AI動画プロンプトエンジニアリング完全ガイド：「ガチャ」から「精密制御」へ

あなたは計算したことがありますか——「ガチャ」にどれだけの時間を費やしていますか？

AI動画ツールを開き、説明を入力し、生成して、満足いかず、言葉を変えて、また生成しても、やはり満足いかない……これを十数回繰り返して、ようやく何とか使えるものを一つ選ぶ。もし2026年の今でもそんなふうにAI動画を作っているなら、この時代のツールを本当に無駄にしていることになる。

真実はこうだ：AI動画生成はオカルトではなく、体系的にマスターできる工学の一分野だ。 あなたが羨む「一発で決める」クリエイターたちは、運がいいわけではなく、プロンプトの書き方があなたより上手いだけだ。今日のこの記事では、この技術を徹底的に分解して教えよう。

1. AI動画プロンプトの根本ロジック

書き方を学ぶ前に、まず根本概念を理解する必要がある：AI動画モデルはあなたの文章を「理解」しているのではなく、「翻訳」しているのだ。

「雨の中を走る少女」と書いたとき、モデルは3つのことを行っている：

• シーン解析：「少女」「雨」「走る」という3つのエンティティを識別
• 関係モデリング：「少女-走る」（動作）、「雨-シーン」（環境）の関係を構築
• ビジュアルマッピング：テキスト記述をトレーニングデータ内の対応する視覚パターンにマッピング

問題は、あなたのプロンプトがこの3ステップに十分な情報を提供しているかどうかだ。不十分なら、モデルは「デフォルトテンプレート」で埋め合わせる——そしてデフォルトテンプレートは通常、最も平凡で、いかにもAIらしいバージョンになる。

良いプロンプト ＝ 制約条件 × クリエイティブ空間

これは直感に反する公式だ。多くの初心者はプロンプトは自由なほど良いと思っているが、実際は制約が多ければ多いほど効果が高い。制約条件がモデルの「選択空間」を狭め、正しい判断を下しやすくするからだ。

2つのプロンプトを比べてみよう。

❌ 初心者の書き方：

雨の中を走る少女、映画的な雰囲気

✅ 上級者の書き方：

25歳くらいのアジア人女性、黒い長髪が濡れて頬に張り付いている。
深い青のトレンチコートと白いシャツを着て、夕方の東京・渋谷の交差点を走っている。
中雨、雨粒がはっきり見える。暖色の街路灯の光が雨幕を通してハローを形成している。
カメラ：35mm単焦点、側面から追従、ローアングルで煽り気味。
トーン：冷たい青＋暖かいオレンジの対比、ドイツ映画風の調色。
人物の表情：決意の中に焦りを帯び、口を引き締め、眉をわずかにひそめている。

なぜ2つ目が効果的なのか？ モデルに次の情報を提供しているからだ：

• 人物ディテール：年齢、髪型、服装、表情（キャラクターの外見を制限）
• 環境ディテール：時間、場所、天気、光（シーンの雰囲気を制限）
• カメラ言語：焦点距離、カメラ位置、角度（視覚表現を制限）
• 色彩スタイル：色調、調色スタイル（色の傾向を制限）

それぞれの情報層がモデルの「推測空間」を狭め、最終的な生成画があなたの頭の中のイメージに近くなる。

2. プロンプトの7層構造法

数多くの実践（そして数え切れない失敗）を経て、ほぼすべてのAI動画モデルに使えるプロンプト構造をまとめた——7層メソッドだ：

第1層：主体記述（Who/What）

画面の中心となる主体（人物、物体、動物）を記述する。外見、服装、姿勢、表情を含む。

白い実験着を着た中年男性の科学者、金縁の眼鏡をかけ、
白髪混じりだが精悍で、両手を実験台に突いている。

第2層：動作記述（Action）

主体は何をしているのか？ 動きの大きさ、速度、リズムはどうか？

彼はゆっくりと顔を上げ、眼鏡を外し、親指と人差し指で鼻の付け根を揉む。
それから深く息を吸い、再び眼鏡をかける。動作は沈着で、落ち着いている。

第3層：シーン環境（Where/When）

時間、場所、空間の特徴。

深夜の生物学実験室、午前2時。部屋には彼一人だけ。
周囲には青く光る実験機器とシャーレがある。
窓の外では遠くに街の灯りが煌めいている。

第4層：光と雰囲気（Lighting/Mood）

光源の方向、光質、色温度、全体の雰囲気。

主光源は実験台上の青いLED培養ランプで、下から彼の顔を照らし、
劇的な照明を作り出し、影は鋭い。部屋の残りの部分は半暗闇にある。
全体的な雰囲気：孤独、集中、そして科学マニアの偏執的な感覚を帯びている。

第5層：カメラと構図（Camera/Composition）

レンズ焦点距離、カメラ位置、動き方、構図ルール。

カメラ：50mm単焦点、大口径f/1.8、浅い被写界深度。
カメラ位置：正面のミディアムクローズアップ、人物の視線と同じ高さ。
動き：カメラを極めてゆっくり前進させ、呼吸感のある手持ち撮影を模倣。
構図：人物は中央やや右、左側は実験機器用に余白を取る。

