Kandinsky 6.0 Pro 画像から動画へのプロンプトレシピ：そのままコピーできるプロンプトで、より良いモーション効果を得る

プロンプトは長さより構造が重要な理由

画像から動画へのプロンプトは、テキストから画像へのプロンプトを長くしたものではない。参照フレームを渡した時点で、モデルはすでにシーンがどう見えるかを知っている。あなたのプロンプトの役割は、すでに見えている内容を再説明することではなく、この動画の中で何が変化するのかを記述することだ。

この役割の転換こそ、12語の構造化プロンプトが120語の段落にしばしば勝る理由である。長い段落は、被写体の説明、モーションの意図、カメラの挙動、スタイルの期待を、区別できない一つの混合物に混ぜ込んでしまう。モデルはどの節がカメラを制御し、どの節が被写体を制御するのか判断できず、妥協するしかない：カメラが少し流れ、被写体が少し動き、結果としてぼやけた塊に見える。

構造化プロンプトは関心事を階層に分離する：

• 被写体アンカー——参照画像に何があるかを簡潔に指し示し、どの内容が安定しているべきかを確認する。
• モーション手がかり——望む特定の物理的変化を、方向と強度とともに示す。
• カメラ記述——仮想カメラだけを記述する独立した節。
• スタイル制約——外観、質感、一貫性に関するガードレール。

各層は一文か一フレーズに収める。目標は簡潔さのための簡潔さではなく、解析可能であることだ：各層は一つの変数であり、反復の過程で独立して変更できる。階層化プロンプトは生成ツールであり、同時にデバッグツールでもある。

構造が勝るもう一つの理由：再現性。ある動画がうまくいったとき、それを再利用するにはなぜうまくいったのかを知る必要がある。段落で書けば、理由は埋もれてしまう。階層で書けば、勝った層を次の実験にコピーし、テスト中の層だけを変えられる。

実用的なルール

プロンプト内の或る語が、参照画像の被写体も、モーションも、カメラも、スタイル制約も記述していないなら、それはおそらくノイズである。削除して再生成し、比較せよ。ほとんどの場合、より短い構造化バージョンの方が画面をよく保ち、モーションもよりクリーンになる。

本ガイドの前提

以下はすべて HiAPI.ai の統一インターフェース経由で kandinsky-6.0-pro の画像から動画を呼び出すために書かれており、画像から動画の呼び出しには参照画像とプロンプトが必要で、生成された動画が返る。これらのレシピはすべて純粋なテキスト——特殊な構文はない——ため、同じエンドポイントを呼ぶ任意のクライアントで使用できる。

画像から動画へのプロンプトの解剖学

プロンプトを四つのスロットを持つ表として扱おう。毎回同じ順序で記入すれば、実験は比較可能なまま保たれる。

スロット 1：被写体アンカー

どの内容が識別可能なままであるべきかを示す短いフレーズ。完全な説明ではない——画像自体がすでにそれを担っている。これは安定性のシグナルである。

例：the woman、the ceramic vase、the mountain ridge、the abstract shapes。

すでに画面に見えている細部を再指定するのは避けよう。服装、照明、色を再記述すると、モデルがそれらを「改善」しようと誘発され、結果としてちらつきや被写体の同一性の漂流として現れる。

スロット 2：モーション手がかり

一つの主要なモーションを、動詞、方向、強度修飾語で表現する。

例：turns her head slowly to the left、gently sways side to side、drifts steadily upward。

各動画には主要なモーションを一つだけ選ぼう。強度が同程度で競合する二つのモーションは、出力が濁る最も一般的な原因である。

スロット 3：カメラ記述

カメラ言語で始まる独立した節：camera、the camera、または shot。被写体をこの節に入れないことが、カメラ挙動を予測可能にする鍵である。

例：camera slowly pushes in、camera holds static、camera pans left at a steady rate。

スロット 4：スタイル制約

外観と一貫性に関するガードレール。短くて構わない。

例：photorealistic, consistent lighting, no flicker、flat illustration style, stable linework、cinematic color grade, shallow depth of field。

