AI動画生成で差がつくのはモデルではなくプロンプト設計
同じモデル、同じ尺、同じ題材で作ったのに、仕上がりだけが見違えるように自然に見える。AI動画制作でよく起きるこの現象の原因は、ほぼ例外なくプロンプトの設計差です。テキストから映像を生成するモデルが横並びに近づいた今、出力の品質を左右するのは「どのツールを選ぶか」よりも「どの順番で何を伝えるか」へと移りました。
プロンプトは注文書ではなく設計図です。被写体、動作、カメラ、光、質感、時間の流れという6種類の情報を、モデルが解釈しやすい順序で並べたものです。ところが実際には、頭に浮かんだ情景を形容詞で埋めてしまう人が少なくありません。「美しい」「幻想的」「高品質」といった語は人間には雰囲気を伝えますが、モデルにとっては具体的な映像の指定にはなりません。
出力がばらつく原因は主に3つあります。第一に情報の欠落。第二に情報の衝突（昼景なのに強いネオン、静止のはずが手ブレ指定など）。第三に順序の乱れです。この3つを潰すだけで、同じモデルでも再現性は驚くほど変わります。
さらに、生成を「当たり待ち」にしないことも重要です。同じプロンプトを何度も回して良い結果を拾う使い方は、短期的には有効でも再現できないため制作には向きません。狙った画を意図どおりに出せる状態を目指すほうが、結果的に速くなります。
この記事では、プロンプトを6つの層に分解して組み立てる方法、モデルごとの書き分け、キャラクターの一貫性を保つ設計、ネガティブ指定と重み付け、企画から書き出しまでのワークフロー、よくある失敗の修正手順、テンプレート管理までを順に扱います。読み終えるころには、勘で書く状態から、意図して設計する状態へ移行できるはずです。
プロンプトを6つの層に分解する
プロンプトを書くときは、思いついた順に単語を並べるのではなく、モデルが処理しやすい順に層を積み上げます。基本の順序は「主題→被写体→動作→カメラ→光→質感→時間」です。短いクリップならすべての層を書く必要はありませんが、どの層を省略したのかを自覚しておくことが大切です。省略した層は、モデルが勝手に補完します。つまり、書かなかった情報は「平均的な無難な表現」で埋められるということです。
第1層：主題とジャンル
何の映像なのか、どのジャンルなのかを最初に固定します。「サイバーパンク都市の夜明け」「北欧の静かな湖」「商品紹介のスタジオカット」のように、ジャンル語は後続のスタイル語の解釈を大きく変えます。ジャンルを書かないと、モデルは中間的な表現に落ち着き、特徴のない映像になりがちです。
第2層：被写体と動作
主役は誰か、何か。そして何をしているか。ここは名詞と動詞で書きます。形容詞よりも動詞が効きます。「女性が振り返る」「コーヒーが注がれる」「紙が舞い落ちる」のように、動作をひとつに絞ると破綻が減ります。複数の動作を同時に指定すると、モデルは両方を中途半端に混ぜてしまいます。
第3層：カメラワークと構図
カメラの位置と動きは、映像の印象を最も大きく変える層です。「ローアングル」「クローズアップ」「ゆっくりしたドリーイン」「固定カメラ」「空撮のオービット」など、撮影用語で指定します。構図は「三分割法」「中央配置」「前景に手すり、背景に街並み」のように、要素の配置まで書くと安定します。
第4層：ライティングと色彩
光は時間帯と光源の種類で指定します。「早朝の斜光」「曇天の拡散光」「逆光のリムライト」「室内の窓明かり」などです。色彩は「寒色系で統一」「くすんだアースカラー」「補色のコントラスト」のように、パレットの方向性を伝えます。色温度を数値で指定できるモデルもありますが、まずは言葉で方向を定めるほうが扱いやすく、他のモデルへ移行するときにも流用できます。
第5層：スタイルと質感
実写風か、アニメ調か、粘土細工風か、切り絵風か。スタイルは語彙がモデルごとに異なるため、効果のあった言い回しをメモしておく価値があります。「35mmフィルムの粒子」「シネマティックな階調」「水彩のにじみ」「停止モーションアニメ」など、素材感まで書くと差がつきます。
第6層：時間軸とモーション
クリップの長さ、動きの速さ、変化の有無を指定します。「5秒のワンカット」「ゆっくり歩く速度」「最後に静止して余韻を残す」といった指示です。長めの生成では、この層を省くと後半で被写体が崩れたり、背景が別の場所に変わったりする原因になります。
