Seedance AI動画のトラブルシューティング：6つの症状と、その裏にあるプロンプトの一行

期待を裏切るSeedanceのクリップのほとんどは、書き方が下手なわけではありません。順序が間違っているか、モデルがショットを必要としている場面でムードを描写しているのです。テキスト・トゥ・ビデオの有用な点は、完成したクリップがそのまま診断レポートになることです。カメラが動くときに歪むフレームはカメラの文を指し、2つのショットの間で変わる小道具はその小道具の名づけ方を指し、不要な字幕の下に埋もれたセリフはオーディオのブロックを指しています。そうやって出力を読めば、ほとんどの修正は1文で済みます。

これはテンプレートの寄せ集めではなく、症状を起点にした見直しです。各セクションでは、プレイヤーで目にできる現象、その背景にあるプロンプトの習慣、そしてそれを取り除く最小の変更を示します。参照しているのは、ByteDance自身がSeedanceモデル向けに公開しているガイダンスと、実際にそれを試した公開プロンプトガイドです。

Seedanceのプロンプトには2つの層があり、壊れ方もそれぞれ違う

RunwayのSeedanceガイドは、プロンプトを異なる役割を持つ2つの層として説明しています。外側の層は構造的です。クリップはラベル付きのショットに分割され、出来事が起きる順に書かれるため、モデルは内容を知る前にテンポを把握します。内側の層は記述的です。各ショットの内部では、誰がそこにいるのか、何をしているのか、どこで、どんな光の中で、カメラがどう振る舞うのかを、連続した文でカバーします。

ByteDance自身の資料を要約したFuserは、内側の層に覚えておく価値のある順序を与えています。被写体とアクション、次にシーンと環境、次にビジュアルスタイル、次にカメラの動きとショットの切り替え、次に音、そして最後に制約を記した一行です。Runwayの実例は同じ範囲を8つの要素でカバーし、品質、スタイル、そして字幕とウォーターマークに関するネガティブ指示で締めくくっています。

以下に挙げる失敗のほとんどは、この2つの層のどちらかが壊れたものです。ショットの計画がないプロンプトは、区別のつかない単一の流れになります。描写のないプロンプトは、技術的には動いているものの、見る価値のある人物が誰もいないフレームを生みます。悪いクリップを開いたら、まずどちらの層を見ているのかを判断してください。修正すべき場所は、層ごとにプロンプトの別の部分にあるからです。

症状1：クリップは美しいのに、ほとんど静止している

「シネマティック、ムーディー、高精細、浅い被写界深度」と指定したのに、息をしているだけの写真が返ってきた。スタイル語がアクション語の4倍あれば、モデルは見た目を描画し、動きは即興で補います。そして即興で補われる動きは、小さく慎重なものになります。

修正は、言葉を1つのアクションに使い、そこに速度と力を添え、体の部位に結びつけることです。Runwayの例はまさにそうしています。陶芸家が両手で器の縁をゆっくりと安定させる。副詞がテンポを担い、両手が動きを担うので、推測の余地は残りません。被写体が人物ではなく製品なら、30度の回転といった、それが行う1つの動きを名指しし、その周りで何が静止しているかを述べます。

症状2：カメラが動くとフレームが歪む

これはSeedanceで最もよく見られるアーティファクトであり、最も謎の少ないものでもあります。ByteDanceのSeedance 2.0向けガイダンスは、プッシュ、プル、パン、移動を同時に要求すると画像の不安定さが増すと警告しています。4つの指示が1つのフレームを奪い合うため、エッジがにじみ、直線がたわみ、顔はその幾何学的な形を失います。

1ショットにつき1つの動きが原則で、2つ目の動きは同じ文ではなく2つ目のショットに入れるべきです。クローズアップで終わるプッシュインが必要なら、プッシュインだけを書いてフレーミングに決めさせるか、ショット1、ショット2とラベルを付けて、それぞれに独立したカメラの行を与えます。修正の残り半分は、モデルがすでに読める映画用語でカメラを指定することです。ショットサイズ、アングル、そして1つの動き。動きをほのめかしながら特定しない、雰囲気の段落ではありません。

症状3：頼んでいない場所でカットが入る

「2秒で彼女が振り向き、4秒でカメラがワイドに切り替わる」と書くプロンプトは、モデルが時計を読むことを前提にしています。ByteDanceのSeedance 2.0ガイドは、モデルは正確な秒数ではなくショット番号に反応すると述べており、正確な秒数を強制すると異常な生成結果につながる可能性があると警告しています。後の2.5世代は、0〜2秒のショットといった整数秒の範囲を読み取りますが、これは別の契約です。

つまり診断は、どのバージョンにプロンプトを書いているかで変わります。プロンプトが秒単位の指示で埋め尽くされ、クリップが余計なカットを創作したり、ビートを丸ごと飲み込んだりするなら、ショット番号を求めるモデルを過剰にスケジューリングしています。ショットに番号を振り、ビートを起きる順に並べ、テンポは成り行きに任せてください。あなたのバージョンがタイムスタンプを読むなら、隙間のない連続したタイムラインを保ち、すべてを収めるためにモデルがカットを足さざるを得ないほど、範囲を詰め込みすぎないようにします。

