1. AI動画制作のための7つの必須プロンプトスタイル概要 [0]

  1. 以前は完璧なAI動画プロンプトを作成するために何時間も費やしていたが、望む結果が得られなかったという経験がある [0]。
  2. 最高のAI動画は複雑なプロンプトではなく、AIモデルが実際に反応するシンプルで明確で意図的なプロンプトを使用して生成されるという事実に気づいた [1]。
  3. 本ガイドでは、あらゆるAI動画に機能する必須の7つのプロンプトスタイルを解説する [4]。

2. 必須プロンプトスタイル1: シネマティックプロンプト (Cinematic Prompts) [7]

  1. シネマティックプロンプトは、シーン内のカメラワークに焦点を当てるものであり、何を見ているかだけでなく、どのように観察しているかを制御する [7]。
  2. カメラワークの例:
    1. スタティックショット: 戦場にいる兵士の静止したショットで、カメラは完全に静止し、平和と熟考の瞬間を強調する [10]。
    2. ズームインと回転: 同じ兵士のショットで、ズームインして顔に焦点を当てるように回転させ、より個人的なショットにする [12]。
    3. パン: 被写体が戦場に転がり込むのを追跡するためにパンを使用する [14]。
    4. 手持ちカメラ (Shaky Handout Camera): 塹壕内の兵士が砲弾に打たれる混沌とした環境を強調するために、揺れる手持ちカメラを使用する [15]。
    5. 鳥瞰図 (Bird's Eye View): 同じシーンでカメラを上空に飛ばし、何が起こっているかを非個人的で冷たく、客観的な視点で捉える [16]。
  3. 具体的なプロンプトの例:
    1. 被写体の周りを円形に回転させるには、「the camera rotates」または「the camera orbits」のようなプロンプトを使用する [18]。
    2. カメラのズームイン、プルバック、チルトアップ/ダウン、パン、回転など、さまざまなカメラの動きがあり、これらを組み合わせて使用することもできる [19]。
  4. AI動画制作技術 (Image-to-Video):
    1. このガイドで示されているAI動画は、Image-to-Video技術を使用して作成されたものである [20]。
    2. まず、AI動画ジェネレーターに参照画像を与え、次にシーンがどのように展開してほしいかを記述するプロンプトを入力する [21]。
    3. 例として、塹壕内の兵士の画像フレームに、カメラの動きを追加せず、兵士がジャケットの下から小さな木製の十字架を取り出すという被写体自身の行動に焦点を当てたプロンプトを追加する [23]。
  5. シネマティックプロンプトを使用すると、シーン全体でカメラがどのように動くかを制御することができる [27]。

3. 必須プロンプトスタイル2: タイムスタンププロンプト (Timestamp Prompts) [28]

  1. AI動画を複数のセグメントに分割し、それぞれに異なるカメラの動きやアクションを設定したい場合に、タイムスタンププロンプトが使用される [28]。
  2. タイムスタンププロンプトの例:
    1. 8秒間の宇宙飛行士の動画で、最初の3秒間はカメラがズームインし、次に録画デバイスを見ている様子を示すためにチルトダウンし、最後に空を見上げる様子を示すためにカメラが再びチルトアップするように指示する [29]。
    2. AI動画ジェネレーターに、動画の各セグメントに沿って正確にどのような動きをさせるかを指示することができる [32]。
  3. タイムスタンププロンプトは、イベントのシーケンスと、それらが正確にどのように起こるかについて、より多くの制御を提供する [33]。
  4. 別の例として、カメラにまず宇宙飛行士のオーバー・ザ・ショルダーショットにズームインし、次にクリーチャーの顔にクローズアップでズームインしてシーンを終了するように指示する [34]。
  5. タイムスタンププロンプトは、シーン内で発生する複数のアクションを整理するための最良の方法である [35]。

4. 必須プロンプトスタイル3: カットシーンプロンプト (Cutscene Prompting) [36]

