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

用XML标签把镜头、光线、角色、时间轴一层层嵌套写清楚,这种写法在Sora 2的重度玩家里不算新鲜,本质是把自然语言提示词工程化,好处是每个参数都能单独调试,坏处是信息密度太高,模型未必会逐字执行,很多细分参数最后大概率被模型当成风格参考而不是精确指令。负面提示词那一栏写得挺全,卡通感、滚动快门抖动、镜头切换过多这些都是Sora 2实际生成里常见的翻车点,说明作者是踩过坑之后才总结出来的。天使少女蹲坐台阶这个画面本身氛围感不错,但整条提示词的复杂度已经超过了大部分场景真正需要的精细度。

AIで作ってみる
関連作品
×