目的別のプロンプト例と分解
理論だけでは身につかないので、実際の用途別にプロンプトを分解してみます。ポイントは、書いた語が6層のどこに当たるかを意識することです。
商品の登場カット
例：「白い陶器のカップ、湯気の立つコーヒー、ゆっくりしたドリーイン、早朝の窓明かり、無地の背景、35mmフィルムの質感、5秒、最後に静止」
主題は商品紹介、被写体はカップとコーヒー、動作は湯気が立つこと、カメラはドリーイン、光は窓明かり、質感はフィルム、時間は5秒です。このように層ごとに語を並べると、どこを変えれば印象が変わるのかが分かります。背景を「無地」から「木目のテーブル」に変えれば、同じ構図のまま世界観だけを差し替えられます。
人物のポートレートカット
例：「40代の女性、窓辺で本を閉じて顔を上げる、肩越しのミディアムショット、柔らかな逆光、落ち着いたベージュ系の配色、浅い被焦点距離、静かな室内、4秒」
人物の場合、年齢や服装よりも「動作の瞬間」と「カメラとの距離」が結果を左右します。顔を正面から固定するより、視線の先や手の動きを書いたほうが自然な表情が出やすくなります。
自然風景と天候
例：「霧の谷、朝日が尾根を照らす、ゆっくりした上空からの前進、広角、深い被写界深度、寒色と暖色の境界、8秒」
風景では「天候」と「光の向き」が最重要です。天候を書かないと晴天になりがちで、映像が単調になります。霧、雨上がり、雪明かりなど、空気感を指定すると一気に映像らしくなります。
抽象的なコンセプト表現
例：「信頼という抽象概念、二本の光の線が交差して一本になる、暗い背景、金属的な反射、中央固定のカメラ、6秒、最後に光が収束する」
抽象表現では、情景ではなく「変化のプロセス」を書きます。始まりの状態、途中の動き、終わりの状態を順に並べると、モデルが物語として解釈しやすくなります。
モデルごとのクセを読み取って書き分ける
同じプロンプトでも、モデルによって得意な表現は異なります。ここで重要なのは、モデル名を覚えることではなく、それぞれの反応の傾向を短いメモに残すことです。
ひとつめの傾向は、プロンプトの長さへの耐性です。短い指示から発想を広げるタイプのモデルに長文を渡すと、後半の語が無視されることがあります。逆に、長文を丁寧に反映するタイプに短い指示を渡すと、被写体が不安定になります。まず10語程度の短い版と、40語程度の長い版の両方を試し、どちらが安定するかを確認します。
ふたつめは、カメラ用語への反応です。撮影用語をそのまま解釈できるモデルもあれば、「ドリーイン」より「カメラがゆっくり近づく」のほうが正確に伝わるモデルもあります。迷ったら両方を併記します。
みっつめは、スタイル語の偏りです。あるモデルでは「シネマティック」が暗めの階調を意味し、別のモデルでは単に高精細という意味になります。スタイル語は、必ず自分の目で結果を確認してから採用してください。
モデルを切り替えるときは、プロンプト全体を書き直すのではなく、層ごとに差分を確認します。被写体は同じでカメラだけ変える、光は同じでスタイルだけ変える。この検証を繰り返すと、自分専用の書き分け表ができあがります。
一貫性を保つ設計：キャラクター・空間・時間
複数のカットをつなげて一本の映像にする場合、最も難しいのが一貫性です。人物の顔、服装、部屋の配置、光の向き。これらがカットごとに変わると、視聴者は即座に違和感を覚えます。
キャラクターの固定
効果的なのは、人物を形容詞で説明するのではなく「属性のリスト」として定義する方法です。年齢、髪型、髪色、服装の色と素材、体型、アクセサリー。これをテンプレート化して、すべてのカットで同じ文言をコピーします。各カットで変えるのは動作とカメラだけです。
参照画像を使える場合は、同じ人物の正面、斜め、横の3枚を用意し、各カットで共通して参照させます。参照の枚数を増やしすぎると、モデルが別々の人物として平均化してしまうことがあるため、2〜3枚が扱いやすいです。
空間の固定
背景も同じ考え方です。部屋なら「窓は左、机は中央、壁は白」のように配置を固定し、カットごとに文言を変えません。アングルが変わると背景の要素が入れ替わりやすいので、前景と背景に何があるかを毎回明記します。
