実践的な AI 動画ガイド
AI 動画プロンプト
実際に通る AI 動画プロンプトの書き方。六部構成、カメラ運動の語彙表、弱い例と強い例の書き直し、画像生動画との書き分け、そして失敗 5 種の直し方。
VidVid で作成出来の悪い AI 動画の多くは、モデル問題の服を着たプロンプト問題です。モデルは指示どおりに動きました。問題は、ショットを指示すべきところで雰囲気を指示してしまったことです。
通る動画プロンプトには六つの部分があります。全部は要りませんが、最初の三つは常に必要です。
六部構成
| 部分 | 何を答えるか | 例 |
|---|---|---|
| 主体 | 画面に何があるか | マットな白い陶器のボトル |
| 動作 | 何が動くか | その場でゆっくり回転 |
| カメラ | 画面がどう動くか | ゆっくり押し寄せ、水平線は固定 |
| 光 | 光はどこからか | 左からの柔らかいキーライト、暖かいフィル |
| スタイル | どう見せるか | 商業製品写真 |
| 制約 | 何を変えないか | 形は変えない、画面に文字を出さない |
順序より網羅が重要です。主体・動作・カメラを書いた短いプロンプトは、雰囲気だけを美しく書いた長文に勝ちます。
モデルが実行できるカメラ語彙
名詞を使い、形容詞を使わない。「シネマティック」は結果で、「ゆっくり押し寄せ」は指示です。
| 用語 | 内容 | 使う場面 |
|---|---|---|
| 押し寄せ | カメラが主体へ近づく | ディテールを見せる、注意を集める |
| 引き | カメラが遠ざかる | 状況を示す、ショットを終える |
| パン | 固定軸での水平回転 | 横の動きを追う |
| チルト | 固定軸での垂直回転 | 高さと尺度を示す |
| オービット／弧 | カメラが主体を回る | 多面を見せる——角度は小さく |
| トラッキング | 動く主体に並走 | 人や乗り物を追う |
| 手持ち | わずかな有機的な揺れ | ドキュメンタリー感、エネルギー |
| 固定 | カメラは動かない | 主体の安定性が最大 |
| ドリー | 滑らかな物理移動 | 構図を保った映画的移動 |
| クレーン／空撮 | 高い、または上昇する視点 | 確立ショット、尺度 |
弱いプロンプトと強いプロンプト
弱い例。 「美しいシネマティックなコーヒー製品のショット、プレミアムな雰囲気、素晴らしいライティング。」
失敗の理由。 主体の詳細、カメラ指示、動作、制約がゼロ。モデルがすべてを創作し、そこに不一致が入ります。
強い例。 「明るいオークのテーブルの上のマットな黒いコーヒータンブラーの寄り、湯気がゆっくり立ち上る、カメラは固定、左からの柔らかい窓光と暖かいフィル、浅い被写界深度、商業製品写真のルック、形は変えない、画面に文字なし、4 秒、16:9。」
変わった点。 具名された主体、1 つの明確な動作、明示されたカメラ指示、光の方向、スタイル、そして製品を守る 2 つの制約。
文生動画と画像生動画の書き分け
文生動画はすべてを記述します。主体・動作・カメラ・光に言葉を使い、細部は近似的だと受け入れます。
画像生動画では主体をほとんど書きません。参照画像が既に持っています。動き・カメラ・光だけを書き、そして制約を足します：形は変えない 色は変えない 顔は変えない。画像生動画で主体を詳しく書くと、モデルはそれを作り直そうとします。
この違いだけで「製品が変形した」不満のかなりの部分が解消します。AI 商品動画ジェネレーター も参照してください。
使い回す制約
形は変えない/変形させない— 製品の最優先の保護文字は読みやすく— 有効だが、レタッチ工程は前提水平線は固定— 建築での地平線の漂流を止める手ブレなし— 固定を指定したのに手持ちになるとき色は変えない— ブランド色が重要なとき画面に文字なし、ロゴなし、透かしなし— 生成された文字を排除顔と衣装は変えない— キャラクター物
反復の回し方
失敗時に全部を書き直さない。1 回につき 1 変数だけ変えます。
- 主体が違う → 主体の行だけ直す。
- 構図が違う → カメラの行だけ直す。
- 平坦に見える → 光の行だけ直す。
- 形が崩れる → 尺を縮め、動きを小さくし、制約を足す。
- スタイルが違う → スタイルの行だけ直す。
1 変数ずつ変えるから結果が解釈できます。5 つ同時に変えると、成否にかかわらず何も学べません。
失敗 5 種と直し方
1. 主体が変形する。 1 回の要求に動きが多すぎます。2〜4 秒に縮め、動きを小さくし、画像生動画に切り替え、形は変えない を足す。
2. カメラが指定と逆に動く。 形容詞を使ったためです。“劇的な動き”を具名の動きと方向に替える。
3. 全体が柔らかく低コントラスト。 光の指示がない。光源と方向を足す。
4. 意味不明な文字が出る。 画面に文字なし、ロゴなし、透かしなし を足し、画面を整理する。
5. 2 秒までは良いが崩れる。 動き量に対して尺が長い。2 本に分けてつなぐ。
テストカード
カード A — 構造テスト。 いま最悪のプロンプトを六部表に沿って書き直す。同モデル・同設定。 **出力：**このカードの H3 実行結果（ファイル・プロンプト・設定）は下に公開しています。
カード B — 単一変数テスト。 「惜しい」ショットのカメラ行だけを変えて再生成し比較。 **出力：**このカードの H3 実行結果（ファイル・プロンプト・設定）は下に公開しています。
カード C — 制約テスト。 変形する製品ショットに 形は変えない を足し、尺を半分に。 **出力：**このカードの H3 実行結果（ファイル・プロンプト・設定）は下に公開しています。
この 3 枚のカードの裏にある MiniMax H3 実測 3 本
同じ 3 枚のカードを、MiniMax H3 の公式 API で 768P 固定・各 1 回実行しました。ファイル・プロンプト・設定はすべて下に公開しているので、そのまま再現できます。参考画像と汎用プロンプトによる基準実行であり、あなたの素材での結果ではありません。所要時間とフレーム安定性の証拠として読み、あなたの素材への評価とは切り分けてください。
実際に送ったプロンプト： A slow macro push-in on a matte ceramic object, realistic reflections, black studio background, premium commercial lighting, the object keeps its exact shape, no deformation, 5 seconds.
