、暖かいハイライト、冷たい影。
雰囲気：尾根の間に薄い霧が漂い、遠くに数羽の鳥。
シネマティック、フォトリアリスティック、安定した解剖学的構造、テキストなし、ロゴなし、5秒。

これがショットです。モデルを導くのに十分な詳細があり、モデルが勝手にプロットを作り出すほど多くはありません。

アスペクト比と長さ

比率は書く前に決めます。縦向きのクリップは横向きとは異なる構図が必要です。

最初のクリップは短くしましょう。短いクリップは安価で、確認しやすく、一貫性を保ちやすいです。動きが安定してから延長します。

結果を確認する

フレームで一時停止します。確認する項目：

• 解剖学的構造： 指、手、腕、脚、顔。
• 同一性： 人物は同じままか？
• テキスト： 看板、ラベル、画面。
• 物理法則： 物体は重みを伴って動くか？
• 背景： 歪んだり、繰り返したり、消えたりしないか？
• 連続性： 被写体は同じ場所にとどまっているか？
• 終わり： 最後のフレームは一貫しているか？

クリップは再生速度では問題なく見えても、一時停止した1フレームで失敗することがあります。フレームが失敗すれば、そのクリップは失敗です。

よくある間違い

物語を書いてしまう。 モデルに必要なのはショットであり、プロットではありません。

複数のキャラクターを加える。 キャラクターが増えるたびに、解剖学的構造や同一性の失敗の可能性が増えます。

看板のテキストを求める。 テキストは信頼できません。編集ソフトで加えましょう。

複雑なアクションを使う。 より単純なクリップに分割しましょう。

終わりを無視する。 最後のフレームはしばしば崩れます。

アスペクト比を忘れる。 横向きのプロンプトを縦向きにトリミングすると構図が失われます。

音声を前提にする。 音声は選択したモデルによります。実際のコントロールを確認しましょう。

代わりにイメージ・トゥ・ビデオを使うべき場合

すでに優れた静止画があり、動きを加えたい場合はイメージ・トゥ・ビデオを使います。モデルに固定された最初のフレームを与えるため、通常は同一性の一貫性が向上します。

新しいシーンが必要で元画像がない場合はテキスト・トゥ・ビデオを使います。自由度が高く、それが利点でもありリスクでもあります。

良い静止画がある場合は、まずイメージ・トゥ・ビデオガイドをお読みください。多くの場合、より信頼できる方法です。

再利用可能な動画プロンプトテンプレート

[明確な視覚的描写を伴う1つの被写体]。
[1つのアクション]。
カメラ：[1つの動き、速度、角度]。
光：[方向、質、色]。
雰囲気：[1つの雰囲気要素]。
[スタイル：シネマティック / ドキュメンタリー / コマーシャル]。
安定した解剖学的構造、一貫した同一性、テキストなし、ロゴなし。
[モデルが対応する長さとアスペクト比]。

ワークフローを試す

AI動画生成ツールのページでは、テキスト・トゥ・ビデオモードのワークスペースが3つのショットプロンプトとともに開きます。アカウントなしでプロンプトをコピーできます。生成にはクレジットを消費します。料金ページに現在のパックとプランが記載されています。

完成したクリップのサムネイルが必要な場合は、サムネイルガイドをお読みください。静止画を動きに変えたい場合は、イメージ・トゥ・ビデオガイドから始めましょう。