使用ガイド
Flux-3-Max 画像から動画へのプロンプトレシピ:開発者向けコピー&ペーストテンプレート
再利用可能な最初のフレーム記述構造、動きとカメラの言い回し、そして安定性のネガティブプロンプト
このページの内容
プロンプトの長さより構造が重要な理由
画像から動画へ入門したばかりの開発者は、プロンプトを脚本のように書いてしまいがちです。長い一段落でキャラクターの背景ストーリー、感情、色調、そして起こるべき十数個の出来事を説明します。このやり方は失敗します。モデルは物語を読んでいるのではなく、ソースフレームを条件として短い生成を行っているからです。散文を足すほど、信号は曖昧になります。
実際に効くのは秩序ある構造です。flux-3-max/image-to-video のプロンプトは小さな設定ファイルのように読めるべきです:まず画面を固定し、次に動きを宣言し、最後に出力を制約する。各ブロックは一つの問いに答えます。
- 最初のフレームブロック——ソース画像にすでに見えているものは何か? 被写体、シーン、照明。
- 動きブロック——クリップの中で何が変わるか? 被写体の動きとカメラワーク。
- ネガティブブロック——絶対に現れてはならないものは何か? アーティファクトのカテゴリに限る。
この順序が重要なのは、モデルがまずソースフレームに注意を向けるからです。冒頭のテキストが画像と一致しないシーンを描写していれば、その後のすべてがずれていきます。冒頭のテキストが画面を確認していれば、モデルは続く動きの指示を受け入れる安定した基盤を持てます。
長さそのものは敵ではありません——冗長さが敵です。それぞれが役割を持つ10語は、互いに繰り返す100語に勝ります。プロンプトを見直すときは、各フレーズについて問いかけてください:これはモデルがレンダリングする内容を変えるか? 変えないなら削除します。本ガイドの後半のテンプレートが簡潔なのは、まさにこの理由です。
もう一つ覚えておくべきルール:プロンプトは願望リストではありません。競合する指示を積み重ねる(「ゆっくりプッシュインしながら同時に周回し、ズームアウトする」)と、モデルは矛盾する物理に直面し、結果は通常、滑らかな動きではなくジッターになります。単一意図の表現が以下の各節を貫きます。
最初のフレーム記述ブロック
最初のフレームブロックは、ソース画像にすでにある内容を、モデルの言語で書き直した記述です。あなたはシーンを架空に作っているのではなく、モデルが見ているものを伝えているのであり、それによって動きの指示が作用する被写体ができます。
被写体
主要な被写体を一つの名詞句で名付け、必要なら素材や状態の形容詞を一つ加えます:机の上の陶器のカップ、リネンのシャツを着た女性、夕暮れの尾根。感情を表す形容詞は避けてください——ピクセルにマッピングできないため、プロンプトに属しません。
シーン
環境を一つの節で示します:明るいスタジオの中で、コンクリートの壁にもたれて、森の小道で。これはモデルが背景のどの部分を安定させ、どの部分を変化させられるかを判断する助けになります。
照明
照明はほとんどのプロンプトで最も不十分に指定されながら、出力で最も目立つ部分です。短い一節で十分です:左側からの柔らかな窓明かり、曇天の日光、暖かい照明。質だけでなく照明の方向を指定すると、モデルはフレーム間で一貫した明暗の仮定を保てます。
含めるべきでないもの
最初のフレームブロックは、背景ストーリー、感情、未来の出来事を置く場所ではありません。被写体に微笑ませたいなら、それは動きの指示であり、記述ではありません。このブロックを純粋に記述的に保つことで、モデルが画面に支えられていない細部を幻覚するのを防げます。
完全な最初のフレームブロックは例えばこうです:木の机の上の陶器のカップ、明るいスタジオの中で、左側からの柔らかな窓明かり。これがアンカーのすべてです。その後はすべて動きです。
動きとカメラワークの言い回し
動きの言い回しは具体的で、短く、単一意図のときに最も効果を発揮します。モデルは動きの動詞とカメラの幾何学に反応し、監督的な抽象には反応しません。
被写体の動き
一つの動作節を使います:湯気がゆっくり立ち上る、彼女がわずかに首を向ける、布が風に揺れる。被写体と動詞を近くに置いてください。同じ被写体に二つの動作を連ねるのは、それらが自然に関連する場合を除いて避けます——彼がカップを持ち上げて一口飲むは可、彼がカップを持ち上げながら立ち去るは不可です。
カメラワーク
カメラワークは、操作と方向を示す一つのフレーズで表すのが最良です:ゆっくりプッシュイン、左から右へパン、被写体の周りを周回、わずかにティルトアップ。ゆっくりやわずかにといった語は、モデルが確実に実現できない正確な速度を要求するのではなく、意図を設定するため、数値の速度より役立つことがよくあります。
各クリップにつき一つのカメラワークだけを選んでください。動きの積み重ねは出力が不安定になる最も一般的な原因です:プッシュインと周回を同時に要求すると、モデルは両方を満たそうとして、被写体の輪郭周辺に歪みが生じます。どうしても複合的な動きが必要なら、二つのクリップに分けるか、二番目の動きは近似にしかならないことを受け入れてください。
被写体とカメラを分離する
被写体の動きとカメラワークを二つの独立した文として書きます。湯気がゆっくり立ち上る。ゆっくりプッシュイン。こうすれば一方を変更するときにもう一方を触らずに済みます——反復の節で説明するように、これがプロンプトをデバッグする方法です。
避けるべきフレーズ
抽象的な方向性は避けてください:シネマティック、エピック、ダイナミック、ムーディー。これらはピクセルの変化を指定せず、ノイズを増やすだけです。特定の見た目が欲しいなら、感覚ではなくカメラの幾何学や照明を描写してください。
