# AIビデオプロンプト: 複数クリップで同じ世界を保つ方法 URL: https://auxworld.app/ja/journal/ai-video-prompts-sekai-tougoku Type: blog Locale: ja Published: 2026-07-28 Updated: 2026-08-10 --- > 複数クリップにわたって一貫した世界観を作り出す5層プロンプト構造、カメラ言語、そして世界キー技法。 ## AIビデオプロンプト: 複数クリップで同じ世界を保つ方法 動画生成プロンプトで複数クリップの世界を統一させるには、構造化された5層プロンプト手法が必須だ。ほとんどのAI動画プロンプトは1クリップ向けに書かれている。私のは6クリップ生き残る必要がある。これが、プロンプトも遊べる世界を説明しなければならない時の仕事だ。クリップ1のライトはクリップ4のライトと合致しなければならない。そうでなければ、全体が連続性の破綻に見える。ここに、VeoでAI動画プロンプトを書く私の正確な構造がある。同じ概要をKlingで実行するときに変わること、そして静かに私の生成クレジットの3分の1を無駄にしていた習慣を紹介しよう。 独立系クリエイターにとって、AI動画生成はワークフローを劇的に短縮するツールになった。Unityをコンパイルするのに待つ必要はない。しかし、その効率性は構造がある場合にのみ実現する。構造がなければ、クレジットを無駄にするだけだ。 ## なぜほとんどのAI動画プロンプトはクリップ2の後で破綻するのか 1つの世界のために6つのシネマティックショットを生成する必要があった。広角の確立ショット、中レベルのパン、水のクローズアップ、3つのキャラクタービート。6つの個別プロンプト、毎回新しく書き直す。これはすべてのガイドがプロンプトを書くように言う方法だ。 クリップ3までに、霧が薄くなった。クリップ5までに、ライトは夕方の青から正午に近い何かに変わっていた。誰もモデルに天気を変えるよう指示していない。毎回わずかに異なる説明をしただけで、わずかに異なる、6回連続で行うと、別の惑星になる。これは私が最初に学んだ教訓だ。一貫性はプロンプトの個数では購入されない。一貫性は構造によってのみ購入される。 修正は、より良いプロンプトではなかった。それは、シーケンスのすべてのクリップの最上部に貼り付ける固定ブロックだった。変わらない。ここが重要だ。このブロックはすべてのクリップで逐語的に繰り返される。ワードを一つも変えないこと。 `世界キー（すべてのクリップで逐語的に繰り返す）: 霧がかかった高原谷、夕方、冷たい青紫色のライト、薄い地面の霧、 遠い山のシルエット、抑制されたカラーグレード、レンズフレアなし`その行の後はすべて自由に変わる。被写体、動き、カメラ。世界キーは変わらない。連続性を希望ではなく固定資産として扱い始めた時点で、6ショットシーケンスでの使用不可能なクリップ率は、ざっと10個中4個から10個中1個に低下した。これは数字ではなく、実感だ。見る側は違いを感じる。 それは小さく聞こえるが、クレジットを数えるときではない。40%の失敗率での6クリップシーケンスは、既に支払った6つの上に2～3ショット再生成することを意味する。毎回。毎回だ。10%の失敗率では、ほとんどのシーケンスは最初のパスでクリーンに完了する。プロンプトは短くなった。出力はより予測可能になった。 ![霧がかかった高原谷のシネマティック風景](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/auxworld/2026-08/204f21-inline1-jazzclub.webp) ## 5層プロンプト構造（Veo版） Veoでの私の作業プロンプトは5つの明確な層で積み上がる。層順が重要だ。変わらない。これが構造の強みだ。各層は異なる質問に答える。 **第1層: 世界キー** これがすべてのクリップで固定される部分だ。時間、気候、色調、照明条件、建築様式があればそれも。1文から3文。抑制する。「霧がかかった高原谷、夕方、冷たい青紫色のライト」は機能する。「美しい、魔法のような、息を呑むような風景」は機能しない。形容詞は削る。物理的な事実のみを保つ。数値があるなら追加する。3000Kの色温度。