AI動画プロンプトガイド：動画を良くする7つの実測修正
良い例と悪い例、PixVerseでのプロンプト検証、主要モデルに応用しやすいテキストから動画・画像から動画の実践ルールを紹介します。
多くのAI動画プロンプトが失敗する理由は、想像力が足りないからではありません。画像生成ではうまくいった習慣を、そのまま動画生成に持ち込んでしまうことが原因です。動画モデルは、動き、タイミング、カメラワーク、被写体の一貫性、場合によっては音声まで同時に生成するため、プロンプトはより明確なショット指示として書く必要があります。
このAI動画プロンプトガイドでは、現代の動画生成で役立つ7つの実践的な修正方法を紹介します。これらのTipsは、PixVerseで比較できるSeedance 2.0、HappyHorse 1.0、PixVerse V6、PixVerse C1、Kling O3、Kling 3.0に向けて設計していますが、ほとんどのAI動画生成ツールにも広く応用できます。共通する失敗要因は、詰め込みすぎたプロンプト、曖昧なスタイル語、矛盾するカメラ移動、疑似的なnegative prompt、ジッターを招く速度表現、参照画像のドリフト、そして抽象的な品質形容詞だからです。
目的は、すべてのプロンプトを短くしたり、専門用語だらけにしたりすることではありません。大切なのは、各指示に役割を持たせることです。強い動画プロンプトは、重要な内容を最初に伝え、ひとつの明確な動線を与え、被写体の一貫性を守り、広すぎる好みの言葉ではなく具体的に見える言葉を使います。
AI動画プロンプトをどう検証したか
この記事では、7つのプロンプトケースをすべてPixVerse上の同じ基準生成設定でテストし、各クリップで音声をオンにしました。目的は特定モデル専用のコツを示すことではなく、テスト環境をそろえたうえでプロンプト構造そのものの差を確認することです。元動画はそれぞれ約5秒で、6本は1280x720の横長出力、参照画像ケースのみ720x1280の縦長出力です。すべてのファイルに音声トラックがあります。
評価基準はランキング型ではなく、実用性を重視しています。各動画は次の6つの制作基準で確認しました。
- プロンプト遵守： クリップは核となる指示に従っているか。
- 動きの制御： 主要アクションはジッターや視覚崩れなしに読めるか。
- 被写体の一貫性： 商品、人物、物体の形は保たれているか。
- カメラ安定性： 指定したカメラパスはきれいに維持されているか。
- 音声の使いやすさ： プロンプトは使える音の手がかりを与えているか。
- 制作での使いやすさ： ブログ、広告ラフ、ピッチ、プロンプト解説に使っても読者を混乱させないか。
これらは、多くの現行AI動画生成ツールが時間的ドリフト、曖昧な動き、不安定なカメラパス、競合する被写体指示という共通の負荷を持つため、モデル横断のヒューリスティックとして書いています。
モデルの背景をさらに知りたい場合は、Seedance 2.0レビュー、HappyHorse 1.0 vs Seedance 2.0比較、Kling O3とKling 3.0レビューをご覧ください。プロンプトテストを再現可能な制作ワークフローにしたい場合は、AI動画APIガイドでテキストから動画・画像から動画の自動化方法を確認できます。
Tip 1：長いプロンプトほど良いとは限らない
長いプロンプトは、細部を多く伝えているように見えるため安心感があります。しかし実際には、長いAI動画プロンプトは主指示を薄めがちです。最初の文が最も強い制御力を持ち、後半の詳細は互いに競合する弱い提案になりやすいのです。
よくある間違い：200語のプロンプトの方が制御できると思う
悪いプロンプト：
動画プロンプト：エレガントなスタジオに置かれた高級香水ボトル、美しい照明、シネマティックな反射、プレミアムな広告ルック、高価な素材、柔らかい粒子、滑らかな動き、洗練された雰囲気、高品質、繊細な質感、ドラマチックなカメラ移動、感情的なストーリーテリング、ラグジュアリーブランド感、リアルなガラス、金色の液体、きらめくハイライト、スローモーション、上品な影、完璧な構図、歪みなし、ちらつきなし、不自然な形なし、乱雑な背景なし、余計な物体なし、プロ仕様の動画、バイラル広告スタイル。
このプロンプトは詳しく見えますが、多くの要素は抽象的または重複しています。モデルは、製品の動き、照明、スタイル、反射、粒子、品質ラベル、否定表現の間で選択しなければならず、核となる指示が埋もれてしまいます。