症状4：2つのショットの間で小道具が変わる

Fuserが公開したテスト実行が、利用できる中で最も明快な例です。2つのショットにまたがって生成された陶芸家で、壺はクローズアップでは低く開いたボウル、ミディアムショットでは背の高い円筒になっていました。プロンプトが、気づかないうちにショット間でオブジェクトの描写を変えていたのです。

修正は名づけの規律です。オブジェクトは一度だけ、同じ言葉で、現れるすべての場所で描写し、形容詞よりも具体的な目録を優先します。ヘッドバンド、2つのイヤーカップ、マットなオートミール色の釉薬、欠けた左の縁。そのオブジェクトが商業的に重要な場合は、文章が保たれることに期待するのではなく、画像リファレンスを添えて、それが何を制御するのかを述べます。Runwayのガイドは人物について関連する点を加えています。顔、服装、ポーズ、背景を1枚にまとめた画像は、顔の特徴がフレームに占める割合が小さくなりすぎて、そこを基準にできません。だから顔のリファレンスは、まず何よりも顔のリファレンスであるべきです。

症状5：感情のビートが空白になる

「彼女は誇らしげに見える」と書いて、肌の綺麗な無表情な顔が返ってきた。誇らしい、悲しい、不安といった言葉は内面の状態を描写するもので、レンダラーが置きようのあるものは何も含まれていません。Runwayのガイダンスはこの点について率直です。感情は身体的な振る舞いとして示すこと。

そのビートを、始まりと終わりのある目に見えるアクションとして書き直します。彼女の肩が下がる。彼は息を吐き、レンズから目をそらす。彼女はジェスチャーの途中で止まり、手がテーブルの上に落ち着く。同じ原則は製品動画も救います。「プレミアム」は描画できませんが、ヘアライン仕上げの金属の縁をゆっくりと光が掃く動きなら描画できます。

症状6：頼んでいない字幕の下にセリフが届く

映像と同じパスで音声を生成するSeedanceの世代では、音は後から別のブロックで追加するのではなく、プロンプトの内側に属します。FuserはByteDanceの括弧の慣例を記録しています。効果音には山括弧、セリフには波括弧、音楽には丸括弧を使い、中国語以外のセリフの前には言語を明記します。

字幕の問題を引き起こす習慣は2つあります。1つ目は、セリフの言葉を繰り返したり、個々の語に感情のタグを付けたりすることです。ガイダンスではこれを、不要なオンスクリーンテキストの引き金として挙げています。演技の指示はセリフではなく話し手に付けます。2つ目は、制約を暗黙のままにしておくことです。クリップに字幕がなく、ロゴやウォーターマークもないことを明示する平易な指示でプロンプトを締め、密なタイポグラフィはプロンプトから完全に排除し、キャプションは再レンダリングなしで修正できる編集の中で作り直します。

複数の症状が出たら、正しい順序で直す

すべてを一度に変えても何も学べません。新しい結果をどの編集のせいにもできないからです。代わりにこの順序で進めてください。

まずアイデンティティから始めます。被写体、小道具、そしてそれらを守る特徴の一文です。被写体が安定していなければ、その先の何も検証できません。次にカメラです。歪むフレームは他のあらゆる問題を覆い隠すからです。次にタイミングとショット数です。カットの数が、音にできることの余地を決めるからです。音と制約は最後です。

インターフェースがシードを公開しているなら、修正の一巡の間は固定しておきましょう。そうすれば比較はサンプラーではなく、あなたの編集を切り分けます。短く生成してレビューし、5秒のバージョンが生き残ってから初めて尺を延ばします。長いクリップはより多くの状態を保持し、失敗した長いシーケンスはより大きな作業単位を捨てることになるからです。

30秒の価値があるプレレンダーチェックリスト

• 被写体は一度だけ名づけられ、全体を通じて同じラベルで呼ばれている。
• 各ショットにはアクションがちょうど1つあり、速度と力とともに書かれている。
• 各ショットにはカメラの動きがちょうど1つあり、映画用語で書かれている。
• ショットには、出来事が起きる順に番号が振られている。
• 2回登場するオブジェクトは、どちらも同じように描写されている。
• 感情は身体的な振る舞いとして書かれている。
• 音はその括弧の中に入り、言語が明記されている。
• 最後の行で、字幕、ロゴ、ウォーターマークを取り除いている。

実際のクリップでこの見直しを回す

診断的な見直しの要点は、2回目のレンダリングを1回目より安くすることです。プロンプト全体を書き直すのをやめ、1文を編集し、追っていた症状について2つのクリップを並べて比較するようになります。それを2、3回繰り返せばたいてい、まとまりのあるクリップと、次の製品や次のシーンに再利用できるプロンプトが手に入ります。

この見直しはKOOXのSeedance動画生成ツールで実行できます。カットのある長いシーケンスに踏み切る前に、短い尺と1ショットから始めてください。プロンプトのバージョン、設定、レビューのメモを並べて置いておけば、どの文がどのアーティファクトを引き起こすのかというパターンが、毎回導き直すものではなく、あなた自身のものになります。