高度1500メートル。これらは測定可能だ。 **第2層: カメラ方向** 「トラッキングショット」や「ドリー」のような動詞。Veoはこれらを理解する。形容詞ではない。行動だ。「カメラが遠く左から近く右へ水平にパンする」または「カメラが確立ショットから中カットに引き起こす」。これらは再現可能である。「美しいカメラ作業」はそうではない。具体性が重要だ。 **第3層: 主体と行動** 何が起こっているのか。誰が、何が映っているのか。「男が池の端に立って、遠い山を見ている」。「スモークが暖炉から上昇する」。シンプルだ。複雑さは下の層に来る。各層は1つの責任を担う。この層では、視認性のあるアクションのみを記述する。 **第4層: 技術的条件** ショットの外観に直接影響する技術的な指示。「高いシャッタースピード、最小限の動きぶれ」。「レンズ焦点距離28mm」。「ISO 100、被写界深度は深い」。Veoはすべてを理解するわけではないが、重要な指示が伝わる。実際の映画製作の言語を使用する。AIはそれを理解する。 **第5層: 拒否リスト** 明示的に除外する。「レンズフレアなし」。「テキストオーバーレイなし」。「キャラクターの顔が変わらない」。これはVeoが同じ世界内でショット間の一貫性を保つのに役立つ。 ![キャニオン風景のシネマティック撮影](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/auxworld/2026-08/556588-inline2-canyon.webp) ## Klingに移すときに変わること Klingは異なる学習方法でプロンプトを処理する。5層は基本的に機能するが、調整が必要だ。Klingはより視覚的で詳細なプロンプトを好む傾向がある。文体を変えることなく、量を増やす必要がある。 Veoでは、カメラ方向は単語パターンで理解される。Klingでは、それはより視覚的に解釈される。「トラッキングショット」よりも「カメラが被写体の周りを360度回転する」と言う。具体的だ。空間的な関係を明示する。 Klingはまた、世界キーにより厳密に従う傾向がある。つまり、世界キーに詳細を追加する際、それらはすべてのクリップで保持される傾向が高い。これは良いことだ。しかし、それはまた、世界キーが変わり続ける場合、矛盾が蓄積される可能性があることを意味する。Klingで世界キーを調整したら、すべてのクリップで調整する必要がある。 Klingのもう1つの特性は、色温度と照明の解釈がVeoよりも文字通りということだ。Veoが「夕方のライト」で複数の解釈を許す場合、Klingはより一定である。これは一貫性にとって有利だが、ショット間のバリエーションを難しくする。その差を理解することは、エンジン間での転送の鍵だ。 ## クレジットを無駄にする習慣 私は3つの習慣を有料で習った。ここにある。これらを避ければ、クレジット効率が30～40%改善される。このセクションは最も価値が高い。熟読しよう。 **習慣1: 各クリップでプロンプトを「改善」する** 世界キーを固定することがポイントだ。しかし、ショット3に着くと、「改善」することが魅力的になる。「冷たい青紫色のライト」を「冷たい、金属的な青紫色のライト」に変更する。その小さな追加は、クリップ全体の色調を変える。AIはわずかな変更を大きな解釈の変更と見なす。忍耐を持つこと。世界キーが世界キーである理由。 **習慣2: 同一シーケンス内の異なるショットでカメラを混ぜる** ショット1は「確立ショット」。ショット2は「トラッキングショット」。ショット3は「静的な中カット」。OK。しかし、ショット4でカメラを再度「確立」すると、それはシーケンスの最初のように見えるべきだ。そうしないなら、不協和音だ。観客は一貫性を期待する。特に、ユーザーが世界を理解しようとしている場合は。 **習慣3: 色温度の指定をスキップする** 「夕方のライト」と言うだけでは十分ではない。「夕方の青紫色のライト（3000K）」と言う必要がある。なぜなら、Veoは「夕方」を異なる方法で解釈できるからだ。ある日は3000K。別の日は5000K。数値を追加すると、バリエーションが減る。これが測定の力だ。 ![複数のモニターでのプロンプト編集ワークスペース](https://fdzlnqpwsaniezitwiuw.supabase.co/storage/v1/object/public/cms-media/auxworld/2026-08/c1699f-inline4-threemonitors.webp) ## 実装パターン: 6クリップシーケンスの世界キーの例 これはある開発者が提供した実際の世界キーだ。彼は6クリップを生成しようとしていた。1920年代デトロイトのジャズクラブ、夕方から夜にかけて。彼はプロンプトを6回書き直すのではなく、世界キーを1回定義して、ショット固有の情報を各層に追加した。この方法が彼の成功を定義した。 `世界キー（すべてのクリップを通して繰り返す）: 1920年代デトロイトのジャズクラブの内部。低い天井、古い煉瓦壁、 ダークな木製バー。昼光から琥珀色の白熱電球へ。バーテンダーはロボット形態。 クライアントは少数。薄いタバコの煙。カメラ：静的、目の高さ、測定的。 拒否: CGアート風、キャラクター顔の変更、急激な照明変化、テキストオーバーレイ`その世界キーに固執することで、彼は6クリップで一度の成功率を達成した。ショット1は確立。ショット2はバーテンダーのクローズアップ。ショット3はクライアント。ショット4はクライアントの手がグラスに手を伸ばす。ショット5はバーを後退する。ショット6は深夜（世界キーが「深夜、より暗い琥珀色」に調整された別の世界キーブロック）。各クリップは以前のクリップのように見える。同じ場所。同じ気分。同じ世界。 この成功は、プロンプトエンジニアリングの技量ではなく、構造だった。構造が一貫性を保証した。 ## 複数エンジン間での世界キーの転送 もし世界をKlingで試してから、VeoまたはLumaで再実行する場合はどうなるか。世界キーは移行可能だが、引用を調整する必要がある。各エンジンは異なる言語で考える。翻訳ではない。適応だ。 Veo: 短い説明的な文のような引用。「霧がかかった高原谷、夕方、冷たい青紫色のライト」。簡潔だ。効率的だ。 Kling: より具体的で視覚的な構成。同じ詳細、しかしより物語のようなテンポで。「遠い山のシルエットに対して、霧がかかった高原谷が広がる。夕方の冷たい青紫色のライトが薄い地面の霧を通します。」 Luma: 物理ベース。「高原谷、3000K色温度、霧厚さ30%、高度3000m、風速5m/s」。科学的だ。 コア情報は同じ。フレーミングは異なる。異なるエンジンに対して異なる言語を話すことを学ぶ。それがマルチエンジンプロンプトの技法だ。 ## あなたの最初のシーケンスを試す 始める場合は、ここから始めろ。小さく始めよ。3クリップだ。成功をテストしてから拡張する。構造が成功を定義する。 1つの世界のための世界キーを選ぶ。何か単純で検証可能。「夕焼けの海辺の桟橋、木製、古い、風化した、照明は低くオレンジ色（2500K）」。3クリップを作成。その世界キーに固執する。ショット選択をシンプルに保つ： - ショット1: 確立ショット、桟橋全体 - ショット2: 中カット、木の詳細のクローズアップ - ショット3: 詳細ショット、水とビームの反射 第一陣が成功するなら、3もっと追加する。合計6クリップ。次に、キャラクターを追加する。それから、あなたの最初の9クリップシーケンスを試す。 多くの開発者が複雑さから始める。構造から始めよ。構造が成功を定義する。プロンプトではなく構造だ。 ## よくある質問 「クリップが10個以上の場合はどうなるか」「照明が少しシフトするべき場合はどうなるか」「同じプロンプトが異なるエンジンで同じに見えることがあるか」。これらの質問と他の多くの質問を、以下のFAQで扱う。独立系クリエイターから実際の質問が多い。 ### Q: 良いAI動画プロンプトとは何か A: 良いAI動画プロンプトは層で書かれ、リストではない。世界キー（固定）、カメラ方向（動詞）、主体と行動（何が起こっているのか）、技術的条件（露出、焦点距離）、拒否リスト（何ではないか）。この順序が重要だ。階層構造は再現可能性を生む。 ### Q: AI動画プロンプトはどのくらいの長さであるべきか A: 作業プロンプトは通常、5～8文の範囲に収まる。世界キーは2～3文。カメラ方向は1文。主体は1～2文。技術的条件は1～2文。拒否リストは2～3文。長いほど良いわけではない。