なぜ失敗するのか
動画モデルはテキストを連続した指示として処理します。核となるアクションが早く、明確に書かれているほど、モデルは時間の中でそれを保ちやすくなります。これは、時間的一貫性が特に難しい長めのクリップで重要です。OpenAIのSora研究でも、動画モデルは正確な物理や因果関係にまだ課題があると説明されています。そのため、主アイデアの後に弱い指示を増やしても、自動的に制御が強くなるわけではありません。
修正方法
50から80語程度の構造を使います。
文1：被写体 + アクション + 場所。
文2：カメラ + スタイル。
文3：制約条件。良いプロンプト：
動画プロンプト：透明なガラスの香水ボトルが黒い大理石の上に立ち、暖かいリムライトが金色の液体を通り抜ける。ボトルはごく小さくショーケースターンし、わずかな側面だけを見せてから中央のhero位置に戻る。ラベルの高さからキャップへ向けてゆっくりマクロプッシュイン、ラグジュアリーなスタジオ商品照明、ボトルの背後に柔らかな金色の粉塵。最後は安定した中央の商品フレーム、文字オーバーレイなし、余計な物体なし。音声：かすかなガラスの動き、柔らかなスタジオルームトーン。
実際のプロンプトテスト
テスト設定：PixVerseの動画生成で、7つのケースすべてに同じ基準設定を使用。 生成設定：5秒、720p解像度、16:9アスペクト比、かすかなガラス音とスタジオルームトーンのために音声オン。 検証内容：コンパクトなプロンプトが、主アクションを埋もれさせずに製品ID、控えめな動き、照明、カメラ制御を保てるか。
この商品広告テストでは、クリーンなプロンプトが有効でした。主アクションが追いやすく、製品ボトルが控えめに展示され、カメラは制御された商業照明の中でプッシュインします。ボトルは中央に保たれ、金色の液体はガラス越しに読みやすく、暖かいバックライトは長い形容詞の列なしでプレミアムな商品感を作っています。
重要なのは、短いことは曖昧であることではない、という点です。明確な被写体、ひとつの控えめなアクション、ひとつのカメラ移動、少数の制約を持つコンパクトなプロンプトは、散らばった好みを詰め込んだ長いプロンプトより有効なことがよくあります。
Tip 2：“Cinematic” はほとんど役に立たない
“Cinematic” はAI動画プロンプトでよく使われる言葉ですが、制御語としては広すぎます。ホラーの影、ロマンチックな金色光、ドキュメンタリーのリアリズム、SFの霞、またはまったく別の映画ルックを意味し得ます。
よくある間違い：“Cinematic” を品質スイッチとして使う
悪いプロンプト：
動画プロンプト：引退した探偵が雨の夜の路地を歩く。Cinematic、professional、dramatic、movie quality。
これは雰囲気を伝えますが、具体的な見た目を指定していません。出力は暗いかもしれませんし、明るいかもしれません。ノワール風、手持ち風、光沢のある広告風、粗い質感など、どれにもなり得ます。
なぜ失敗するのか
学習データでは、“cinematic” のような広い単語が多くの異なる視覚分布とつながっています。照明、レンズ感、構図、カメラパス、カラーパレット、認識しやすい演出スタイルなど、実際の視覚言語を指定しない限り、モデルはどの分岐を選べばよいか分かりません。RunwayのGen-3 Alpha研究が説明的な動画キャプションを重視している点も、曖昧なラベルより具体的な視覚言語が有効であることを示しています。
修正方法
“Cinematic” を狭い視覚キューに置き換えます。
演出スタイルの構図、照明設定、レンズ挙動、アスペクト比、カラーパレット。良いプロンプト：
動画プロンプト：暗い長いコートを着た引退した探偵が、雨に濡れた夜の路地を歩く。ワイドショットからミディアムクローズアップへゆっくりプッシュイン、濡れた石畳に赤と青のネオンが反射し、路地は一点透視、実用ネオン看板から2.39:1のアナモルフィックレンズフレア、煙草の煙が彼の顔を横切る。音声：舗道に落ちる雨、遠い交通音、柔らかなネオンのハム音。
実際のプロンプトテスト
テスト設定：PixVerseの動画生成で、7つのケースすべてに同じ基準設定を使用。 生成設定：5秒、720p解像度、16:9アスペクト比、雨と都市の環境音のために音声オン。 検証内容：具体的な映画言語が、一般的な “cinematic” という言葉より安定した雰囲気を作れるか。