  1. タイムスタンププロンプトで動画をセグメントに分割できるが、さらに一歩進んで、単一のAI動画内で複数のカメラアングルを生成することができる [36]。
  2. カットシーンプロンプトの例:
    1. 宇宙飛行士が宇宙船に向かって歩く全身ショットから始まり、次に地面に沿った足元のクローズアップショットに切り替わる動画を作成する [38]。
    2. この効果を作成するために、カットシーンプロンプトという3番目のプロンプトスタイルを使用する [40]。
    3. 具体的なプロンプトは、「The astronaut turns and walks towards a spaceship. Cut to the boots of the astronaut walking along the terrain inside a cinematic film.」であり、これにより動画を2つのセグメントに分割することができた [41]。
  3. この技術をタイムスタンププロンプトと組み合わせることで、動画の方向性に対して非常に大きな制御を得ることができる [42]。
  4. 3つのセグメントに分割されたショットの例:
    1. 宇宙飛行士がエイリアンの世界にいるショットを3つのセグメントに分割する [43]。
    2. 彼の驚きと畏敬の念の表情のクローズアップショットにカットする [44]。
    3. 彼がエイリアン惑星を探索する最終ショットで終わる [45]。
  5. この効果を作成するには、プロンプトを異なるタイムスタンプに分割し、各タイムスタンプで異なるカメラアングルまたは異なる感情を定義する [46]。
  6. これにより、AI動画ジェネレーターはストーリーボードツールまたは動画エディターに変わり、タイムスタンププロンプトがイベントのシーケンスを制御し、カットシーンプロンプトが異なるシーンを追加して完全なストーリーを語ることを可能にし、ユーザーをAIディレクターに変える [48]。
  7. カットシーンプロンプトの注意点:
    1. 元の動画と完全に異なるカットを要求したり、AI動画ジェネレーターに多くの新しいことを想像させたりすると、動画スタイルの一貫性を維持するのが難しい場合がある [50]。
    2. 例として、植物の口の中への異なるカットを要求したところ、よりリアルなスタイルから3Dアニメーションのようなシーンに変化した [52]。
    3. カットシーンプロンプトを使用する場合は、カット先のシーンが元のショットとあまりにも違いすぎないようにする必要がある [55]。
  8. これらのプロンプト技術は、Google Veo 3だけでなく、Sora 2、Seance、Clingなどの他のAI動画モデルにも適用できる [56]。

5. 必須プロンプトスタイル4: GPTプロンプト (GPT Prompts) [57]

  1. AI動画を作成する際、AI言語モデルを使用してプロンプト自体を作成するGPTプロンプトという4番目のスタイルがある [57]。
  2. AIによるプロンプト作成のプロセス:
    1. 異なるAI動画モデルには、通常、効果的なプロンプトを作成するための独自のガイドが付属している [60]。
    2. Google Veo 3モデルのドキュメントには、効果的なプロンプトを作成するための最良の公式や必須のプロンプト技術などの情報が含まれている [61]。
    3. この情報を使用してAIにプロンプトを作成するように教える試みが行われた [63]。
    4. プロンプト作成の公式、技術、いくつかの例など、関連する重要な情報をプロンプトマニュアルからコピーする [64]。
    5. ChatGPTのExploreタブ内で独自のGPTを作成し、そのGPTにGoogle Veo 3.1用のAI動画を生成するためのプロンプトを作成するプロンプトヘルパーとしての役割を与える [65]。
    6. ユーザーがシーンの説明を入力すると、GPTがそのシーンのプロンプトを生成するように設定する [69]。
    7. プロンプトの書き方に関するドキュメントを含むPDFファイルを知識セクションにアップロードする [70]。
    8. これにより、独自のGPTプロンプトヘルパーが完成する [71]。
  3. GPTプロンプトの出力例:
    1. 女性と雄鹿の画像をアップロードし、「女性のエルフが古い雄鹿の友人に別れを告げる悲しいシーンのプロンプトを作成する」ように指示する [72]。
    2. GPTは、シネマトグラフィー、効果音、スタイル、照明、シーンで起こっているすべてのアクションの要素を含む、より長く詳細なプロンプトを生成する [74]。
    3. 生成された動画は、要求された悲しい別れのシーンを多かれ少なかれ捉えている [76]。
    4. これにより、プロンプトを入力する時間を減らし、AIヘルパーに任せることができる [77]。
  4. GPTプロンプトの問題点:
    1. AIの混乱: AIが時々混乱することがある [78]。
    2. 例として、画像に対して「彼が冒険に出かける準備をする、控えめなシーンのプロンプトを作成する」ように指示したところ、GPTが生成したプロンプトは「wide morning shot」から始まっており、これは「wide angle shot in the morning」を意味していたと思われるが、意味が通じない [79]。
    3. このような問題は比較的軽微であり、手動で簡単に修正できる [82]。
    4. AIの限界の欠如: 最大の問題は、AIドキュメントにはAI動画ジェネレーターが苦手なことがめったに記載されていないことである [84]。
    5. 良いプロンプト作成と悪いプロンプト作成の違いは、AI動画の限界、つまり何ができないかを理解することにある [85]。
    6. AI動画ジェネレーターが苦手なことを含まない不完全な情報でGPTを訓練すると、解決方法がわからない問題が発生する [86]。
    7. 群衆の例:
    8. エルフの女性がトラブルに巻き込まれ、町の人々が彼女の正体を知って怒っているシーンのプロンプトをChatGPTに作成するように依頼する [87]。
    9. GPTが要求する要素の中には、「怒った町の人々の群衆が彼女を両側から囲み、叫び、指差している」というものがある [90]。
    10. AI動画が苦手なことの一つは、人々の群衆をアニメーション化することである [91]。
    11. シーンに多くの人がいて、彼らに何らかのアクションを実行させたい場合、結果は非常に奇妙に見える [92]。
    12. Veo 3では、全員が同時に同じことをするか、または塊やぼやけに変わってしまう [93]。
    13. GPTプロンプトヘルパーは、Google Veo 3モデルの公式プロンプトガイドにこれが記載されていないため、これを知る方法がない [94]。
    14. その結果、動画には非現実的な奇妙な動作が生じる [95]。
    15. より良いアプローチ:
    16. 多くの人がいるこのようなシーンで最良の結果を得るためには、同じ不安と恐怖の感情を伝えるためのより良いアプローチとして、彼女が神経質そうに見回し、人々が奇妙で不気味な方法で静かに彼女を見つめるようにすることである [96]。
    17. このようなプロンプトは、彼女が敵対的な領域にいるという同じ考えを伝えつつ、AI動画がアニメーション化するのがはるかに簡単である [97]。
  5. 結論: このようなGPTプロンプトヘルパーは、ニュアンスを実際に理解している上級ユーザーにとっては非常に有用であるが、初心者の場合は、よりシンプルで短く、意図的なプロンプトに固執することが推奨される [98]。
  6. シンプルなプロンプトを使用することで、期待通りに機能しない場合に、何が問題なのかを把握することがはるかに容易になる [100]。