組み立てる

the woman, turns her head slowly to the left, camera holds static, photorealistic, consistent lighting

これが完全な解剖学である。18語、四つのスロット、一つの制御可能なアイデア。本ガイドの以降の各レシピは同じ形で、スロット 2 とスロット 3 の内容だけが異なる。

スロットの規律

この解剖学を根付かせる二つの習慣：

• 順序を固定する。常に被写体、モーション、カメラ、スタイル。古いプロンプトを読み返すとき、順序がどの層を変えたかを即座に教えてくれる。
• カンマで区切られた各節には一つのアイデアだけを入れる。カンマは軟らかい区切りとして働く；一つの節が被写体の動作とカメラ移動を同時に含むなら、分割しよう。

一般的な被写体タイプ別のモーション手がかりレシピ

モーションの言い回しの効果は、画面に何があるかに依存する。これらはそのままコピーできる出発点である——角括弧の部分を自分の被写体に置き換えよう。

人物とキャラクター

人物の被写体は過剰なアニメーションに最も敏感である。小さく具体的な動きは自然に見え、大きな動きは不気味に見える。

• [the person], blinks and turns their head slightly toward [direction], camera holds static, natural skin texture
• [the person], smiles subtly while breathing, shoulders rise and fall gently, camera holds static
• [the person], walks slowly toward the camera, steady gait, camera pulls back at the same pace
• [the person], raises one hand to [gesture], other hand stays still, camera holds static

人物の顔には subtly、slightly、gently を多用しよう。それらは強度のダンパーである。

物体と製品

物体には一度のきれいな変形が必要である。回転と光の移動が最も安全だ。

• [the object], rotates slowly clockwise, camera holds static, product photography lighting, no flicker
• [the object], subtle highlight travels across its surface, object stays still, camera holds static
• [the object], gently floats and bobs in place, soft shadow moves with it, camera holds static
• [the object], lid opens slowly, body remains stationary, camera holds static

自然と環境

屋外のシーンはより多くの動きを許容する。観客が環境の動きを予期するからだ——ただし大きいものから小さいものへ階層化すべきである。

• [the landscape], clouds drift slowly to the right, camera holds static, consistent lighting
• [the landscape], water ripples gently, [foreground element] sways in a light breeze, camera holds static
• [the landscape], fog rolls slowly forward from the background, camera holds static
• [the landscape], sun light shifts from warm to cool across the scene, camera holds static

抽象および様式化された入力

抽象的な画面には頼れる物理的論理がないため、モーションの幾何学的形態を明示的に述べる必要がある。

• [the abstract shapes], expand outward from the center at a steady rate, camera holds static
• [the abstract shapes], flow in a continuous horizontal loop, camera holds static, stable palette
• [the abstract shapes], slowly morph into softer forms, camera holds static
• [the abstract shapes], pulse gently in place, rhythm stays even, camera holds static

パターンを読み取る

上記の各レシピの骨格はすべて同じである：動詞 + 方向 + 強度。動画に問題が生じたとき、修正点はほぼ常にこの三部分のどれかにある——動詞が間違っている（回転か平行移動か）、方向が欠けている、または強度のダンピングが欠けている。

カメラ記述レシピ

カメラ言語は隔離されて初めて有効になる。これらの言い回しは、被写体の節がすでに存在し、カメラに言及していないことを前提とする。

固定カメラ

• camera holds static, locked-off shot
• camera is completely still, no movement

シーンの内容が忙しいときは、明示的な no movement の言い回しが有効である；モデルにハード制約を与え、被写体の環境的な動きに抵抗させる。

パン

• camera pans slowly left across the scene
• camera pans right at a steady rate
• camera pans horizontally, constant speed

常に方向と速度語（slowly、steady、constant）を含めよう。そうしないとパンは動画の途中で加速したり逆転したりしがちである。

プッシュインとプルバック

• camera slowly pushes in toward the subject
• camera pulls back gradually, revealing more of the scene
• camera dolly-in at a slow, even pace