雨の路地テストがうまくいったのは、雨に濡れた石畳、ネオン反射、一点透視、ゆっくりしたプッシュイン、ノワール照明という可視要素を指定したからです。探偵は視覚的な軸として残り、路地の奥行き、濡れた地面、赤青の看板が雰囲気を作ります。クリップが映画的に見えるのは、“cinematic” に頼ったからではなく、ショットの見え方を説明したからです。
Tip 3：カメラ移動を重ねるとジッターが出る
AI動画モデルはカメラ移動に対応できますが、主方向がひとつのときに制御しやすくなります。複数のカメラ指示を重ねると、ジッター、ドリフト、不要なトランジションが生まれやすくなります。
よくある間違い：複数のカメラ方向を組み合わせる
悪いプロンプト：
動画プロンプト：ミニチュアの磁気列車がガラスのテラリウム都市を走る。カメラはプッシュインし、左へパンし、列車の周囲をオービットし、苔の塔を見上げるようにチルトアップし、手持ちの揺れを加える。
これは実写のカメラワークのように聞こえますが、生成では空間ベクトルが多すぎます。モデルは順番に実行しようとするか、それらを混ぜて不安定な動きにしてしまいます。
なぜ失敗するのか
カメラ移動は空間的な指示です。プッシュイン、パン、オービット、チルト、手持ちの揺れは、それぞれ異なる運動ベクトルです。複数を重ねると、モデルはどれを優先し、いつ切り替えるかを判断しなければならず、その切り替え点で揺れが見えやすくなります。
修正方法
ひとつの主カメラ移動と、ひとつの質感キューだけを使います。
主移動：ゆっくりプッシュイン。
質感：わずかな手持ち感。良いプロンプト：
動画プロンプト：ミニチュアの磁気列車が、実験室のテーブル上にあるガラスのテラリウム都市を滑るように進み、苔の塔、小さな窓、ガラス壁の結露を通り過ぎる。カメラ：列車と平行に動く、ひとつの滑らかな横方向トラッキング。わずかな手持ち質感のみ。列車を中央に保ち、背景が横へ流れる。音声：柔らかな電気ハム、小さなレール振動、ガラス上の水滴、くぐもった室内音。
実際のプロンプトテスト
テスト設定：PixVerseの動画生成で、7つのケースすべてに同じ基準設定を使用。 生成設定：5秒、720p解像度、16:9アスペクト比、音声オン。 検証内容：単一の横方向トラッキングで、小さな被写体を読みやすく保ちながら背景に動きを作れるか。
このケースは、ガラス反射、小さな建物、結露、動く列車、マクロスケールなど、カメラを混乱させやすい要素を多く含みます。良いプロンプトは、モデルにひとつのカメラベクトルだけを与え、動く背景で視覚的なエネルギーを作ります。レビューでは、列車が中央に保たれているか、ガラス反射が安定しているか、音響設計がミニチュア感を支えているかを確認します。
生成されたクリップは、この検証群の中でも特に分かりやすい例です。列車はフレーム下部で読みやすく、苔に覆われたテラリウム都市がパララックスと奥行きを作っています。プッシュ、パン、オービット、チルトを重ねず、横方向トラッキングだけにしたことで、動きはありながらカメラが自分自身と競合していません。
Tip 4：通常のプロンプト欄にはnegative promptはない
多くのクリエイターはStable Diffusionの習慣を動画プロンプトに持ち込み、“negative: jitter, bent limbs, flicker, deformation” のようなリストを書きます。しかし多くのAI動画生成ツールでは、専用のnegative prompt欄がない限り、それは単なる追加テキストです。
よくある間違い：主プロンプトの中に “negative” 指示を書く
悪いプロンプト：
動画プロンプト：時計職人がデスクランプの下で浮遊する時計仕掛けのキューブを修理する。Negative：jitter, bad hands, bent fingers, flicker, deformation, broken gears, unstable lighting。
これにより出力が悪くなることがあります。モデルは “jitter”、“bent fingers”、“deformation” という単語を読むからです。それらをブロックする代わりに、ノイズのある連想を持ち込む可能性があります。
