台本をAI動画のストーリーボード用プロンプトにするには？

ストーリーボード用プロンプトとは

ストーリーボード用プロンプトは、一連のシーンのうち1ショット分として、動画モデルに送るテキストです。動画プロンプトは1つのクリップを描写しますが、ストーリーボード用プロンプトが描写するのは、前のクリップと後のクリップに、きれいにつながるクリップです。この追加の役割が、書き方を変えます。

多くのAI動画ツールは、1つのプロンプトから短いクリップを作ります。始まり・中盤・終わりのあるシーンは、そのため複数回の生成で作り、エディタでつなぎます。ストーリーボードは、それらを結ぶ計画です。各ショットに何を映すか、どのくらいの長さか、ショット間で何をそろえるべきかを決めます。

ストーリーボードは2層で考えるとよいでしょう。第1層は自分用で、ショット番号、目的、尺、カバーするセリフです。第2層は、モデルが実際に読むプロンプトのテキストです。両方を1つの表にまとめておくと、台本が変わったときにどのプロンプトも変える必要があるかがわかるので、修正が早くなります。

ステップ1：台本をビートとショットに分ける

ビートは、物語の最小の変化です。視線、決断、明かされること、反応などです。台本を読み、すべてのビートに印をつけます。そして、ビートごとに専用のショットを割り当てます。モデルが描きやすいショットにするための実用的なルールは次のとおりです。

• 1ショットにつき主なアクションは1つ。「彼女は手紙を開けて泣き出す」は2つのアクションなので、泣く場面は別のクローズアップにします。
• 1ショットにつきカメラの発想は1つ。ゆっくりしたドリーイン（プッシュイン）や固定フレームはうまくいきますが、ドリーインから環状の回り込み（オービット）、さらにクレーンへと変わると、たいてい破綻します。
• 尺は短く。ほとんどのショットを数秒で計画します。リアクションショットは、クリップ1本分より短くてかまいません。編集でトリミングします。
• 各ショットの目的を決める。場所を示す、動きを見せる、反応を見せる、観客に気づかせたいディテールを見せる、のどれかです。

ショットサイズにはバリエーションをつけましょう。ミディアムショットが5つ続くと、単調に感じられます。よくあるパターンは、ワイド（ここはどこか）、ミディアム（誰が何をしているか）、クローズアップ（どう感じているか）、インサート（大事な物）、そして、締めくくるか次のシーンに移るための引きのショット、という流れです。

ステップ2：ショットごとにショットカードを埋める

ショットカードは、固定の項目リストです。毎回同じ項目を埋めると、連続性のミスにつながる細部を忘れずに済みます。プロンプトは、そのカードを文章にしたものです。

固定の被写体の描写は別のメモに書き、すべてのプロンプトにそのまま貼り付けてください。あるショットでは「グレーのコート」、次では「暗い色のジャケット」といった小さな言い換えが、カット間でキャラクターが変わってしまう、よくある原因です。

実例：5ショットで作る15秒のシーン

台本：「夜。駅のホーム。MAYAが電話を切る。彼女は発車案内板を見る。電車は運休。彼女は疲れたように一度だけ笑い、スーツケースに腰を下ろす。」

ビートは5つなので、ショットも5つです。予定の長さを合計すると15秒になります。

ショット1、2、3のプロンプトです。キャラクターの行と光の行が、どれも同一であることに注目してください。

Shot 1 (wide, 3 s)
Wide shot of an empty train platform at night, light rain beyond the roof edge.
Maya, a woman in her 30s with short black hair and a grey wool coat, stands
near the edge talking on a phone, facing screen left, a small red suitcase beside her.
Cold fluorescent light from above, blue-green tones, wet reflective floor.
Static camera. Ambient sound: rain and a distant announcement.

Shot 2 (close-up, 3 s)
Close-up at eye level of Maya, a woman in her 30s with short black hair
and a grey wool coat, facing screen left. She slowly lowers the phone from her ear
and looks up and to the left. Cold fluorescent light from above, blue-green tones.
Static camera, shallow depth of field, platform blurred behind her.

Shot 3 (insert, 2 s)
Insert shot of an old split-flap departure board on a train platform at night.
The top line flips and stops on a single word. Cold fluorescent light,
blue-green tones. Static camera. Sound: clicking split-flap letters.

大事な点が2つあります。ショット2では彼女が左上を見上げ、ショット3で案内板が映ります。つまり、あるショットの視線が、次のショットの内容を準備しています。もう1つは、案内板の言葉は、描画すべきテキストとしてプロンプトに入れていないことです。多くのモデルは、今も文字を描くのが苦手だからです。読める文字のない案内板を生成し、CANCELLEDの文字は編集でグラフィックとして加えます。

ステップ3：動かす前にキーフレームを作る

動画の生成は、静止画の生成より遅く、コストもかかります。確実な流れは、先にショットごとに静止画のキーフレームを1枚作り、ストーリーボード全体を1列の画像としてチェックしてから、画像から動画を作る機能で各静止画を動かすことです。

1. キャラクターの参照画像と、ロケーションの参照画像を生成する。
2. それらの参照を使って、最終的なアスペクト比で、ショットごとにキーフレームを1枚生成する。
3. キーフレームを横に並べ、顔、服、小道具、光を確認する。
4. 動くものだけを書いた短いモーションプロンプトで、各キーフレームを動かす。
5. 2つのショットをなめらかにつなぎたいときは、最初と最後のフレームを指定するモードを使い、1つのクリップの終わりが次のクリップの始まりと合うようにする。

キーフレームを動かすときは、見た目はすでに画像で決まっているので、プロンプトでは、すべてのビジュアルの詳細を繰り返さず、動きとカメラを描写します。GoogleのVeoのプロンプトガイドなど、モデルの公式ガイドも、「no」や「don't」で禁止を書くよりも、フレームに入れたいものを描写することを勧めています。

ステップ4：カットつなぎを意識して各ショットを書く

各ショットは、他の2つのショットに挟まれるので、始まりと終わりを意図して書きます。実写映画の編集のルールがいくつか、そのままAI動画でも役立ちます。

• 画面上の向きを保つ。ショット1でMayaが画面左を向いているなら、物語が彼女を振り向かせるまで、左向きのままにします。カット間で向きが入れ替わると、視聴者が混乱します。
• 会話では180度ルールを使う。2人の話し手を結ぶ線の片側にカメラを置き続けて、位置が入れ替わらないようにします。
• アクションでつなぐ。ショット4を彼女が座り始めるところで終え、ショット5は座りかけの途中から始めます。動きが、クリップ間の小さな違いを隠してくれます。
• のりしろを用意する。必要より少し長めに頼んでおくと、多くの生成にある、もたついた始まりや、ふらつく終わりをトリミングできます。
• 光をそろえる。シーン全体で光の描写を1つに決め、物語が時間や場所を変えるときだけ変えます。

よくある間違いと限界

• シーン全体を1つのプロンプトに書く。モデルがビートを圧縮したり飛ばしたりします。1プロンプトに1ショットのほうが、制御も修正も楽です。
• 見える動作のない、感情の描写。「彼女は絶望している」はあいまいですが、「彼女は電話を脇に落とし、床を見つめる」なら撮影できます。
• ショット内に、読める看板、字幕、ロゴを求める。文字はエディタで加えましょう。
• ショット間でキャラクターの描写を変える。毎回、同じブロックを貼り付けます。
• 1ショットに、複雑な手の作業、速い格闘、物の物理を詰め込む。動画モデルは、手、接触、因果関係が今も苦手です。アクションを分割する、寄りで撮る、プロセスではなく結果を見せる、といった工夫をしてください。