動画生成AIは「何が起きるか」だけでなく「カメラがどう動くか」を書き込むことで仕上がりが一段変わる。今日はKling AI、Veo 3、MiniMax Hailuo、Runway Gen-4.5という4つの動画生成AIを例に、カメラワーク・モーション・尺・アスペクト比をプロンプトでどう指定するかを、コピペで試せる作例つきで解説する。
動画生成プロンプトの基本骨格
静止画生成のプロンプトが「被写体＋構図＋光」で成立するのに対し、動画生成では「被写体が何をするか（モーション）」と「カメラがどう動くか（カメラ言語）」を追加で書く必要がある。Kling AIの公式Text-to-Videoガイドは、プロンプトの型を「被写体＋被写体の動き＋シーン＋（カメラ言語＋照明＋雰囲気）」の順で組み立てることを推奨しており、Google DeepMindのVeo 3プロンプトガイドも「ショットのフレーミングとモーション」「スタイル」「照明」「キャラクター描写」「場所」「アクション」「セリフ」を組み合わせる要素として挙げている。つまりどのモデルでも共通するのは、「カメラの視点」と「時間の経過に伴う変化」を言葉で明示することだ。
もう一つ重要なのが、尺（duration）とアスペクト比は多くのモデルでプロンプト文中の言葉ではなく、API/UI側の別パラメータとして指定する点。OpenAIのSora 2 Prompting Guideはこれを「video’s container（動画の容れ物）」と表現し、「もっと長くして」のような文章では解像度・尺は変わらないため、パラメータ側で明示的に設定すべきだと説明している。
作例1：Kling AIで「じっくり寄る」プロダクト風カット
①狙い：静物を主役にした、じわっと寄っていく落ち着いたカット。広告やブランド紹介の1カット目に使える構成。
A hand-thrown ceramic teapot with a matte indigo glaze sits on a worn wooden table beside a rain-streaked window. Thin steam curls slowly from its spout as warm lamplight flickers across the glaze. Subject stays still except for the rising steam. Camera performs a slow dolly-in, moving from a wide shot to a close-up, keeping the teapot centered throughout as the background softly dissolves into bokeh. Overcast afternoon light, muted blue-grey tones with warm amber highlights, shallow depth of field, cinematic commercial photography style.③分解：冒頭の「hand-thrown」「matte indigo glaze」は被写体の質感を限定する語で、素材違いのブレを防ぐ。「Subject stays still except for the rising steam」は動画AIが被写体を無意味に動かしがちなクセを抑えるための一文。「slow dolly-in」「keeping the teapot centered」はカメラの移動方向と対象の位置関係を明示するカメラ言語で、これがないとズームなのか前進なのか、AIが解釈をぶらす。色調を「muted blue-grey」と「warm amber」の対比で指定しているのは、モデルが自動で決める配色にブレが出やすい部分をこちらから固定するため。実際に生成する際はKling側の設定でアスペクト比16:9・尺10秒を選ぶ（Kling AIの提供仕様では16:9・9:16・1:1、5秒/10秒がプロンプト文とは別のパラメータとして選べる）。
作例2：Veo 3で「セリフ入り」の芝居がかったワンカット
①狙い：セリフと表情の芝居を1カットに収める、ドラマ・ショートフィルム向けの構成。
Medium shot, slightly low angle. An elderly ramen shop owner in his sixties, silver hair tucked under a faded blue bandana, stands behind a steaming broth pot in a narrow Tokyo alley shop at night. Warm tungsten light spills from paper lanterns, steam rising and catching the glow. He ladles broth into a bowl without looking up and says, in a low gravelly voice: "Thirty years, same recipe. The city changes. The soup doesn't." Camera holds steady, then slowly pushes in on his hands as they set the bowl down on the counter. Photorealistic, 35mm film grain, warm amber and deep-shadow palette.③分解：先頭の「Medium shot, slightly low angle」はDeepMindのガイドが挙げる「ショットのフレーミング」で、まず画角を確定させてからディテールを積む書き方。セリフを引用符でそのまま書くと、Veo 3はその発話を音声として生成しようとするため、口調の指定（low gravelly voice）とセットで書くのが効く。「Camera holds steady, then slowly pushes in」のように時間の経過に沿って2段階のカメラ指示を書くのは、Veo 3やRunwayの解説も触れている「動きの中で何が見えてくるかを段階的に書く」書き方に近い。人物の見た目を年齢・髪色・服装まで具体化しているのは、キャラクターがぼやけた印象になるのを防ぐため。アスペクト比は横長のドラマ想定で16:9を選ぶ。
作例3：MiniMax Hailuoで「縦型・軽快」なペット動画
①狙い：SNS向け縦型ショート。追従→見下ろしの切り替えでリズムを作る。