6. 必須プロンプトスタイル5: アンカープロンプト (Anchor Prompt) [101]

  1. AIは、ユーザーにとって非常に明白なことが、AIにとっては全く明白ではないという奇妙なことを行う [101]。
  2. 一貫性の問題の例:
    1. キャラクターが笑って幸せな表情を見せるように単純にプロンプトを入力したところ、AIは彼の顔を覆っている灰と赤い燃えさしが動画の重要な部分であることを知らずに、彼の見た目を完全に変えてしまった [103]。
  3. このような状況に対処するために、アンカープロンプトという5番目のプロンプトスタイルが必要である [105]。
  4. アンカープロンプトの役割:
    1. AIに何が重要かを思い出させるために、プロンプトにアンカーを使用する必要がある [106]。
    2. プロンプトに「彼に赤い燃えさしと灰があるべきだ」と追加すると、AIは同じ幸せな表情を作成できるだけでなく、彼を変形させる代わりに同じ視覚スタイルを維持する [107]。
    3. このプロンプトでは、「彼に赤い燃えさしと灰がある」と言うことで、彼の身体的外観をアンカーとして固定した [108]。
  5. 被写体間の関係維持の例:
    1. オークのキャラクターがオオカミに乗っているシーンから始まるが、シーンが進むにつれて、彼がオオカミから奇妙な方法で滑り落ちる [109]。
    2. これを修正するために、プロンプトを修正し、オークがダイアウルフの背中に乗っていることをAIに思い出させるアンカーを追加する [111]。
    3. これにより、AIは2つの被写体間の関係を維持するのに役立つ [112]。
  6. 見えない部分の理解を助ける:
    1. AI動画ジェネレーターがまだ見えないシーンの一部を理解し、後で見えるシーンの一部を生成する方法を理解するのを助けるために、アンカーを使用する必要がある場合がある [113]。
    2. 例として、オークのキャラクターは左肩にアーマーパッドがあり、右肩にはアーマーがなく、青い部族のタトゥーがある [114]。
    3. 左側だけを示す横顔のショットを生成しようとすると、動画を見ると、右肩にもアーマーパッドが現れる [116]。
    4. これは、AIが初期の画像フレームに基づいて、彼のもう一方の肩が実際にどのように見えるべきかを知る方法がないためである [117]。
    5. したがって、「オークは右肩にアーマーがない」「オークの肩に濃い青の幾何学的な部族のタトゥーがある」というアンカーを追加する必要がある [118]。
    6. このアンカーを使用することで、AIは完全なキャラクターがどのように見えるかをよりよく理解できるようになる [120]。
    7. AIはゼロから始めているため、元のオークのショットと完全に一貫しているわけではないが、彼の完全な外観をアンカーとして固定することで、彼の肩が元のキャラクターにより似ている動画を作成することができる [121]。

7. 必須プロンプトスタイル6: 画像プロンプト (Image Prompting) [123]

