動画生成AIの「カメラワーク」実践講座：プッシュイン・アーク・トラッキングと尺・アスペクト比の書き方

2026年8月10日

動画生成AIのプロンプトは、被写体や情景をどれだけ丁寧に描写するかと同じくらい、「カメラがどう動くか」「クリップは何秒か」「画面比率はどれか」を明示するかどうかで仕上がりが変わる。今日はVeo・Sora・Kling・Runwayの公式ガイドが推すカメラ用語と、尺・アスペクト比の指定方法を整理し、そのまま試せるオリジナルのプロンプト作例を4本紹介する。

カメラの動きは「動詞」で書く

各社の公式ガイドに共通するのは、カメラの動きを抽象的な雰囲気語ではなく、具体的な移動の動詞で書くという原則だ。RunwayのGen-4 Video Prompting Guideは「カメラモーション」を被写体モーション・シーンモーションと並ぶ独立した要素として扱い、locked／handheld／dolly／panのような移動スタイルを明示するよう案内している。Klingの公式ブログも、1ショットにつき主なカメラの動きは1つに絞ることを繰り返し強調している。push-in・pan・tilt・rotate・zoom・followを同時に指定すると、モデルが動きを解決しきれず不安定な結果になりやすいという。

用語（英語）	動き	効く場面
push-in / dolly-in	カメラが被写体へ前進する	感情の高まり、質感やディテールの強調
pull-back / dolly-out	カメラが被写体から後退する	全体像や環境のリビール、スケール感の演出
pan（left / right）	カメラが水平方向に首を振る	横移動の追従、複数の被写体をつなぐ紹介ショット
tilt（up / down）	カメラが垂直方向に首を振る	高さの強調、足元から顔への視線誘導
tracking / follow shot	被写体と並走しながら移動する	アクション、移動の臨場感
arc / orbit shot	被写体を弧を描いて回り込む	ドラマチックな視点転換、対象を立体的に見せる
crane shot	上下に大きく移動しながら見下ろす・見上げる	壮大なスケール表現、シーンの開始/終了のリビール
handheld	手ブレを伴う不安定な動き	ドキュメンタリーやVlog風の臨場感
static / locked-off	カメラを完全に固定する	会話シーンや静かな観察ショット

尺とアスペクト比は「箱」からはみ出せない

OpenAIのSora 2 Prompting Guideは、解像度（size）と尺（seconds）を「プロンプトの文章では変えられない“容器”のパラメータ」と明言している。「もっと長く」とプロンプトに書いても伸びず、API呼び出し側で明示的に指定する必要がある。同様にGoogle CloudのVeo 3.1プロンプトガイドもアスペクト比とクリップ長は生成設定側の値であり、プロンプトはその箱の中身（画作り）を決めるものだと整理している。

ツール	アスペクト比 / 解像度	尺（クリップ長）	備考
Sora 2 / Sora 2 Pro（OpenAI）	size パラメータで指定（例: 720×1280、1920×1080など）	4 / 8 / 12 / 16 / 20秒（既定4秒）	size・secondsはAPIの「容器」パラメータで、プロンプト文では変更不可
Veo 3.1（Google）	16:9 または 9:16	4 / 6 / 8秒	720p/1080p、台詞・環境音を含む音声を同時生成
Gen-4 / Gen-4.5（Runway）	入力画像のアスペクト比に依存	5秒または 10秒	1生成＝1シーンとして設計し、複数のシーン転換を1本に詰め込まない
Kling VIDEO 3.0 / 3.0 Omni	テンプレートで選択（Omniはマルチショット構成に対応）	ショットごとに尺を指定可能	プロンプト・ネガティブプロンプトとも上限2,500文字

作例で見るカメラワークの書き方

①プロダクトCM風のマクロ・プッシュイン（Sora向け）

狙い：高級腕時計を主役にした4秒のスタジオ撮影風カット。ベゼルのディテールへ寄っていくプッシュインで質感を魅せる。Sora 2 Prompting Guideが推奨する「Camera / Lighting / Actions / Background Sound」の分割記法を使う。

A studio product shot of a stainless steel diver's watch resting on brushed dark slate.
Camera: macro lens, slow push-in from a wide framing to an extreme close-up on the rotating bezel, shallow depth of field.
Lighting: single soft key light from upper left, cool rim light tracing the bezel edge, deep black background.
Actions:
- A water droplet slides down the crystal face and drips off the case.
- The bezel catches a glint of light just as the push-in reaches the dial.
Mood: precise, quietly dramatic, luxurious.
Background Sound: faint mechanical ticking, soft ambient room tone, no music.