A golden retriever puppy chases a paper airplane across a sunlit hardwood floor in a bright living room, ears flopping with each bound. [Tracking shot] follows the puppy at eye level as it bounds forward, then [Pedestal up, Tilt down] rises smoothly to look down as the paper airplane lands beside a potted plant. Soft natural window light, warm and cheerful mood, shallow depth of field.③分解：MiniMaxのHailuo API公式ドキュメントは、自然文のカメラ描写に加えて[Tracking shot]や[Pedestal up]のような角括弧コマンドをプロンプト内に埋め込むと、より正確にカメラが動くと明記している。1つの角括弧内に複数コマンドを入れると同時に効き（[Pedestal up, Tilt down]で「上昇しながら見下ろす」）、コマンドを文の前後に分けて書くと時系列の切り替え（トラッキング→ペデスタル/チルト）になる、という2種類の書き分けができる。公式は組み合わせを3個程度までを推奨としている。尺とアスペクト比はAPIパラメータで指定する仕様で、たとえば縦型ショートなら9:16相当の設定と6秒（duration=6）を選ぶ形になる。
作例4：Runway Gen-4.5で「静けさ」を保った周回ショット
①狙い：マクロ被写体をじっくり見せる、動きの少ない周回カット。動画AIが陥りがちな「勝手に動きすぎる」を抑える書き方の例。
A single dew-covered spider web stretched between two dried sunflower stalks in a misty autumn field at dawn. The camera orbits slowly and smoothly around the web at a fixed distance, keeping it centered in frame as soft golden backlight rakes across the dew drops, scattering small light flares. The camera is entirely motionless in its distance from the subject for the duration of the orbit, with movement only occurring from the light and mist. Muted amber and grey-green palette, extreme macro detail, tranquil atmosphere.③分解：「orbits slowly and smoothly…at a fixed distance, keeping it centered」はRunwayのカメラ用語ガイドが定義する「Orbit(被写体の周りを回る)」の言い回しをそのまま使ったもの。同ガイドのFAQは、動画AIは常に何かを動かそうとする傾向があるため、静けさを保ちたい場合は「カメラは動かないが、光や環境の変化だけが起きる」と明示するのが有効だと解説しており、末尾の「movement only occurring from the light and mist」はそれに沿った一文。逆光でのマクロ描写は質感を強調する常套手段で、色を「muted amber」「grey-green」に絞ることで生成結果の配色ブレを減らしている。
カメラ・パラメータの早見表
| モデル | アスペクト比 | 尺（目安） | カメラの指定方法 |
|---|---|---|---|
| Kling AI（2.5/2.6系） | 16:9 / 9:16 / 1:1 | 5秒 or 10秒 | 自然文の「カメラ言語」をプロンプトに記述（別パラメータでduration/比率を選択） |
| Google Veo 3.1 | 16:9 / 9:16 など | クリップ単位（数秒〜） | 自然文でショットのフレーミング・モーションを記述。セリフはそのまま台詞文で音声化 |
| MiniMax Hailuo 2.3/02 | UI/APIで選択 | 6秒 or 10秒（解像度により変動） | 自然文＋角括弧コマンド（[Pan left]等、15種・最大3個の同時指定） |
| Runway Gen-4.5 | UIで選択 | UIで選択 | 自然文のカメラ用語（Pan/Dolly/Orbit/Truck等）を明示。静止させたい場合はその旨を追記 |
| Seedance（ByteDance） | 21:9 / 16:9 / 4:3 / 1:1 / 3:4 / 9:16 等 | 5秒 or 10秒 | 自然文でズーム・寄り・周回などのショット言語を記述 |
| Sora 2（OpenAI） | APIパラメータで指定 | APIパラメータで指定 | プロンプトは被写体・モーション・スタイルのみを担当。解像度・尺はAPI側の設定値 |
表の要点は、「カメラの動き」はほぼ全モデルでプロンプト文の自然言語（一部は角括弧コマンド）が担当し、「尺」と「アスペクト比」はプロンプト文ではなくAPI/UIのパラメータが担当する
主な情報源
- Kling AI公式 Text-to-Video Prompt Guide
- Kling AI Pricing（アスペクト比・尺の仕様）
- Google DeepMind「How to create effective prompts with Veo 3」
- Google Cloud Blog「The ultimate prompting guide for Veo 3.1」
- MiniMax API Docs：Image-to-Video Task（カメラコマンド仕様）
- Runway Help Center「Camera Terms, Prompts, & Examples」
- Runway Help Center「Gen-4 Video Prompting Guide」
- OpenAI Cookbook「Sora 2 Prompting Guide」
- ByteDance「Seedance 1.0」技術レポート（arXiv）
サンプルプロンプトは本メディアのオリジナル例です。各モデル・サービスは提供元の規約に従ってご利用ください。生成物の権利・商用条件は各規約をご確認ください。情報は公開時点のもの。収集・要約はAI、公開判断は人。