第6層：スタイルと質感（Style/Texture）

ビジュアルスタイル、質感、ポストプロダクションの方向性。

スタイル：『ブレードランナー2049』のビジュアル美学を参考にする。
質感：デジタルフィルムの質感、わずかなフィルムグレイン。
ポストプロダクション：青とオレンジの色調、高コントラスト、暗部にディテールを保持。

第7層：技術とパラメータ（Technical）

解像度、フレームレート、画角比率、特別な要件。

出力：4K解像度、24fpsの映画フレームレート、2.35:1のシネマスコープ比率。
特別要件：画面内の発光物体は柔らかいグロー効果（bloom）を生成すること。

完全な例（7層の統合）

上記7層を統合した完全なプロンプトがこれだ：

白い実験着を着た中年男性の科学者、金縁の眼鏡をかけ、白髪混じりだが精悍。

彼はゆっくりと顔を上げ、眼鏡を外し、親指と人差し指で鼻の付け根を揉み、それから深く息を吸い、再び眼鏡をかける。

深夜の生物学実験室、午前2時。周囲には青く光る実験機器とシャーレがあり、窓の外では遠くに街の灯りが煌めいている。主光源は実験台上の青いLED培養ランプで、下から彼の顔を照らし、劇的な照明を作り出す。

カメラ：50mm単焦点、f/1.8、正面のミディアムクローズアップ、極めてゆっくり前進、手持ちの呼吸感。

スタイルは『ブレードランナー2049』を参考に、青とオレンジの色調、デジタルフィルム質感、4K/24fps/2.35:1シネマスコープ。

このプロンプトは約300字で、一見長いが、「制約条件 × クリエイティブ空間」の原則に合致している——それぞれの情報ブロックがモデルの正しい判断を助けている。このプロンプトをKling 3でテストすると、3回以内で必ず使える素材が1つ出てくる。

3. モデル別プロンプト戦略の違い

7層メソッドは汎用フレームワークだが、モデルによって異なるタイプの記述に対する感度は異なる。モデルの特性に応じて調整する必要がある：

Kling 3最適化戦略：動作記述を強化

Kling 3は動作の細部に非常に敏感だ。プロンプトに「振り返る」と書けば、それは単なる振り返りになる。しかし「ゆっくり振り返り、まず肩を回し、次に腰を動かし、最後に足を移動させる」と書けば、段階の明確な振り返りを生成できる。

Kling 3の黄金則：動作の記述が細かいほど、生成が安定する。

Kling 3向けの最適化プロンプト抜粋：

動作：彼女は直接振り返るのではなく、まず少し頭を右後方に向ける。
そして右肩を後方に45度回転させ、上半身全体を回転させる。
左足は軸足のまま動かさず、右足は体の回転に合わせて後ろへ一歩踏み出す。
最後に完全に振り返る。全体で約3秒。

Veo 3.1最適化戦略：文字と構造記述を強化

Veo 3.1は構造化された情報に敏感だ。正確な構図、文字の位置、複数要素のレイアウトが必要なら、自然な段落よりも箇条書きの記述のほうが効果的だ：

Veo 3.1向けの最適化プロンプト：

画面構成（上から下へ）：
- 上部20%：タイトル「THE FUTURE IS NOW」、白いサンセリフ体、中央配置
- 中部60%：メインビジュアル——火星表面を歩く宇宙飛行士、遠景
- 下部20%：下端はグラデーションの黒いマスク、文字なし

Sora 2最適化戦略：イメージと比喩を多用

Sora 2の「芸術的直感」は非常に強い。具体的な方法を指示する必要はなく、美学の方向性と感覚を与えればよい：

Sora 2向けの最適化プロンプト：

このシーンはテレンス・マリックの映画を思い起こさせるものにする。
光は蜂蜜のように流れ、すべてのカットは美術館に飾れる写真のようだ。
現実を記録するのではなく、現実の詩情を捉えること。

Seedance 2.0最適化戦略：スタイルアンカーを明確に

Seedance 2.0はスタイルキーワードに非常に敏感だ。「中国風」とだけ言わず、具体的なスタイルや流派まで正確に指定する：

Seedance 2.0向けの最適化プロンプト：

スタイル：北宋院体山水画、范寛の『渓山行旅図』を参照。
特徴：高遠構図、雨点皴法、水墨主体、淡い赭石で渲染。
画面の動き：山間の雲霧がゆっくり流れ、滝が流れ落ち、松の枝葉が風でわずかに揺れる。

MiniMax最適化戦略：シンプルで直接的に

MiniMaxは複雑な記述の処理能力に限界があるため、プロンプトは100字以内に抑えるのが最も効果的だ。「主体+動作+シーン」の3層に集中し、修飾をあまり加えない：

MiniMax向けの最適化プロンプト：

若者がカフェでノートパソコンに向かって仕事をしている。窓から日差しが差し込む。
中景、固定カメラ、自然な色彩。

4. プロンプト実践：そのまま使える5つのテンプレート

以下のテンプレートはKling 3、Veo 3.1、Sora 2で実測検証済みです。そのまま流用するか、ベースにして変更できます。

テンプレート1：製品紹介

[製品]を[材質/色の台]の上に置き、[照明方法]で[方向]から光を当てる。
カメラは[動き方]で[速度の記述]。
背景は[色/シーン]、ぼかし処理。
画面比率は[比率]、全体スタイルは[スタイルキーワード]。
ハイライト部分には[特殊光の記述]。