「macro lens」でレンズ種を固定し、被写界深度を狭めることで背景をにじませ主役を際立たせている。「slow push-in from a wide framing to an extreme close-up」のように始点と終点を書くと、4秒という短い尺の中でもモデルが動きの量を調整しやすい。Actionsを2つのビートに絞っているのも、Sora公式ガイドが薦める「1ショット・1つの明確なアクション」の原則に沿ったものだ。Background Soundは音のないシーンでもリズムの手がかりとして機能する。

②渓谷を見下ろすクレーンリビール（Veo 3.1向け）

狙い：登山者の足元から一気に高く上昇し、霧に包まれた渓谷の全景を見せる8秒のドキュメンタリー風ショット。Veo 3.1ガイドの「[Cinematography] + [Subject] + [Action] + [Context] + [Style & Ambiance]」の型に沿って書く。

Crane shot starting close on a hiker's worn boots on a narrow rocky ridge, then rising high above to reveal the hiker standing at the edge of a vast, fog-filled canyon at dawn.
The hiker slowly raises both arms in quiet triumph as the wind pulls at their jacket.
Endless layered ridgelines fade into pale morning mist far below, with a thin ribbon of river catching the first sunlight.
Epic, awe-inspiring adventure-documentary style, soft golden backlight, thin cinematic haze, subtle wide-angle lens distortion at the frame edges.
SFX: gentle wind gusts, distant birdsong, faint fabric flutter.

冒頭の「Crane shot starting close on… then rising high above to reveal…」は、開始位置と終了位置を一文でつなぐ書き方で、Veoガイドが例示するクレーンショットの型そのものだ。Subject（登山者）のActionをワンビートに絞り、Context（渓谷・霧・川）とStyle（ゴールデンバックライト、広角の歪み）を分けて記述することで、カメラの動きと画作りが干渉しない。SFXの一行はVeo 3.1が音声も同時生成する仕様に対応したもので、無音のまま任せるより意図した空気感になりやすい。

③路地を追うトラッキングショット（Kling向け）

狙い：雨に濡れた路地を走る配達員を追いかける、臨場感のあるアクションカット。Klingの公式プロンプト定式「Subject + Subject Movement + Scene + (Camera Language + Lighting)」に沿う。

A courier in a bright yellow rain jacket sprints through a narrow, rain-slicked alley, weaving between stacked crates and hanging laundry lines, backpack bouncing with each stride.
The alley is lined with dripping awnings and glowing shopfront signs reflected in the wet pavement.
Camera: smooth tracking shot at waist height, keeping pace directly behind the courier's shoulder, with a subtle handheld sway for realism.
Lighting: neon signage bleeding soft color across the pavement, twilight-blue ambient light mixed with warm shopfront glow, faint rain streaks catching a passing headlight.

Negative prompt: blurry face, extra limbs, static camera, overexposed highlights

Subject Movement（配達員の走り）とCamera Language（トラッキング+微妙なハンドヘルドの揺れ）を別の行に分けて書くのがKling公式が推す構成で、主動作とカメラの動きを混同させない効果がある。「一番大事な動きを1つに絞る」という公式ガイドの注意に従い、カメラの主move はトラッキングのみとし、パンやズームは足していない。ネガティブプロンプトを添えるのはKling APIの仕様（プロンプト・ネガティブプロンプトそれぞれ2,500文字まで）を踏まえたものだ。

④手持ちで撮る朝のコーヒーシーン（Runway Gen-4向け・image-to-video）

狙い：静止画から始める、生活感のあるドキュメンタリー風の一コマ。Runway Gen-4 Video Prompting Guideが薦める「入力画像に写っているものを説明し直さず、動きだけを書く」方針に沿う。

The woman lifts the kettle and pours steaming water in a slow spiral over the coffee grounds, steam curling upward and catching the morning light.
A handheld camera holds a slight, natural sway as it slowly pushes in toward her hands.
Warm morning light drifts across the counter, dust motion visible in the sunbeam.

Runwayの公式ガイドは「Subject Motion」「Camera Motion」「Scene Motion」の3層で動きを分解するよう案内しており、この例もその順に対応する（お湯を注ぐ動作／手持ちのプッシュイン／光と埃の揺らぎ）。入力画像に写っている構図や色そのものを言葉で描写し直すと動きが減ってしまうため、あえて省略している。Gen-4は5秒か10秒の生成なので、1シーン・1アクションに絞るのが公式の推奨だ。