なぜ失敗するのか
専用のnegative prompt欄がない場合、すべてのプロンプトテキストは通常、正の指示として扱われます。モデルは “negative:” を硬い除外条件として自動的に理解するわけではありません。安定させたい場合は、望ましい安定状態を直接書きます。
修正方法
肯定的な制約文を使います。
顔は安定したまま。
手足は自然に動く。
照明はちらつかず一貫する。
体の比率は全体を通して一貫する。良いプロンプト：
動画プロンプト：時計職人が真鍮のピンセットで、暖かいデスクランプの下に浮かぶ小さな時計仕掛けのキューブの中へ透明な歯車をひとつ置く。カメラは手元からキューブへゆっくりプッシュする。手は自然に動き、歯車のエッジはシャープに保たれ、キューブは中央に残り、暖かいランプ光はちらつかず一貫する。音声：真鍮ピンセットのクリック、小さな歯車のチック音、静かな工房のルームトーン。
実際のプロンプトテスト
テスト設定：PixVerseの動画生成で、7つのケースすべてに同じ基準設定を使用。 生成設定：5秒、720p解像度、16:9アスペクト比、小さな機械音と工房のルームトーンのために音声オン。 検証内容：手の安定性、物体エッジの明瞭さ、照明の一貫性、肯定的制約が目に見えるアーティファクトを減らすか。
このケースでは、手、小さな歯車、透明なエッジ、暖かい光がすべてアーティファクトを起こしやすいため、negative promptの問題が分かりやすく出ます。良いプロンプトは、起きてほしくないことを列挙するのではなく、自然な手、シャープな歯車エッジ、中央にあるキューブ、安定したランプ光という望ましい状態を示します。レビューでは、この制約によってキューブをフレームごとに確認しやすくなったかを見ます。
出力では、ピンセット、透明キューブ、歯車のディテールがデスクランプの下で分離して見えます。手はモデルに負荷をかけるほど近いですが、肯定的制約が目標行動を明確にしています。これは、“deformation” や “bad hands” といった単語を繰り返すnegativeリストより実用的です。
Tip 5：“Fast” は出力品質を下げやすい
速度感が欲しいとき、“fast” は便利に見えます。しかし動画モデルでは、不安定な動きにつながることがよくあります。プロンプトに複雑なアクション、カメラ移動、粒子、複数の被写体が含まれていると、問題はさらに大きくなります。
よくある間違い：すべての要素を速く動かす
悪いプロンプト：
動画プロンプト：ロングボーダーが山道をfastに下る、fast camera、quick turns、fast motion blur、dynamic speed、intense action、rapid movement。
これは複数の高速要素を競合させます。モデルは被写体、カメラ、効果、シーンのタイミングを同時に動かす必要があり、ジッターや視覚的な破綻を起こしやすくなります。
なぜ失敗するのか
速度は単なるスタイルではなく、時間的な要求です。複数の要素が同時に加速すると、モデルは高い運動負荷の中で解剖、物体形状、カメラパス、背景の一貫性、効果のタイミングを保たなければなりません。“fast” と書く代わりに、速度が見える物理的なサインを説明します。
修正方法
“Fast” を物理的な動きの詳細に置き換えます。
足が力強く地面を打つ。
各ストライドが完全に伸びる。
腕が90度で振られる。
モーションブラーは顔ではなく背景から出る。良いプロンプト：
動画プロンプト：下り坂のロングボーダーが雨に濡れた山道のカーブへ深く入り、膝を圧縮し、後ろの手をアスファルトから数インチ上に浮かせる。各ホイールが細い水しぶきを外へ飛ばし、路肩の反射板が柔らかな背景の軌跡になる。カメラはボードの横で低く、ひとつの安定したトラッキングショットを保つ。ヘルメットとジャケットは安定したまま。音声：ホイールのハム音、濡れた路面のヒス音、風圧、ひとつのボードカーブ。
実際のプロンプトテスト
テスト設定：PixVerseの動画生成で、7つのケースすべてに同じ基準設定を使用。 生成設定：5秒、720p解像度、16:9アスペクト比、音声オン。 検証内容：物理的な動きの言葉が、モデルを過負荷にせず速度感を作れるか。