テンプレート2：人物ナレーション

[人物の記述：年齢、外見、服装]、[動作の詳細]をしている。
シーンは[時間+場所+環境の特徴]。光は[光源の記述]から来て、[光と影の効果]を作り出す。
カメラ：[焦点距離]+[カメラ位置]+[画角]+[動き方]。
人物の表情：[具体的な表情の記述、眉や口元まで細かく]。
色調：[色彩の傾向]、全体の雰囲気[感情キーワード]。

テンプレート3：風景・空ショット

[場所/シーン]は[時間/季節/天気]の中にある。
画面は[開始構図]から始まり、カメラは[動き方]を行う。
光は[角度+質感]、[特殊な光と影の効果]。
色調は[スタイル]、[参考作品または写真家]。

テンプレート4：文字/タイトルアニメーション

文字「[具体的な文字内容]」が[出現方法]で画面の[位置]に表示される。
文字スタイル：[フォント特徴]+[素材の質感]+[色]。
背景は[シーンの記述]、文字と[コントラスト関係]を形成する。
アニメーションは[時間]継続し、リズムは[速い/遅い/緩入緩出]。

テンプレート5：クリエイティブ転換

シーンA：[開始シーンの記述]、[継続時間]後にトランジションを開始。
トランジション方法：[AがどのようにBに変わるかの具体的な記述]。
シーンB：[終了シーンの記述]。
トランジション中：[中間状態の視覚的特徴]。
全体スタイル：[スタイルキーワード]、トランジションは流暢で自然。

5. 陥りがちな罠：最も多い5つのプロンプトの間違い

間違い1：抽象的な形容詞が多すぎる

❌ 「美しい、驚くべき、叙事詩的な夕日」

✅ 「日没時、オレンジがかった赤い太陽が地平線上にあり、空は深い紫から金色にグラデーションする。逆光のヤシの木が黒いシルエットになる。ローアングルの広角撮影、前景にはきらめく海面。」

なぜ間違いか：「美しい」「驚くべき」「叙事詩的」といった言葉はAIにとって無意味だ。AIはトレーニングデータで100万通りの「美しい」夕日を見てきたが、あなたがどのタイプを望んでいるのか分からない。

間違い2：矛盾した記述

❌ 「明るい夜、月明かりが部屋全体を照らし、同時に窓の外は日差しがまぶしい」

なぜ間違いか：モデルに精神分裂を起こさせるな。1つのシーンには主光源は1つだけ。

間違い3：「何が不要か」を無視する

多くのモデルはネガティブプロンプトをサポートしている。活用しよう：

ネガティブプロンプト：文字、字幕、ロゴ、透かし、ぼやけ、変形、余分な指、不自然な表情、露出過多、露出不足

Kling 3とSeedance 2.0はどちらもネガティブプロンプトのフィールドをサポートしている。無駄にしないこと。

間違い4：プロンプトが短すぎる

2024年当時は50字のプロンプトで十分かもしれない。だが2026年のモデルはより強力で、300字の詳細な記述を消化し、より良く変換できる。細かく書くほど、失敗が減る。

間違い5：プロンプトを反復しない

生成に失敗するたびに、それが1つのデータポイントになる。「生成」をクリックし直すだけではなく——問題がどこにあるのか分析し、プロンプトを修正する。「プロンプト→問題→修正」のループを構築する：

第1版：雨の中を少女が走る → 人物がぼやけている
第2版：アジア人女性が雨の中を走る、中景 → 動作がぎこちない
第3版：25歳のアジア人女性、黒髪が濡れて顔に張り付き、夕方の雨の中を走る、
       サイド追従、35mmレンズ → 満足のいく結果

結び：プロンプトはあなたとAIの間の言語

多くの人はAI動画生成の未来が「一言で映画を生成する」ことだと思っている——テクニックを学ぶ必要などなく、AIがすべてをやってくれると。だが、この考えは少なくとも5年以内は非現実的だと思う。

プロンプトエンジニアリングは、AIを使うために学ぶ「追加スキル」ではなく、クリエイターとしてAIの手を借りて心の中のイメージを表現するための言語だ。この言語を習熟すればするほど、AIは忠実にあなたの筆となる。

ゼロからプロンプトを書きたくないなら、Tomato AI (cctocv.com) がスマートプロンプト最適化機能を提供している。簡単なクリエイティブな説明を入力するだけで、プラットフォームが構造化された専門的なプロンプトへ自動展開し、Kling 3、Veo 3.1、Sora 2、Seedance 2.0などの複数モデルのワンクリック切り替え生成にも対応している。ツールに「翻訳」のプロセスを任せれば、あなたはクリエイティブそのものに集中できる。

---

本記事はTomato AIコンテンツチームが制作しました。cctocv.com でAI動画スマート制作を体験してください。