- ブログ
- 再利用できるSeedanceプロンプト:4つのパターンと、それを応用するための差し替え
再利用できるSeedanceプロンプト:4つのパターンと、それを応用するための差し替え
再利用できる4つのSeedanceプロンプトパターン——ワンカットのカメラ移動、ラベル付き2ショットの受け渡し、参照による固定、環境音——を、例文プロンプトとともに紹介。それぞれが成り立つ理由と、構造を壊してしまう差し替えも解説します。

ほとんどのSeedanceプロンプトは、1本のクリップのために一度書かれたきり、そのまま捨てられている。だがそれはもったいない。モデルはかなり安定した文法に反応するので、プロンプトのどこが要となる部分なのかが分かれば、そこは残したまま、それ以外をいくらでも変えられる。以下では、シーンを入れ替えても通用する4つのパターンと、それぞれが成り立つ理由、そして知らないうちにそれを壊してしまう編集について述べる。
以下に挙げる例は、Seedance動画生成ツールの背後にあるモデル、Seedance 2.0を前提としている。これはテキストに加えて画像・動画・音声の参照を1回のリクエストで受け取り、音声が同期した短いクリップを返す。同じ構造はSeedance 1.0にもそのまま当てはまる。同モデルのページでは、正確なプロンプト追従とネイティブなマルチショット・ストーリーテリングが主要な能力として挙げられている。
なぜSeedanceプロンプトはシーンの入れ替えに耐えるのか
どんなSeedanceプロンプトも、2つの層として読むと分かりやすい。外側の層は構造だ。クリップをラベル付きのショットに分け、出来事が起きる順に書く。こうするとモデルは内容より先にテンポをつかめる。内側の層は描写だ。各ショットの中で、つながりのある文が、誰がいて、何をし、どこにいて、光がどう動き、カメラがどう振る舞うかを伝える。
弱いプロンプトの多くは、この2つの層を1つに潰してしまう。形容詞を並べた、区切りのない1つの段落を書き、その結果モデルはすべてを1つの連続したテイクに圧縮するか、頼んでもいない場所でカットを入れる。キーワードの羅列(「陶芸家、ろくろ、朝の光、暖色、シネマティック」)も、形は違えど同じ問題を抱えている。それぞれの語が、隣の語と何の関係も持たずに文字どおり描画されてしまうのだ。
プロンプトのうち構造の半分は、ほとんどタダで手に入る。判断が宿るのは描写の半分であり、シーンが変わったときに実際に書き換えるのもこちらだ。以下の4つのパターンは、構造を固定したまま、描写だけに触れる。
パターン1:ワンカット・カメラ移動
もっとも単純な再利用可能プロンプトは、1つのショットを、1つのカメラ移動と1つの被写体の動作で描き、最後に制約で締める。
リネンのエプロンを着た陶芸家が、ろくろの上の器の縁を両手で安定させる。ろくろは一定の速さで回り続ける。左側の窓から暖かな朝の光が差し込み、床には長い影が落ちる。ゆっくりとしたプッシュイン、ミディアムショット。自然なドキュメンタリースタイル、豊かなディテール、自然な色味。字幕なし、ロゴなし、ウォーターマークなし。
これが機能するのは、モデルがカメラの動きと被写体の動きを切り分けているからだ。1ショットにつき移動を1つにすれば、モデルは両方を安定して保てる。同じ一拍の中でプッシュもティルトもパンも求めれば、フレームは揺らぎ始める。制約の一文は見た目以上に重要だ。字幕やロゴ、ウォーターマークは、頼んでもいない出力に現れる。それを名指しするほうが、撮り直すより安上がりだ。
応用するときは、3か所を差し替え、残りはそのままにする。被写体とその動作、表面と背景、そして光の向きだ。「ゆっくりとしたプッシュイン、ミディアムショット」は残し、締めの一文も残す。器が、右からの光を受けたコンクリートの台座の上のスニーカーになっても、パターンはそのまま成り立つ。
パターン2:ラベル付き2ショットの受け渡し
クリップに2つの拍が必要なら、ラベルを振る。出来事が起きる順に「ショット1:」「ショット2:」と書き、主要な動作を先に置き、各ショットの中では動作より先にカメラを書く。
ショット1:ろくろに寄る。陶芸家が両手で縁を安定させ、ろくろは一定の速さで回り続ける。ショット2:カメラは工房のワイドショットへカットする。彼女は器を持ち上げ、窯のほうへ向き直り、部屋を横切って最上段の棚へ向かう。静かな室内の環境音、低く回る窯のファン。
ラベルは、モデルがテンポを合わせるための目印になる。ラベルがないと、2つの拍のアイデアは1つの長い文として読まれ、カットが1秒遅れて入ったり、まったく入らなかったりする。各ブロックの中でカメラを先に置くことが効くのも、シングルテイクで効くのと同じ理由だ。カメラの指示が、被写体の動作から切り離されたままになる。「[ローアングルショット]」のような角括弧のラベルは正式なSeedanceの例にも現れるので、どちらの記法でも構わない。ただし、どちらか一方を選び、1つのプロンプトの中では統一すること。混ぜるとブロックの境界が読みにくくなる。
このパターンを応用するときは、2つ目のショットが何のためにあるかを変えるのであって、書き方を変えるのではない。寄りのディテールからワイドへとつないでスケールを見せ、被写体を空間の中へ動かし、あるいは反応で着地させる。番号は残し、各ブロック冒頭のカメラ先行も残し、最後のショットの末尾にある音の手がかりも残す。