このケースは “fast” という単語を使わずに速度を見せています。ボードの傾き、圧縮された膝、ホイールの水しぶき、背景反射の伸びが速度を伝えます。レビューでは、ロングボーダーの体が安定しているか、カメラが低く安定しているか、ホイールと濡れたアスファルトの音が視覚破綻なしに速度を作っているかを確認します。
結果は、“fast” という言葉ではなく物理的な証拠で速度を伝えます。低いカメラ位置、濡れた道路の反射、圧縮された姿勢、水しぶきが下り坂の速さを感じさせつつ、体とボードを読みやすく保っています。これがこのTipの要点です。速度は、因果関係として書く方が制御しやすくなります。
Tip 6：参照画像を再説明すると被写体がドリフトする
画像から動画のプロンプトでは、アップロード画像にすでに見えている内容を繰り返すべきではありません。画像がスポットライト下の構造的な黒いハンドバッグをすでに示しているのに、プロンプトが同じバッグを少し違う言葉で説明すると、モデルは同じ被写体について画像とテキストの2つの入力を受け取ります。その微妙な差がドリフトを引き起こします。
よくある間違い：参照画像をもう一度説明する
画像から動画の悪いプロンプト：
動画プロンプト：曲線的なハンドル、銀色の留め具、構造的なボディ、ステッチされたパネル、暗いスタジオ背景を持つ黒いレザーハンドバッグが、ドラマチックなスポットライトの下に置かれている。
これらの詳細がすでに画像にある場合、プロンプトはモデルにそれらを再解釈させる可能性があります。出力では、物体のシルエット、素材、装飾ディテール、背景が変わることがあります。
なぜ失敗するのか
参照画像はすでに強い視覚指示です。見えている被写体を再説明すると、ピクセルと完全には一致しない第二の指示チャンネルが生まれます。IDを保つには、プロンプトを画像が示せない部分、つまり動きとカメラ挙動に使います。
修正方法
画像から動画のプロンプトは、動きの指示、カメラの指示、一つの一貫性ルールの3つに絞ります。良いプロンプト：
動画プロンプト：参照オブジェクトを完全にそのまま保つ。現在のフレーミングから穏やかなカメラプッシュインだけを加え、細いハイライトが見えている表面をゆっくり横切る。参照画像の正確なシルエット、素材、装飾ディテール、背景、光の方向、構図を保持する。音声：柔らかな展示室の空気感、かすかなガラス共鳴、わずかな布の擦れ。
実際のプロンプトテスト
テスト設定：PixVerseの動画生成で、7つのケースすべてに同じ基準設定を使用。 生成設定：5秒、720p解像度、9:16アスペクト比、画像から動画、微細な素材音とルームトーンのために音声オン。 検証内容：参照画像ベースのプロンプトが、カメラ移動と光の変化を加えながら製品IDを保てるか。
このケースは、参照画像がすでに物体を定義しているときにだけ成立します。プロンプトは色、形、素材、装飾ディテールを再説明せず、隠れた構造や見えない内部パーツを発明するようにも求めません。レビューでは、ハンドバッグのシルエット、留め具位置、ハンドル形状、革の質感、暗いスタジオ背景が保たれているか、そしてカメラとハイライトが動きを作っているかを確認します。モデルが物体を変える場合、プロンプトがまだ参照画像と競合している可能性があります。
生成クリップは意図的に控えめです。それがこのTipに合っています。製品が主役として残り、スポットライトは参照画像に近い視覚言語を保ち、動きは変形ではなく展示用のプッシュインに限定されています。参照画像ベースの商品動画では、退屈なほどの安定性が、大胆な動きより価値を持つことがよくあります。
Tip 7：抽象的な品質語は何も制御しない
“amazing”、“beautiful”、“high quality”、“epic”、“professional” はAI動画プロンプトでよく使われますが、信頼できる制御にはなりにくい言葉です。これらは高頻度ラベルであり、あまりに多くの出力とつながっています。
よくある間違い：品質形容詞でプロンプトを埋める
悪いプロンプト：
動画プロンプト：amazingでbeautifulでepicな祭りのシーン。high quality visuals、stunning motion、professional lighting、perfect composition。
このプロンプトは、出力が良いものであるべきだとは伝えています。しかし、このシーンで何が “良い” のかを伝えていません。
なぜ失敗するのか
