動画生成AIのプロンプトを書くとき、10秒を超える動画なら、3秒くらいずつ秒数で区切って書いてみてください。
理由はシンプルです。AgentCraft に集めている動画プロンプト1,081本のうち、英語の全文がある1,027本を数えてみたら、463本（45%）が 0-3s、3-7s のように秒数で区切られていました。区切りの数は中央値で6つ、1区間の長さは中央値で3秒です。どれも作り手が生成結果と一緒に公開しているプロンプトなので、実際に使われている書き方と言っていいと思います。
では、区切ったプロンプトは中身をどう書いているのでしょうか。
1つの区間に1つのショット
まゆひらa（@riddi0908）さんが X で公開している MiniMax H3 のプロンプトは、5秒のアイドル動画を3つに区切っています。
Storyboard:
[0s-1.5s] Shot 1: Medium close-up: The idol girl steps forward with a big smile, bringing the microphone to her mouth, blinking playfully as stage lights twinkle behind her.
[1.5s-3.5s] Shot 2: Close-up on her face: She speaks clearly into the microphone with precise lip-sync: "みんな、こんにちは！今日も一緒に楽しもうね！" (Minna, konnichiwa! Kyou mo issho ni tanoshimou ne!). She winks on "tanoshimou ne!".
[3.5s-5s] Shot 3: Slightly pulled-back medium shot: She strikes a cute victory-pose/heart-pose with her free hand, tilting her head with a beaming smile as sparkle particles drift around her.
区間ごとに、カメラの距離をミディアムクローズアップ、クローズアップ、少し引いたミディアムと1つずつ決めています。セリフも日本語のまま入っていて、口の動きを合わせるのが2区間目だとはっきり分かります。
よく使われるカメラ用語トップ10
1,027本で、23個のカメラ用語がそれぞれ何本に出てくるかを数えました。1本の中で何回出てきても1本として数えています。
| 順位 | 用語 | 本数 | 割合 |
|---|---|---|---|
| 1 | close-up | 425 | 41% |
| 2 | handheld | 355 | 35% |
| 3 | tracking shot | 321 | 31% |
| 4 | slow motion | 215 | 21% |
| 5 | low angle | 163 | 16% |
| 6 | pan | 139 | 14% |
| 7 | push-in | 131 | 13% |
| 8 | wide shot | 126 | 12% |
| 9 | aerial / drone | 122 | 12% |
| 10 | orbit | 118 | 11% |
クローズアップと手持ちカメラは、3本に1本以上のプロンプトに出てきます。23個のうちどれか1つでも使っているプロンプトは83%でした。
ちょっと意外だったのが handheld の多さです。355本のうち140本は Vlog カテゴリのプロンプトで、Vlog カテゴリ170本の82%にあたります。355本のうち145本は shake などの言葉で手ブレまで指定していました。
Seedance 2.5 と MiniMax H3 の書き方
本数が多い2つのモデルを並べてみます。
| Seedance 2.5 | MiniMax H3 | |
|---|---|---|
| 本数 | 566 | 289 |
| 長さの中央値 | 355語 | 314語 |
| 秒数で区切っている | 51% | 39% |
| 区切りの数（中央値） | 6 | 5 |
| 見出し付きのブロックで書いている | 45% | 34% |
| no、avoid、without で避けたいことを書いている | 74% | 67% |
| 音やセリフに触れている | 56% | 56% |
Seedance のほうが長く、区切りも多めで、CAMERA: や LOOK: のような見出しでブロックに分けて書く人が多い。音やセリフに触れる割合は、どちらも56%で同じでした。
Seedance 2.5 の例を1つ。𝗦𝗮𝗻𝗶𝗮（@saniaspeaks_）さんの、2000年代の韓国の誕生日をホームビデオ風に撮るプロンプトは、30秒を7つの場面に分けています。途中を抜き出すとこんな感じです。
0–4s — GETTING READY: The same young Korean birthday girl gets ready in her early-2000s bedroom, fixes her hair, adjusts makeup, picks up her handbag and smiles toward the camera.
4–8s — MEETING FRIENDS: She walks through an authentic Korean neighborhood, meets the same 2–3 friends, they congratulate her and walk together toward a bakery.
8–11s — BAKERY: They enter a small early-2000s Korean bakery, browse cakes and choose one birthday cake.
場面ごとに見出しを付けて、何秒から何秒に何が起きるかを1行で書いています。ケーキの箱が次の場面でも映り続けるように、とつなぎまで指定しているのが細かいところです。
自分で書くときの順番
私が真似してみて効果があったやり方です。
- 動画の長さを決めて、3秒前後で区切る。
- 区間ごとにショットを1つ、カメラの距離と動きを書く。
- セリフや効果音があるなら、どの区間で鳴るかまで書く。
- 最後に、ちらつきや歪みなど避けたいことを並べる。
最近いまいちだった動画のプロンプト、区切りはいくつありましたか。
今回数えた動画プロンプトは、AgentCraft の動画ページでモデルや用途ごとに生成結果を見ながら探せます。ページは英語版です。
https://agentcraft.dev/en/prompts/video/
利益相反の開示：筆者 Adrian Vale は AgentCraft の運営に関わっています。