動画生成のプロンプトを被写体・動作・カメラ・環境に分ける

動画の指示がまとまらないときは、文章を長くする前に内容を四つへ分けてみます。「被写体」「動作」「カメラ」「環境」です。決まった呪文ではなく、誰が何をする映像なのかを確認するための制作メモとして使います。

被写体は、画面の中で見せたい人物や物です。動作は、その被写体に起こる変化です。「女性、白い箱、手元のアップ」と並べるだけでは、誰が箱をどうするかが曖昧です。「女性が両手で白い箱を机へ置く」と一文にすると、動作の担当が分かります。

複数人がいる場合は「左の人物が渡す、右の人物が受け取る」のように位置を加えます。途中で立ち位置を変えるなら、左右だけでは識別できなくなるため、衣装や参照対象の名前も整理します。

人物が近づくことと、カメラが人物へ近づくことは別の演出です。「顔が大きくなる」だけでは、どちらを望んでいるかが伝わりません。人物をその場に留めたいなら、その条件とカメラの移動を分けて書きます。

説明用の例なら、「人物は椅子に座ったまま顔を上げる。カメラは正面からゆっくり近づく」とします。逆に固定した画角が必要なら、カメラの移動は指定せず、固定カメラを意図していることを記録します。この例の生成成功は検証していません。

環境には場所、照明、天候、周囲の動きなどを書きます。カーテンが揺れることが大事な場面なら、その変化を加えます。商品の形を見せたい場面で、雨、風、人混み、点滅する照明を同時に増やす必要があるかは考え直します。

画像を入力する場合は、すでに画像で決まっている見た目と、文章で追加したい条件を区別します。元画像が昼の室内なのに、夜の屋外を指示するなら、それは動きの追加に加えて場面変更でもあります。

結果を見て直すときも、この分け方を使います。「人物が別人に見える」「箱を置き切れない」「勝手に寄る」「背景が変わる」は異なる問題です。変更した項目と、維持した項目を残します。

記録用の一行は「被写体：人物A／動作：箱を置く／カメラ：固定／環境：昼の机」で十分です。そこから必要な情報だけを文章へ組み立てます。四項目を埋めることが目的ではなく、実際に見せたい一つの動きを、矛盾なく説明できることを目指します。