プッシュインとプルバックは、静的な参照画像を生き生きとさせる最も強力な単一のカメラ移動である。それらをほとんど動かない被写体と組み合わせると、最大の制御が得られる。

オービットとアーク

• camera orbits slowly around the subject, arc of about 30 degrees
• camera arcs to the right, maintaining distance from the subject

オービットは画像から動画で最も失敗しやすいカメラ移動である。見たことのない側面を見せるには、モデルがゼロから幾何構造を発明する必要があるからだ。アークは短くし、明示的に述べよう。動画が崩壊するなら、アークの言い回しを slight arc に減らすか、プッシュインに後退せよ。

チルトと垂直移動

• camera tilts upward slowly
• camera rises vertically, keeping the subject centered

被写体の動きとカメラの動きの組み合わせ

被写体とカメラの両方が動くときは、それらの方向を逆ではなく相容れるものに保とう：

the runner, jogs slowly toward the camera, camera pulls back at the same pace, outdoor daylight, consistent lighting

被写体が前方へ動き、カメラが後退すると、安定したトラッキングショットのように読める。被写体が前方へ動き、カメラもプッシュインすると、衝突コースのように読め、通常は変形する。

各動画にカメラ移動は一つだけ

パン、プッシュイン、チルトを重ねないこと。名指しされた一つのカメラ移動は予測可能な動画を生む；競合する二つの移動は妥協的な効果を生み、漂流のように読める。特定のショットが本当に複合的な動きを必要とするなら、まず単独でテストし、それから被写体の動きと組み合わせよ。

適応可能なコピー＆ペーストのレシピテンプレート

これが完全なテンプレートである。角括弧を埋め、不要な任意行を削除し、節の順序を固定したままにせよ。

[subject anchor], [motion verb] [direction] [intensity], camera [camera move] [rate], [style constraint], [consistency guardrail]

実例：製品動画

the ceramic vase, rotates slowly clockwise, camera holds static, studio product lighting, consistent shadows, no flicker

実例：人物動画

the woman, turns her head slightly to the right and blinks, camera slowly pushes in, photorealistic, natural skin texture, consistent lighting

実例：風景動画

the mountain ridge, clouds drift slowly to the right, camera pans slowly left, cinematic color grade, consistent lighting

自分のレシピを組み立てる四つのステップ

1. 被写体アンカーを名詞句として書く。説明しない——名指しするだけ。
2. 本ガイドのレシピからモーションを一つ選び、方向と強度の語だけを変更する。
3. カメラのフレーズを一つ選び、被写体の動きと矛盾しないことを確認する。
4. スタイル制約と一貫性ガードレール（consistent lighting、no flicker、stable palette）を加える。

記入済みのテンプレートを純粋なテキストファイルとして保存し、一行に一つ、意図で命名せよ（portrait-headturn、product-rotate、landscape-clouds）。このファイルがあなたのレシピライブラリとなり、新しい実験のたびにゼロから書くのではなく、既存の一行をコピーするところから始められる。

テンプレート自体のバージョン管理

第五のスロット——たとえば照明の節——を繰り返し追加していることに気づいたら、それを意図的にテンプレートへ昇格させ、すべてのレシピを一度に更新せよ。場当たり的な追加こそが、テンプレートが段落へと腐敗する原因である。

制御されたステップで反復する

プロンプトの反復が失敗するのは、たいてい一度に複数のものを変えてしまい、結果を帰属できないからである。解決策はプロセス的であり、創造的ではない。

各実行で変数を一つだけ変更する

まずベースラインを生成し、その後は各実行で以下のうち一つだけを変更する：

• モーション動詞
• 方向
• 強度修飾語
• カメラ移動
• カメラ速度
• スタイル制約

それ以外はすべてバイト単位で同一に保つ。これは制御実験と同じ規律であり、モデルが何に反応するかを知る唯一の信頼できる方法である。

比較ログを残す

ログはテキストファイルでもスプレッドシートでもよい。各実行で記録する：

• レシピ名
• 完全なプロンプトテキスト
• 前回の実行から変更した単一の変数
• 短い結論：keep、reject、または needs another pass