抽象的な品質語は広い分布をサンプリングします。“Epic” は広大な風景、戦闘、光る空、大きなスケール、重い音楽、スローモーション、ファンタジー鎧などを意味し得ます。形容詞を見える具体要素に置き換えない限り、モデルは正確な意図を推測できません。
修正方法
すべての抽象形容詞を、名前のある可視キューに置き換えます。
演出スタイルの構図。
照明設定。
レンズ仕様。
カラーパレット。
素材の挙動。良いプロンプト：
動画プロンプト：薄い水鏡に覆われた白い塩湖で、夜の凧祭りが開かれている。深海生物の形をした3つの半透明の凧が頭上に浮かび、布の下で青緑の生物発光リブが脈打つ。足首の高さの反射から最も近い凧の尾へ低いカメラでゆっくりプッシュイン、24mm広角の感覚、シアンとマゼンタの色対比、地平線に並ぶランタン。音声：布のはためき、張った糸の振動、浅い水を踏む足音、遠い群衆のざわめき。
実際のプロンプトテスト
テスト設定：PixVerseの動画生成で、7つのケースすべてに同じ基準設定を使用。 生成設定：5秒、720p解像度、16:9アスペクト比、布、足音、群衆の環境音のために音声オン。 検証内容：具体的な視覚キューが、抽象的な品質語より強いスタイル一貫性を作れるか。
このケースでは、すべての抽象的な品質語を見える要素に置き換えています。塩湖の反射、半透明の深海生物型の凧、生物発光リブ、低いカメラ位置、広角感、シアンとマゼンタの対比、地平線のランタンです。レビューでは、モデルがこの珍しい視覚IDを保っているか、一般的な祭りのシーンへドリフトしていないかを確認します。
出力は最も重要なアイデアを保っています。半透明の深海生物型の凧と青緑の発光リブです。カメラ角度はプロンプトの足首の高さより高く見えるため、カメラ遵守は完璧ではありません。それでも、“beautiful epic festival” とだけ書いたプロンプトより視覚IDははるかに強く、具体名詞、照明キュー、色の関係が有効であることを示しています。
Bad Case 1：曖昧な品質プロンプト
悪いプロンプト：
動画プロンプト：未来都市についてのcool cinematic AI videoを作る。beautiful、realistic、dramatic、high quality、viralにする。
何が間違っているのか
このプロンプトはTip 2とTip 7に反しています。“cinematic”、“beautiful”、“dramatic”、“high quality” に依存していますが、具体的なショットを指定していません。被写体、アクション、カメラパス、時間、最終フレームがありません。
修正版プロンプト
動画プロンプト：6秒の未来都市リビール。カメラは雨に濡れた通りの低い位置を滑り、青いホログラム看板が舗道に反射する。1台の配送ドローンがレンズ近くを通過し、ガラスの塔へ上昇する。滑らかな前進トラッキング、クールな青いパレット、塔の入口の暖かい光、柔らかな雨、遠い交通音、ドローンの一度の通過。
Bad Case 2：過剰なスピードプロンプト
悪いプロンプト：
動画プロンプト：ロングボーダーが山道をfastに駆け下り、交通を避け、倒れた木を飛び越え、火花を出してスライドし、ドローンショットに切り替わり、ホイールのクローズアップに切り替わり、ヘルメット反射に切り替わり、5秒以内にロゴと花火で終わる。fast camera、perfect sound。
何が間違っているのか
このプロンプトはTip 1、Tip 3、Tip 4、Tip 5に反しています。長すぎ、アクションを重ねすぎ、過剰な表現で疑似的な除外を作り、多すぎる動きの要素に “fast” を使っています。モデルはエネルギーを出せるかもしれませんが、シーンをきれいに完了できません。
修正版プロンプト
動画プロンプト：下り坂のロングボーダーが雨に濡れた山道のカーブへ深く入り、膝を圧縮し、後ろの手をアスファルトから数インチ上に浮かせる。各ホイールが細い水しぶきを外へ飛ばし、路肩の反射板が柔らかな背景の軌跡になる。カメラはボードの横で低く、ひとつの安定したトラッキングショットを保つ。ヘルメットとジャケットは安定したまま。音声：ホイールのハム音、濡れた路面のヒス音、風圧、ひとつのボードカーブ。
そのまま使えるAI動画プロンプトテンプレート
最初の試作では、この構造を使います。
動画プロンプト： [被写体] + [ひとつのアクション] + [場所]。 [ひとつのカメラ移動] + [具体的なスタイル、レンズ、照明、構図]。 [肯定的制約：何を安定させるか、何を出さないか、音声が必要か]。