本当に役立つ安定性のネガティブプロンプト
ネガティブプロンプトは、二番目のスタイル記述として誤用されることがよくあります——嫌いなものをすべて列挙するために。これはモデルを過度に制約し、多くの場合出力を悪化させます。生成は今や一つのことをうまくやるのではなく、同時に多くのものを避けなければならないからです。
flux-3-max/image-to-video において、ネガティブプロンプトの有効な用途はアーティファクト抑制です。狭く技術的なネガティブ語は、創作の方向性に触れずに、モデルが避けるべき失敗モードを伝えます。
役立つアーティファクトのネガティブ語
歪み、変形、ちらつき——時間的安定性の問題。余分な手足、重複した顔——人物周辺の構造的エラー。文字のアーティファクト、ウォーターマーク——不要なグリフのような細部。輪郭のぼやけ、エッジのジャギー——境界の不安定さ。
これらはすべて、生成がどう失敗するかの記述であり、どう見せたいかの記述ではありません。これがネガティブ語を残すべきかどうかの判断基準です。
通常は有害なネガティブ語
ネガティブなスタイル語は避けてください:シネマティックにするな、カートゥーンにするな、鮮やかな色にするな。これらはポジティブプロンプトと対立し、出力を平坦にする可能性があります。ポジティブプロンプトが適切に指定されていれば、スタイルのネガティブ語は不要です。
リストを短く保つ
二つから五つの狭いネガティブ語で通常は十分です。長すぎるネガティブリストは衝突する制約の確率を高め、モデルがアーティファクトと一緒に正当な細部まで抑制してしまう可能性があります。まず時間的安定性と境界の項目から始め、テスト実行で該当するアーティファクトを観察したときにだけ他の項目を追加してください。
すぐにコピーできるレシピテンプレート
これらの骨組みは前の節の順序に従います:最初のフレームブロック、次に動き、最後にネガティブ語。角括弧内のスロットを置き換え、構造は変えないでください。
製品クリップ
[製品の名詞句] が [表面] の上にあり、[環境] に位置し、[照明の方向と質]。
[一つの微妙な被写体の動き、例:反射が動く / 光が表面をなでる]。
[単一のカメラワーク、例:ゆっくりプッシュイン / わずかな周回]。
ネガティブ:歪み、ちらつき、文字のアーティファクト。
ポートレートクリップ
[人物の名詞句] が [服装] を着て、背景は [背景]、[照明の方向と質]。
[一つの小さな被写体の動き、例:頭がわずかに回る / 目がまばたきする]。
[単一のカメラワーク、例:ゆっくりプッシュイン / わずかなティルトアップ]。
ネガティブ:歪み、余分な手足、重複した顔。
環境クリップ
[風景または室内の名詞句]、[時間帯と天気]、[照明の方向と質]。
[一つの環境の動き、例:雲が流れる / 葉が風に揺れる]。
[単一のカメラワーク、例:左から右へのゆっくりしたパン / わずかなティルトアップ]。
ネガティブ:ちらつき、輪郭のぼやけ、変形。
適応ルール
- 被写体のフレーズは名詞一つ、多くても修飾語一つまでに保つ。
- 別の動作が欲しいときは動詞だけを変える——構造は固定したままにする。
- クリップが不安定に見えるなら、まずカメラワークを外し、それから他の変更を行う;被写体の動きだけを残すのが通常はより安全なベースライン。
これらのテンプレートは出発点であり、最終的なプロンプトではありません。ソースフレームと言い回しの相互作用はほとんどの開発者が予想する以上に大きいので、各テンプレートを仮説として扱い、短い実行で検証してからバッチ使用に投入してください。
クリップをまたぐ反復とバッチ処理
良いプロンプトに収束する最速の方法は一度に一つの変数だけを変え、短い実行を確認することです。実用的なループは次のとおりです:
- 最も近いテンプレートからプロンプトを書く。
- 短いクリップを生成する。
- ソースフレームと照合する——被写体は保たれているか? 動きは単一意図か? アーティファクトはあるか?
- 責任のある単一のブロックを特定し、そのブロックだけを変える。
- 再生成して比較する。
このループは最初のクリップでは意図的に遅く、その後は速くなります。固定された各ブロックが再利用可能な資産になるからです。ほとんどの不安定さは、積み重ねたカメラワーク(動きブロック)か、画面と一致しない被写体フレーズ(最初のフレームブロック)に起因します。一度に一つずつ変えれば、どちらが原因か分かります。
バッチへの拡張
プロンプトがあるフレームで安定したら、それをテンプレートに昇格させ、類似したソースフレームに同じ構造を適用します。バッチ反復が機能するのは、構造が変わらずスロットだけが変わるからです:
- 最初のフレームブロックを新しい画像それぞれに同期させる;異なるフレームから記述をコピーしない。
- クリップの種類が変わらない限り、動きの言い回しを一貫させる。
- ネガティブ語のリストをクリップのカテゴリごとに固定する。
バッチ結果は個々のファイルごとではなく、クリップの種類ごとにグループ化してレビューしてください。そうすれば体系的な問題(例えばすべてのポートレートクリップで肩が歪む)が、ファイルごとのメモに埋もれず、すぐに明らかになります。
最後に、どのプロンプトのバリアントがどの出力を生んだかを記録してください。クリップのカテゴリごとにプロンプト編集の短い変更ログを付けることは、どんなに巧妙な単一のフレーズよりも多くの時間を節約します。ループを構築し、構造を保ち、テンプレートに繰り返し作業を任せてください。