パターン3:参照で固定する被写体
画像参照がある場合、プロンプトにはその物の呼び名と、参照に何を担わせるかという役割の明示が必要だ。被写体を2つか3つの静的な特徴で定義し、そのラベルをそのまま使い回す。
@Image 1 の器を主役として定義する。マットなオートミール色の釉薬、厚い縁、幅広く低いシルエット。主役の器は黒いターンテーブルの上に置かれている。カメラは右へ4分の1回転して周回し、縁の厚みと釉薬の質感を一定に保つ。クールなスタジオ光に、暖かなエッジを1本。
ラベルのない参照は漏れ出す。モデルは色、背景、構図、スタイリングを自由に借りてよく、意図していなかった性質まで持ち込むことがあり、途中でどの被写体を指しているのか考えを変えることもある。素材、形状、仕上げという2つか3つの静的な特徴が、長い説明の段落にはできない形で、同一性を固定する。
参照が複数あるときは、それぞれに名前を付け、何を司るかを言う。@Image 2 の背景は色だけを供給し、それ以外は何もしない。Seedance 2.0は最大9枚の画像、3本の動画、3本の音声クリップを受け付けるが、その上限を埋めるより、合計4〜5点のアセットのほうがたいていうまくいく。1つのショットに参照が多すぎると、どの特徴を優先するかをモデルが決めにくくなる。
パターン4:環境音のシーン
Seedanceは映像と同じパスで音声を生成するので、音の演出は別工程ではなくプロンプトの中に入る。1つの軽い約束事で読みやすく保てる。効果音は山括弧、音楽は丸括弧、セリフは波括弧だ。
夕暮れ、雨粒のついた窓。その奥に街の灯りが柔らかくにじむ。カメラは静止したまま、やがてガラスに沿ってゆっくり左へ流れる。<ガラスを打つ雨音、遠くの車の音、階下でドアが閉まる音。> (低く持続する弦。) 字幕なし、ロゴなし。
このパターンが再利用に値するのは、映像と音の関係を固定するからだ。固定された、あるいはほとんど動かないフレームは音に余白を与え、環境音の層は、カメラ移動でなければ担えなかった感情の仕事をする。最初のパターンとも相性がいい。同じワンカット移動で、制約の一文を音の一文に差し替えるだけだ。
応用するときは、フレームではなく音の層を変える。工房の低い唸り、中距離の市場、屋上の風。記号の約束事は残し、音の手がかりは最後のブロックに置く。モデルが始める場所ではなく、終える場所だからだ。

何を差し替え、何をそのままにするか
どのパターンも、3つの差し替え可能なスロットと3本の固定レールとして扱う。スロットは、被写体と動作、環境と光、テンポ。レールは、ショットのラベル、1ショットにつき1つのカメラ移動、そして締めの制約文だ。
テンポは、人が間違えやすいスロットだ。ゆっくりした製品のプッシュイン向けに書かれたパターンは、名詞を差し替えても追跡シーンにはならない。動作が増えれば拍も増やす必要があり、はみ出した部分はモデルが急いだり、ぼかしたりする。より速いテンポ感が欲しいなら、今あるショットを圧縮するのではなく、ショットを足す。また、ショットの長さは固定の秒数で与えるより、動作からモデルに決めさせるほうがいい。正確なタイミング制御はまだ不安定で、無理に与えるとカットが予測不能になる。
参照のスロットには独自のルールがある。参照をいくつ付けるかではなく、その参照が何について権威を持つのかを変えるのだ。シルエット、仕上げ、小道具を、同じプロンプトの中で別々のアセットに割り当ててよく、権威を明示すれば、たいていは動き続けるディテールが止まる。
パターンが役に立たなくなる場所
パターンは生成までは連れていってくれる。編集までは連れていってくれない。既存のクリップから物体を消すプロンプトは、別の言い回しを要する別の仕事だ。動画を直接参照し、何を変え、何を残すべきかを言う。新しく生成するときのようにシーンを描写してはいけない。
撮り直しにコストをかける前に、知っておくべき限界がもう2つある。1つのショットに2つのカメラ移動を重ねて、両方が成立するとは期待しないこと。意味を運ぶほうを選ぶ。そして、プロットからテンポを決めるモデルに、14秒のビートシートを書き込まないこと。明確に分かれた3つか4つの動作のほうが、それぞれが尺のほんの一部しか得られない10の動作より、よく伝わる。
仕事に合うパターンから始め、そのレールを保ち、スロットだけを書き換える。1回しか使えないプロンプトと、何度でも使えるプロンプトの違いはそこにある。