時間の固定
同じシーンを時間帯違いで見せる場合、光の方向を固定したまま色温度だけを変えると自然につながります。「朝は窓から差し込む斜光」「夕方は同じ位置から橙色の光」のように、光源の位置を基準に変化させます。
一貫性は、生成後に修正するより、事前に固定するほうがはるかに安く済みます。固定すべき要素のリストを先に作り、それをすべてのカットに貼る運用にすると失敗が減ります。
ネガティブ指定とウェイト調整の実践
ネガティブプロンプトは、避けたい要素を指定する欄です。ただし何でも書けばよいわけではありません。書きすぎると、モデルがその語に引っ張られて逆に出現しやすくなることがあります。
基本のネガティブ指定は3種類に絞ります。第一に、破綻系。「余分な指」「変形した手足」「二重の輪郭」「文字化け」などです。第二に、スタイルの混入。「アニメ調の線」「イラスト的な塗り」など、実写を狙うときに排除したいものです。第三に、構図のノイズ。「透かし」「ロゴ」「フレーム」などです。
ウェイト調整は、重要な語を強調する仕組みです。多くのモデルで、語の後に数値を添えるか、括弧の層を増やす方法が使われます。ただし強調しすぎると画が硬くなり、他の要素が潰れます。目安として、強調は1つのプロンプトにつき2語までに抑えると扱いやすくなります。
強調すべきなのは、多くの場合「被写体」ではなく「動き」と「光」です。被写体は名詞なのでもともと通りやすく、動きと光は埋もれやすいからです。
ネガティブ指定を増やしすぎて画が固くなったら、指定を半分に減らして同じプロンプトを試します。多くの場合、少ない指定のほうが自然な結果になります。
制作ワークフロー：企画から書き出しまでの手順
ここからは、実際の制作の流れに沿って手順を整理します。
- 目的と尺を決める。縦型か横型か、何秒か、どこで使うか。これを決めずに書き始めると、後工程で全部作り直すことになります。
- カット割りを書く。10秒の映像なら3〜4カットに分け、各カットの役割を一行で書きます。
- 6層テンプレートを埋める。各カットについて、主題、被写体、動作、カメラ、光、質感、時間を順に記入します。
- 短い版で検証する。まず10語程度の短いプロンプトで構図と動きを確認します。ここで構図が決まらないまま長文を書いても、混乱が増えるだけです。
- 層を足して精密化する。構図が固まったら、光と質感を追加します。
- 動きの量を調整する。動きが大きすぎる場合は「ゆっくり」「わずかに」といった語を足し、逆に不足する場合は動作を具体化します。
- 複数案を並べて比較する。同じプロンプトで変えるのは1層だけにし、比較の意味を保ちます。
- 採用案を固定して量産する。カット間で共通の文言をコピーし、動作とカメラだけを変えます。
- 書き出し後に見直す。つなぎで色が跳ねていないか、人物の位置が急に変わっていないかを確認します。
この流れの要点は、いきなり完成形を書かないことです。短い版で骨格を決め、層を足して肉付けする。この順序を守るだけで、試行回数は半分以下になります。
よくある失敗と修正手順
被写体が途中で別物になる
原因は、被写体の説明が形容詞中心で一意に定まっていないことです。属性リストに書き換え、参照画像を併用します。また、カメラが大きく動く指示と長時間のクリップが組み合わさると崩れやすいため、カットを分割します。
動きが速すぎて不自然
「速く」「激しく」といった語を外し、「ゆっくり」「滑らかに」に置き換えます。それでも速い場合は、動作そのものを単純化します。ひとつのカットに複数の動作を詰め込むと、速度が上がって破綻しやすくなります。
色が意図と違う
光の指定が曖昧なのが原因です。時間帯と光源の種類を追加し、パレットの方向を一言で書きます。色温度を直接指定できる場合は、寒色と暖色のどちらに寄せるかを数値で示します。
背景がカットごとに変わる
前景と背景の要素を毎回明記していないことが原因です。空間の固定リストを作り、すべてのカットに貼ります。
全体的に平凡で印象が弱い
ジャンルとスタイルの層が抜けている可能性が高いです。主題だけを書いたプロンプトは、平均的な画に落ち着きます。ジャンル語、光の方向、素材感を1つずつ足して、どこで差が出るかを確認します。