プロンプトは純粋なテキストなので、完全なプロンプトを貼り付けるコストは低く、各実行を完全に再構築可能にする。ログにプロンプトを要約してはならない——そのままコピーせよ。

固定ベースラインと比較する

最も有用な習慣は、被写体タイプごとに基準レシピを維持し、パイプラインの他の何かを変更するたびにそれを再生成することである。ベースラインがまだ正しく見えるなら、パイプラインは安定しており、あらゆる差異はプロンプトの変更に帰属できる。ベースラインが変わったなら、プロンプトの作業を止め、まずパイプラインを調査せよ。

小バッチでテストし、グループでレビューする

方向や強度の語をテストするときは、単一の動画ではなく小さなバッチのバリエーションを走らせよ。並べてレビューし、最良を選び、残りをライブラリから削除せよ。すべてのバリエーションを保持すると、レシピライブラリは読めないアーカイブになる。

勝者を昇格させ、敗者を淘汰する

あるバリエーションがベースラインを明確に上回ったら、ライブラリのベースライン項目を上書きし、日付を記す。レシピライブラリは常に各意図の現在知られている最良のレシピを含むべきであり、毎回の試行の履歴ではない。

よくある失敗パターンとプロンプトの再構築方法

画像から動画のほとんどの問題は、実は設定の外衣を着たプロンプトの問題である。他のパラメータに触る前に、以下の再構築を試そう。

動画が過剰にアニメーションする

症状：すべてが動いている——被写体、背景、照明——画面が騒がしく見える。

再構築：強度のダンピングを強め（slowly、subtly、gently）、カメラを明示的に固定し（camera holds static, no movement）、一貫性ガードレール（consistent lighting, no flicker）を加える。それでも残るなら、被写体の節から二次的なモーションを一つ削除せよ。

動画がほぼ静止している

症状：出力がほぼ参照画像そのままで、微弱なちらつきだけがある。

再構築：モーション動詞をより強く、より物理的にする（shifts ではなく rotates、moves ではなく walks toward the camera）。方向が欠けているなら補う。被写体が動かないままでなければならないなら、代わりにカメラ移動を加える——ゆっくりしたプッシュインは被写体に触れずに知覚的な動きを生み出す。

被写体の同一性が漂流する

症状：顔、ロゴ、製品の形状が動画の中で変形する。

再構築：被写体アンカーを短くし、見えている細部の再記述をやめる。スタイル制約に subject remains unchanged または stable [feature] を加える。新しい角度を見せる大きなカメラ移動は漂流を悪化させる——アークを減らすか削除せよ。

カメラと被写体が喧嘩する

症状：両方の節がもっともらしく見えても、画面が不安定に感じられる。

再構築：方向を確認する。逆のベクトル（被写体は左へ動き、カメラは速く右へパン）は明らかな衝突を生む。それらを揃えるか、片方を slowly に減らせ。

二つのモーションが競合する

症状：どちらのモーションも完了せず、両方が中途半端に見える。

再構築：二つのレシピに分割し、各動画で一つのモーションだけを生成する。本当に両方が必要な場合は、それらを順序付け（first [motion A], then [motion B]）、より緩い結果を受け入れよ。

スタイルが汎用化へ漂流する

症状：動画が参照画像より滑らかで、「AI っぽく」見える。

再構築：スタイルスロットで媒介を明示的に再確認し（flat illustration、35mm film look、product photography）、関連する箇所に stable palette, consistent linework を加える。

一般的なルール

設定の変更とプロンプトの変更のどちらでも問題を解決できそうなら、まずプロンプトの変更を試せ——より速く、テストは無料で、パイプラインを実行間で比較可能に保つ。再構築したプロンプトが同じ方向でなお失敗するときに初めて、設定に触れよ。

あるレシピがこれらの再構築に耐えたら、それを保存せよ。小さく熟成された構造化レシピライブラリは、どんな単一の賢いプロンプトよりも価値があり、それこそが kandinsky-6.0-pro の画像から動画をあなたのパイプラインで再現可能にするものである。