  1. AI動画の能力を最大化するには、画像プロンプトを使用する必要がある [123]。
  2. 一貫した美しいショットの生成:
    1. これらのシュールなシーンのような最も美しいショットを得るには、画像プロンプトを使用する場合にのみ一貫して可能である [124]。
    2. 鯉が運河の上を飛んでいる夢のようなシュールなシーンを得るために、まず「serialism photo, a giant koiish in the canals of Venice City」というプロンプトを使用して画像を生成する [125]。
    3. 次に、Clean 2.5動画ジェネレーターを使用して、それを動画にアニメーション化する [126]。
    4. シーンがどのように展開してほしいかを直接的かつ明確に伝える必要がある (例: 「The fish floats forwards through the air」) [127]。
    5. 他のシュールなシーンの例: 雲に浮かぶ都市、ライトが点滅する様子、巨大なキリンが海で波打ち、木から葉を食べる様子、彼女がまばたきする様子、顔を覆う紙が剥がれて内部の機械の歯車が現れる様子 [130]。
  3. 一貫したキャラクターの複数ショット:
    1. 画像プロンプトは、シーン内で一貫したキャラクターの複数ショットを得るための最良の方法でもある [136]。
    2. AIを使用して複数のカメラアングルを生成するための最良の方法である [137]。
    3. キャラクターの参照写真の作成:
    4. まず、植物店の中に座っているキャラクターの正面図から始める [138]。
    5. Nano BananaのようなAI画像モデルを使用して、植物店内の机で勉強している彼女の横顔を作成することができる [139]。
    6. または、店内で植物に水をやっている彼女の写真を作成することもできる [140]。
    7. 疲れたら、昼休みを取り、窓の外を歩いている人々を見ることもできる [141]。
    8. これらのキャラクター参照写真を使用して、画像プロンプトで彼女の一日を通して複数のショットを生成することができる [142]。
  4. AI画像編集ツールによるカメラアングル制御:
    1. Q1 image edit camera angle controlという新しいAI画像ツールがあり、キャラクターの画像参照をアップロードし、カメラコントロールを使用して同じシーンの異なるカメラアングルを生成することができる [144]。
    2. 例として、画像を45°回転させると、リアルタイムで回転が起こる [145]。
    3. 反対方向に回転させたり、彼女により近くズームインしたりすることもできる [149]。
    4. カメラを上下に傾けることもでき、鳥瞰図 (bird is above) やワームズビュー (worm is below) がある [152]。
    5. カメラを彼女の下に傾ける例が示されている [154]。
    6. 彼女の顔のテクスチャが滑らかに見える場合があるため、より高い解像度やシャープでリアルなディテールを得るために、画像アップスケーラーを使用する必要がある [156]。
    7. それでも、これはシーンのカメラアングルを制御するための非常に素晴らしいAI画像ツールである [157]。
  5. 開始フレームと終了フレームのプロンプト (Start and End Frame Prompting):
    1. 画像プロンプトは、参照として使用するだけでなく、フルショットの開始と終了を制御するために結合することもできる [158]。
    2. 動画の最初のフレームに画像を使用し、動画の最後のフレームで何が起こっているかを制御するために画像を使用することができる [159]。
    3. これらを組み合わせると、AI動画は2つのフレーム間でキャラクターの完全なシーンをレンダリングすることができる [160]。

8. 必須プロンプトスタイル7: ネガティブプロンプト (Negative Prompting) [161]

  1. 知っておくべき7番目のプロンプトスタイルは、ネガティブプロンプトである [161]。
  2. AIから望むものを得るためには、何をしてほしくないかを伝える方が簡単な場合がある [162]。
  3. 望まない要素の排除の例:
    1. 宇宙飛行士が月面コロニーにいるVlogシーンで、窓の外の月の見え方が気に入らない場合や、壁に窓が欲しくない場合がある [163]。
    2. これに対処する最も簡単な方法は、プロンプトに「no windows」と直接伝えることである [166]。
    3. 壁がどのように見えるべきかを正確に記述しようとする代わりに、このネガティブプロンプトを使用し、シーンで見たくないものをAIに伝えることで、壁に窓がない同じショットを生成することができる [167]。
  4. より複雑な例 (望まないアクションの排除):
    1. 兵士のシーンを作成し、多くの銃声が聞こえる場合、彼が武器を構えているため、AIがこれらの効果音を使用するのは理解できるが、結果は少し奇妙に見える [168]。
    2. ガスマスクから煙が噴き出している様子さえある [171]。
    3. 作成したかったのは、彼が慎重に環境を観察している、より静かなシーンであった [172]。
    4. この場合、ネガティブプロンプトをかなり強く使用し、「completely silent and quiet and no gunshots, no clicking, no trigger」と指示した [173]。
    5. その結果、彼が武器を発砲することなく、背景の炎の音だけが聞こえるようになり、ある程度機能した [174]。

9. 結論と次のステップ [176]

  1. AI動画に必要な異なるプロンプトスタイルを理解した [176]。
  2. リップシンクツールからモーションキャプチャまで、他にも多くのクールなAI動画ツールが存在する [177]。
  3. 完全な初心者から上級プロになるためのAI動画生成の5つのレベルをカバーするガイドが作成されている [179]。