画像・動画生成 AI のプロンプトの書き方

基本は「場面を具体的に説明する」

Google の画像生成のドキュメントは、場面をできるだけ詳しく説明するよう勧めています。具体的に書くほど、結果を思いどおりに近づけやすくなるという考え方です。OpenAI のガイドも、まず「何を、何のために、どんな構図で作るか」をはっきりさせることから始めています。

Google のドキュメントの例でも、ロゴを作るときは「The Daily Grind という名前のコーヒーショップの、モダンでミニマルなロゴ」のように、何のためのロゴかと雰囲気まで書いています。

画像のプロンプトに入れる要素

OpenAI のガイドが挙げている順番をもとに整理すると、次のようになります。

要素	書く内容の例
目的と構図	何に使う画像か、縦横比、主役の配置
見た目の細部	素材、光、色、画材（写真・水彩・3D など）、フレーミング
人物と動き	体のどこまで写すか、大きさ、視線、物との関わり
画像の中の文字	正確な文言、位置、書体
制約	入れてはいけないもの、変えてはいけないもの

写真のような仕上がりにしたいときは、「photorealistic（写実的）」とはっきり書くよう勧められています。Google のドキュメントでも、写実的な画像のひな形に「光の説明」「カメラの角度」「レンズの種類」を書く欄があり、写真の用語を使うと伝わりやすい点は共通しています。

画像に文字を入れるとき

• 入れたい文言は引用符（" "）で囲み、位置と書体も書く
• 珍しい単語やブランド名は、1文字ずつつづりを示す
• 「ほかの文字は入れない」「この文言はちょうど1回だけ」と書く
• 生成されたらつづりと読みやすさを必ず確認する

条件ははっきり言い切る

Google のドキュメントの例では、「背景は白にすること」「それ以外は元の画像のスタイル、光、構図をそのまま保つこと」のように、守ってほしい条件を言い切りの形で書いています。あいまいな希望より、決まった条件として書くほうが伝わります。

画像を編集するとき

OpenAI のガイドでは、「変えるもの」と「残すもの」を分けて書くよう勧めています。

背景の空だけを夕焼けに変える。
人物の顔、服、ポーズ、カメラの角度、照明の向きはそのまま。
文字やロゴ、透かしは足さない。

複数の画像を参考に渡すときは、「1枚目は人物、2枚目は服のデザイン、3枚目は背景」のように番号と役割を書き、どう組み合わせるかを説明します。

動画のプロンプトに入れる要素

Google の Veo のドキュメントでは、動画のプロンプトの要素として次を挙げています。

要素	内容
被写体	人、動物、物、風景
動き	被写体が何をしているか
スタイル	SF、ホラー、フィルム・ノワール、アニメ調など
カメラの位置と動き	空撮、目の高さ、ドリーなど
構図	ワイドショット、クローズアップなど
ピントとレンズ	浅い被写界深度、広角レンズなど
雰囲気	色と光で場面の空気をどう作るか

前の3つが土台で、後ろの4つで仕上がりを詰めていきます。形容詞や副詞を使って具体的に書くこと、顔の細部を出したいときは「portrait」と入れることも勧められています。

音も生成できるモデルの場合

Veo のように音も一緒に作るモデルでは、音もプロンプトで指示します。

• セリフは引用符で囲んで書く
• 効果音ははっきり書く（例：「ドアがきしむ音」）
• 周りの環境音も書く（例：「遠くで波の音」）

1回で決めず、1つずつ直す

OpenAI のガイドは、まず整ったプロンプトで作り、その後は「照明をもう少し暖かく」のように1回に1つだけ変えて直すよう勧めています。「さっきと同じ雰囲気で」のような指示は少しずつずれやすいので、大事な条件は毎回書き直します。

最後に

ここで紹介した書き方は、特定のモデルに限らず使える基本です。ただし、対応している縦横比、動画の長さ、解像度、参考画像の枚数などはモデルごとに違い、提供状況もよく変わります。使う前に、各サービスの最新のドキュメントを確認してください。