XMLタグ形式のプロンプト〜Sora 2実験

Sora 2構造化プロンプトクリエイティブ手持ちカメラフィルム感10秒
<video model="sora-2" duration="8s">のようなXMLタグでプロンプトを書き、lookとstyleをそれぞれ独立したノードにしている。JSON・YAMLに続く構造化プロンプトの第三の形態で、書式コレクションを完成させる一本。

PROMPT · 動画生成プロンプト

AIで作ってみる
<video version="2.0" model="sora-2" duration="8秒" fps="24" aspect_ratio="9:16" resolution="1080x1920" seed="auto"> <look style="シネマティックリアリズム" color_grade="くすんだ緑とグレー、クリーミーな白、優しいローズ系の肌色" grain="控えめ"/> <environment> <location>緑に塗られた鉄製の階段、ひび割れた舗装、小さな帯状の芝生と石がある裏路地の玄関先</location> <time>夜</time> <weather>わずかに湿気を帯びた乾いた舗装</weather> <lighting> <key>オンカメラフラッシュのポップな見た目</key> <fill>カメラ左からの冷たい街灯の光</fill> <background>影に落ち込むが、白い翼のハイライトのディテールは残す</background> </lighting> </environment> <camera sensor="スマートフォンフロントカメラ風" lens="26-28mm相当" shutter="1/48秒、シネマティック、軽いモーションブラー" aperture="f/2.2、スペキュラーに柔らかなハレーションを伴う浅い被写界深度" stabilization="ハンドヘルド"> <movement type="単一のプッシュイン" path="直線約0.5m" micro_tilt="顔を中央に保つための最小限のもの" wobble_limit="ハンドヘルドのマイクロボブ、フレーム高さの3%以下"/> <rules>主要な動きは1つのみ、ズームなし、余計な動きなし、カットなし</rules> </camera> <cast> <human id="subject01" age="若い成人" hair="長い黒髪、ストレートの前髪" makeup="ソフトなチークを伴う青白いメイク" pose="緑の金属階段に丸まって座り、両手で靴紐を握りしめ、下を見ている" mood="憂鬱で、繊細で、幻想的だが地に足がついている、PG-13"> <wardrobe>地面にチュールが広がるライトドレスの上に黒いブレザー、ずんぐりとした茶色のプラットフォームオックスフォード、大きな白い羽根の衣装用翼</wardrobe> <notes>ロゴなし。翼は実用的な衣装であり、飛行はしない</notes> </human> </cast> <composition> <framing>被写体は中央、翼が対角線を形作る。階段と舗装がざらついた質感を加える</framing> <depth_of_field>顔と前面の翼の面はシャープ、背景は柔らかくぼやけていく</depth_of_field> <atmospherics>控えめなフィルムグレイン。フラッシュのブルームを反映する、ハイライト周りのわずかな靄</atmospherics> <palette primary="インダストリアルグリーン、アスファルトグレー、ソフトアイボリー" accents="ローズブラッシュ、茶色の革靴"/> </composition> <audio> <ambience>かすかな都市のハム音、遠くの交通の静けさ、夜の虫の声</ambience> <foley>靴紐を引く音、生地の擦れる音、わずかな足のきしみ</foley> <dialogue>なし</dialogue> <music>なし</music> </audio> <timeline> <event t="0.0-2.5秒"> <shot type="俯瞰3/4アングルからのミディアムショット">被写体は丸まって座り、翼はわずかに広がっている</shot> <physics>ほつれ髪がわずかに揺れる。羽根がかすかな風で震える</physics> <camera_motion>ゆっくりとしたハンドヘルドのプッシュインを開始</camera_motion> </event> <event t="2.5-5.0秒"> <action>彼女は靴紐を締め直し、息を吐く。顎が傾き、目線が下を向く。翼は動かないまま</action> <physics>チュールが微細な波紋とともに落ち着く。膝の部分で布が圧縮される</physics> </event> <event t="5.0-8.0秒"> <shot type="タイトなポートレート">カメラがゆっくりと寄る。彼女はわずかにレンズの方へ視線を上げ、その後静かに目を閉じる。静寂のまま保持</shot> <physics>最小限の手の震え。羽根と靴の上に安定したスペキュラーの流れ</physics> </event> </timeline> <constraints no_text_on_screen="true" no_watermarks="true" tone="PG-13、節度のある表現" vfx="超自然的要素なし、翼は実用的な衣装"/> <negative_prompt>カートゥーン風の演技、ローリングシャッターのぐらつき、羽根や髪のクリッピング、露出過多、余計なカメラの動き、ズーム、カット</negative_prompt> </video>

✍️ 編集部の解説

XMLタグでカメラ、光、キャラクター、タイムラインを階層的にきっちり書き込むやり方は、Sora 2のヘビーユーザーの間では特に目新しくはない。要は自然言語プロンプトをエンジニアリング的に構造化しているわけで、メリットは各パラメータを個別に調整できること、デメリットは情報密度が高すぎて、モデルが一字一句そのまま実行するとは限らず、細かいパラメータの多くは結局スタイルの参考程度にしか扱われない可能性が高いこと。ネガティブプロンプトの欄はかなり充実していて、アニメっぽさ、ローリングシャッターの揺れ、カット割りの多さといった、Sora 2の実際の生成でよくある失敗パターンが並んでおり、痛い目を見た経験から作者がまとめたものだとわかる。天使のような少女が階段に座り込むという絵自体の雰囲気は悪くないが、プロンプト全体の複雑さは、ほとんどのシーンで実際に必要とされる精緻さをすでに超えてしまっている。

AIで作ってみる

関連作品

׋›
↑