実際に送ったプロンプト： Vertical 9:16 product hook, energetic but controlled camera move, subject fully visible in the first second, bright accent colour, shallow depth of field, object shape stays fixed.
実際に送ったプロンプト： Extreme macro of a brushed metal surface, slow lateral camera move, reflected light crawling across the material, no distortion, commercial product photography look.
| カード | モード | 設定 | 出力ファイル | 投入 → 取得 |
|---|---|---|---|---|
| A | 画像→動画 | 5s · 768P | 1344×768, 24 fps, 5.2 s, 726 KB | 196 s |
| B | テキスト→動画 | 5s · 768P · 9:16 | 768×1344, 24 fps, 5.2 s, 1.0 MB | 117 s |
| C | テキスト→動画 | 4s · 768P · 1:1 | 768×768, 24 fps, 4.5 s, 341 KB | 83 s |
前提：同一モデルの単発 3 回です。VidVid 内部のクレジット減算は未計測、他モデルの所要時間も未計測、出力品質の採点もしていません（品質は人の判断です）。VidVid の H3 掲載例は 24 クレジット（3s · 480p）で、実際の値は生成ボタンで確認してください。
同じ 3 枚のカードを別モデルで回してみる
実測カードは「モデルだけが変数」のときに意味を持ちます。入力・プロンプト・尺・解像度を揃えれば、次の 1 回でそのモデルの違いが見えます。上の表にあるモデルと、掲載されている消費例：
- Pruna P-Video — 4 — 低コストの音声付き動画
- Gemini Omni Flash Text — 78 — ネイティブ音声付きの文生動画
- Veo 3.1 Fast — 240 — 高精細シネマティック
スタジオを開き、同じ参考画像を読み込み、同じプロンプトを貼り、モデルだけ切り替えてください。自分の素材での違いは 1 回で判断できます。 VidVid スタジオで比較を回す
クレジット数値は VidVid 料金ページ掲載の構成例（2026-09-21 取得）で、同じ設定のときだけ比較できます。これらのモデルは当方では計測していません。
モデルを替えて変わるのは請求であり、手順ではありません。同じショットを本ガイドの他モデルで実行した場合：Wan 3.0 28 クレジット (2s · 480p)、Kling 3.0 Turbo 68 クレジット (3s · 720p)。
次の一歩
- VidVid ジェネレーター で、自分の最弱プロンプトからカード A を回す。
- 同じプロンプトのモデル間比較：AI 動画モデル比較。
- 製品向けパターン：AI 商品動画ジェネレーター。
- 縦型の構図：AI 縦型動画ジェネレーター。
FAQ
プロンプトはどのくらい長く？
主体・動作・カメラ・光・制約を覆える長さ——通常 1〜3 文。目標は長さではなく網羅です。
英語で書くべき？
多くのモデルは英語を主体に学習しており、英語のショット語彙への追従が概して良好です。他の言語で作業するなら、カメラと制約の用語だけ英語に残し、残りは自言語で書いて両方試してください。
一部を無視されるのはなぜ？
多くは指示の衝突です。たとえば固定カメラと高速動作。衝突を外すか、ショットを分けてください。
ネガティブプロンプトは効く？
「画面に文字なし」のような明確な要求としては効きます。長い否定語の羅列は指示を薄めるので、短く具体的に。
ショット間の結果を安定させるには？
当たったプロンプトをテンプレにして主体の行だけ差し替える。スタイル契約を書き、企画内の全プロンプトに貼る。
支払う前に MiniMax H3 の実出力を見られますか？
はい。本ページに H3 の実測 3 本を、プロンプト・設定・MP4 ファイルごと公開しています（768P、4〜5 秒、投入から取得まで 83〜196 秒）。他のモデルは掲載の消費例のみですので、同じプロンプトで 1 回回して自分の素材で比べてください。