文字やロゴが混入する
ネガティブ指定に文字関連の語を追加します。また、看板や本など文字が入りやすい物体を構図から外すほうが根本的な解決になります。
テンプレート管理と再利用の設計
プロンプトは一度書いて終わりではなく、資産として蓄積します。おすすめは、層ごとに段落を分けたテンプレートを用意し、案件ごとに差し替える運用です。
基本形は次のようになります。
- 主題とジャンル：（ここを差し替え）
- 被写体と動作：（属性リスト＋動作）
- カメラと構図：（アングル、動き、配置）
- 光と色彩：（時間帯、光源、パレット）
- スタイルと質感：（素材感、階調）
- 時間とモーション：（尺、速度、終わり方）
- ネガティブ：（破綻系、混入系、ノイズ系）
テンプレートを運用するときは、各テンプレートに「うまくいった条件」を一行で添えます。どのモデルで、どのくらいの尺で、どんな結果だったか。これを残しておくと、数か月後に同じ判断をやり直さずに済みます。
また、プロンプトのバージョン管理も有効です。変更するときは元の文を消さずに、日付や通し番号を付けて残します。良い結果が出た版に戻れる状態を保つことが、結果として制作速度を上げます。
チームで使う場合は、層の順序と表記ゆれのルールを決めます。たとえば「カメラ用語は英語、光は日本語」のように統一しておくと、メンバー間でプロンプトを交換しても結果が大きくぶれません。
FAQ
プロンプトは長いほうが良いのでしょうか
一概には言えません。長さそのものより、層が揃っているかが重要です。情報のない形容詞を並べた長文は、短い具体的な指示に負けます。まず6層を短く埋め、必要な層だけを厚くするのが基本です。
同じプロンプトでも結果が変わるのはなぜですか
生成には乱数要素が含まれるため、完全に同一の結果は出ません。ただし、被写体の属性、カメラ、光が具体的であれば、ばらつきの幅は大きく狭まります。ばらつきが大きいときは、曖昧な語が残っているサインです。
参照画像は何枚くらいが適切ですか
人物なら2〜3枚、背景なら1〜2枚が扱いやすい目安です。増やしすぎると、モデルが複数の要素を平均化して別物になることがあります。まず1枚で試し、不足する要素を1枚ずつ足すほうが調整しやすくなります。
日本語で書いても大丈夫ですか
モデルによって得意な言語は異なります。日本語で意図が通るならそのまま使い、通らない場合は主要な名詞とカメラ用語だけ英語に置き換える方法が現実的です。言語を混ぜるときは、層ごとに統一すると結果が安定します。
ネガティブ指定はどれくらい書けばよいですか
3〜6語程度から始めてください。増やすほど画が硬くなり、自然さが失われます。破綻系、混入系、ノイズ系の3分類で、実際に困ったものだけを足していく運用が長続きします。
動きが思いどおりになりません
動作をひとつに絞り、速度を表す語を足します。複数の動作を同時に指定している場合は、カットを分割してそれぞれ独立したプロンプトにしてください。動きの量は、モデルごとの差が最も出やすい部分なので、比較検証の価値があります。
上達するには何を練習すればよいですか
1つのカットについて、層を1つずつ変えた5つの版を作り、並べて見比べる練習が効果的です。カメラだけを変える、光だけを変える、スタイルだけを変える。この比較を繰り返すと、どの語がどの変化を生むのかが体で覚えられます。
まとめ：意図して書く状態へ
AI動画生成の品質は、モデルの性能よりも情報の設計で決まります。主題、被写体、動作、カメラ、光、質感、時間という層を意识して並べ、各層に具体的な語を置く。これだけで、出力は驚くほど安定します。
逆に、形容詞を積み上げたプロンプトは、どんなに長くても結果が読めません。読めない結果は、制作の計画を立てられないということです。
まずは手元のカットをひとつ選び、6層に分解して書き直してみてください。短い版で骨格を確認し、光と質感を足し、ネガティブ指定を最小限に整える。この一周を経験すると、次に同じ作業をするときの速度がまるで変わります。プロンプトは才能ではなく、設計の習慣です。習慣にできた人から、安定して良い映像を出せるようになります。