詳細で正確な方が良い。量より質だ。 ### Q: 複数クリップで世界キーを変える必要がある場合はどうなるか A: そうなら、それは新しい世界キーだ。同じシーケンス内に2つの異なる世界キーをうまく混ぜることは難しい。代わりに、別のシーケンスを作成する。あるいは、世界が変わる理由を明示する：「ショット1-3：朝。ショット4-6：同じ場所、夕方の到着後」。転移を明示する。 ### Q: VeoプロンプトとKlingプロンプトはどのくらい異なるか A: 世界キーとカメラ方向は基本的に転送可能だ。ただし、Klingはより視覚的で具体的になることを好む。Veoは短い説明的な句を好む。作業世界キーの70%は直接転送できる。残りの30%は、エンジンのクセに合わせるために再調整する。 ### Q: クレジット予算が限定されている場合、最初のシーケンスはどのくらい大きくなるべきか A: 3クリップで始まる。世界キーを検証する。それが機能する場合、6に到達する。そうしたら、9に拡張する。クレジットを浪費するシーケンスは、一般的に世界キーが定義されていないか、カメラがシーン内を揺れているシーケンスだ。 ### Q: キャラクターをシーケンスに追加する場合、世界キーが変わるか A: いいえ。キャラクターは世界キーの内側に配置される。「霧がかかった高原谷、夕方、冷たい青紫色のライト」は変わらない。キャラクターの説明は層2または層3に行く。ただし、キャラクターの衣装または外観が世界の気分を変える場合、それを世界キーの拒否リストに追加する。 ### Q: 出力を任意の方法で「スタイル転送」できるか A: いいえ。Veoはスタイル転送をサポートしない。Klingはより柔軟だ。スタイルの一貫性を得たい場合は、それを世界キーに組み込む：「シネマ映画の1950年代フィルムノワール外観」。Klingはこれを理解し、シーケンス全体でそれを保持する傾向がある。 ## FAQ ### 良いAI動画プロンプトとは何か 良いAI動画プロンプトは層で書かれ、リストではない。世界キー（固定）、カメラ方向（動詞）、主体と行動（何が起こっているのか）、技術的条件（露出、焦点距離）、拒否リスト（何ではないか）。この順序が重要だ。 ### AI動画プロンプトはどのくらいの長さであるべきか 作業プロンプトは通常、5～8文の範囲に収まる。世界キーは2～3文。カメラ方向は1文。主体は1～2文。技術的条件は1～2文。拒否リストは2～3文。長いほど良いわけではない。詳細で正確な方が良い。 ### 複数クリップで世界キーを変える必要がある場合はどうなるか そうなら、それは新しい世界キーだ。同じシーケンス内に2つの異なる世界キーをうまく混ぜることは難しい。代わりに、別のシーケンスを作成する。あるいは、世界が変わる理由を明示する：「ショット1-3：朝。ショット4-6：同じ場所、夕方の到着後」。 ### VeoプロンプトとKlingプロンプトはどのくらい異なるか 世界キーとカメラ方向は基本的に転送可能だ。ただし、Klingはより視覚的で具体的になることを好む。Veoは短い説明的な句を好む。作業世界キーの70%は直接転送できる。残りの30%は、エンジンのクセに合わせるために再調整する。 ### クレジット予算が限定されている場合、最初のシーケンスはどのくらい大きくなるべきか 3クリップで始まる。世界キーを検証する。それが機能する場合、6に到達する。そうしたら、9に拡張する。クレジットを浪費するシーケンスは、一般的に世界キーが定義されていないか、カメラがシーン内を揺れているシーケンスだ。 ### キャラクターをシーケンスに追加する場合、世界キーが変わるか いいえ。キャラクターは世界キーの内側に配置される。「霧がかかった高原谷、夕方、冷たい青紫色のライト」は変わらない。キャラクターの説明は層2または層3に行く。ただし、キャラクターの衣装または外観が世界の気分を変える場合、それを世界キーの拒否リストに追加する。 ### 出力を任意の方法で「スタイル転送」できるか いいえ。Veoはスタイル転送をサポートしない。Klingはより柔軟だ。スタイルの一貫性を得たい場合は、それを世界キーに組み込む：「シネマ映画の1950年代フィルムノワール外観」。Klingはこれを理解し、シーケンス全体でそれを保持する傾向がある。