AI動画生成のプロンプトを日本語で書く方法。失敗例と直し方12パターン

日本語で書いてよい理由

キリトリのAIスタジオは、日本語のプロンプトを自動で英語に書き換えてからモデルに渡します。書き換えは、選んだモデル・秒数・縦横・画像の有無に合わせて調整され、700文字以内に収まるよう整えられます。英語で細かく制御したい場合は「プロンプトを自動で最適化する」のチェックを外せば、書いた文がそのまま使われます。

つまり、日本語で「何を・どこで・どんな光で・どう動くか」を短く書けば足ります。以下の12パターンは、その4点のどこかが抜けているか、多すぎるときに起きる失敗です。

失敗パターンと直し方

1. 人物が2人以上いて顔や手が入れ替わる

• 前: 女性と男性がカフェで会話しながらコーヒーを飲む
• 後: 女性がカフェの窓際でコーヒーを飲む
• 人物は1人に絞る。会話は5〜10秒の動画では成立しにくい

2. 動作が多くて忙しい

• 前: リップを塗って、唇を合わせて、鏡を見て、微笑む
• 後: リップをゆっくり塗る
• 5秒に1動作、10秒でも2動作まで

3. 頼んでいない文字やロゴが画面に出る

• 前: 新発売の化粧水の広告動画
• 後: 白い背景の台に化粧水のボトルが1本。文字・ロゴ・透かしなし
• 「広告」と書くとモデルが文字を入れたがる。文字は生成後に編集アプリで載せる

4. 質感が安っぽい

• 前: パンケーキの動画
• 後: 白い皿のパンケーキ。上からメープルシロップがゆっくり垂れ、湯気が立っている。朝の窓の光
• 質感は形容詞で1〜2語(ツヤのある、みずみずしい、結露した)。光を書くと質感が決まる

5. 背景がごちゃごちゃして被写体が崩れる

• 前: 賑やかな商店街でスニーカーを履いた人が歩く
• 後: 白い背景の台の上に白いスニーカーが1足。均一なスタジオ照明
• 背景は「白い背景」「木のテーブルの上」のように単純に。人混みや看板は失敗が増える

6. カメラの動きが想定と違う

• 前: かっこよくカメラを動かして
• 後: (プロンプトには書かず)カメラワークの「ローアングル」を選ぶ
• カメラは12種類のプリセット(クラッシュズーム、ドリーイン、オービット、手持ちUGC風など)から選ぶ方が安定する。自分で書くなら「カメラはゆっくり近づく」の一文で

7. 縦型にしたのに横型で出る

• 前: 縦型で、女性が…
• 後: (プロンプトには書かず)設定で9:16を選ぶ
• 縦横は設定項目。プロンプトに書くと書き換えの指示と二重になって崩れることがある

8. 商品の見た目が毎回違う

• 前: うちの商品のボトルを回転させる
• 後: 商品写真を「画像から動画」の開始フレームに指定し、プロンプトは「台の上でゆっくり一周する。均一な照明」だけ
• 見た目を固定したいときはプロンプトより画像。参照画像(Kling v3は3枚、Seedance 2.5は4枚、Veo 3.1は3枚)も使える

9. 長すぎて意図が薄まる

• 前: 10行の説明文
• 後: 3〜5文。被写体・場所・光・動き・「文字なし」
• 書き換え後の英語は700文字に収まるよう整えられるので、長文は削られる

10. 手や指が破綻する

• 前: 指でスマホを操作しながらコーヒーを持つ
• 後: 両手でマグカップを持つ(手元は大きく映さない)
• 指の細かい動きは苦手。手を主役にしない構図か、上位モデル(Kling v3 Pro、Veo 3.1)を使う

11. 音声つきモデルで変な音が乗る

• 前: (音声について何も書かない)
• 後: 環境音のみ、ナレーションなし、音楽なし
• 音声つきモデル(Seedance、Wan、LTX、Grok Imagine)では音の指示も一文入れる

12. いきなり本番モデルで失敗して高くつく

• 前: 最初からVeo 3.1で8秒
• 後: 画像1枚(1クレジット・18円)で方向性を確認 → Seedance 1.5 Proで5秒(5クレジット・90円) → 良ければ上位モデル
• 失敗のコストを段階的に下げる。生成に失敗したときのクレジットは自動で戻る

そのまま使えるテンプレート

「[被写体1つ]が[場所]で[動き1つ]。[光]。[質感の形容詞]。文字・ロゴ・透かしなし」。この型に当てはめてから、必要なら1文だけ足してください。