例：
動画プロンプト： 陶器のコーヒーカップが暗い木のテーブルに置かれ、湯気がゆっくり巻き上がる。 ゆっくりしたマクロプッシュイン、暖かいタングステンのサイドライト、浅い被写界深度、静かな朝のカフェ背景。 カップの形は安定したまま、文字オーバーレイなし、音声には柔らかなルームトーンとかすかなスプーンの音。
最終ポイント
良いAI動画プロンプトは、長いものではなく、明確なものです。被写体、アクション、場所を最初に置きます。“cinematic” や抽象的な品質語を具体的な視覚キューに置き換えます。カメラ移動はひとつにします。疑似的なnegative promptを避けます。“fast” を物理的な動きの詳細に置き換えます。画像から動画では、参照画像を再説明しません。
これらの修正は、ほとんどの現在のAI動画生成ツールで有効です。なぜなら、時間的ドリフト、曖昧なスタイルサンプリング、カメラジッター、被写体の不一致、動きの過負荷という共通の弱点を狙っているからです。PixVerseでは、Seedance 2.0、HappyHorse 1.0、PixVerse V6、PixVerse C1、Kling O3、Kling 3.0に同じプロンプトを試せるため、別々のツールでワークフローを作り直す必要がありません。
FAQ
良いAI動画プロンプトとは何ですか？
良いAI動画プロンプトは、モデルに明確なショットを与えます。被写体、アクション、場所、ひとつのカメラ移動、見えるスタイルキュー、少数の肯定的制約です。“黒い大理石上のガラス香水ボトル、小さなショーケースターン、暖かいリムライト、安定した反射” は、“cinematic luxury product video” より強い指示です。
AI動画プロンプトはどのくらいの長さがよいですか？
多くのテキストから動画プロンプトでは、50から80語が実用的な出発点です。被写体、アクション、場所を先に書き、その後にカメラ移動、照明、動きの詳細、音声を加えます。最初の文が曖昧なら、語数を増やしても制御は弱くなりがちです。
なぜ “cinematic” はAI動画プロンプトで弱いのですか？
“Cinematic” はAI動画生成プロンプトとして広すぎます。“35mm handheld feel”、“rainy alley with neon reflections”、“slow dolly-in”、“hard backlight”、“warm practical lights in the background” など、見える映画言語に置き換えましょう。
AI動画生成ツールはnegative promptsに対応していますか？
専用のnegative prompt欄を持つツールもありますが、通常の動画プロンプト欄ではすべてのテキストが指示として読まれます。失敗を列挙する代わりに、“hands remain natural”、“camera stays steady”、“background remains empty”、“product silhouette stays intact” のような肯定的制約を書きます。
画像から動画で被写体を変えないプロンプトはどう書きますか？
画像から動画では、アップロード画像を再説明しないでください。プロンプトは動き、カメラ挙動、光の変化、音声、安定ルールに使います。“参照オブジェクトをそのまま保つ。穏やかなプッシュインを加える。シルエット、素材、背景、構図を保持する。” のように書きます。
プロンプト検証にはどのAI動画生成ツールを使うべきですか？
この記事では、7つのテストすべてで同じPixVerse生成設定を使いました。同じAI動画プロンプトTipsは、曖昧なスタイルサンプリング、時間的ドリフト、カメラジッター、動きの過負荷、参照画像の不一致という共通課題を狙うため、多くの現行生成ツールに応用できます。
どんなAI動画プロンプト例がテストに役立ちますか？
役立つAI動画プロンプト例は、1回に1つの能力をテストします。商品ターンは動きの精度、雨の路地はスタイル制御、単一トラッキングショットはカメラ安定性、参照オブジェクトのプロンプトは被写体一貫性を確認できます。評価では、プロンプト遵守、動きの制御、時間的一貫性、音声の使いやすさ、制作での実用性を見ます。