使用ガイド
Ray 3.2 テキストtoビデオプロンプト：5つのレシピと実際のクリップ
そのままコピー＆ペーストできるプロンプト集。Ray 3.2 自身のカメラワーク、リズム、ライティングの挙動に合わせて調整しており、各レシピには実際に生成されたクリップを添えています。
TL;DR
- Ray 3.2 のテキストtoビデオには入力フレームがないため、プロンプトでショット全体を構築する必要があります：被写体、最初のフレームの構図、カメラワーク、リズム、ライティング、そして簡潔なネガティブリストです。これが本ページで鍛える中核スキルです。
- 以下は私たちが自ら書き、
ray-3.2/text-to-video上で実行した5つのコピー＆ペースト可能なプロンプトで、それぞれに実際に生成されたクリップが埋め込まれています。各クリップは5秒生成で、うち4つが540p、1つが720pです。 - 信頼できる Ray 3.2 プロンプトは毎回同じ順序に従います：カメラワーク → 被写体 → 環境 → 光と色 → ネガティブワード。 被写体ではなくカメラから始めます。
- 公開前に実測検証済み：
durationは5または10を受け付け、resolutionは540p/720p/1080pを受け付け、aspect_ratioは6つの値——16:9、9:16、1:1、4:3、3:4、21:9——を受け付けます。 - 料金は秒単位ではなくクリップ単位で課金されます：5秒/540p クリップは $0.2145、5秒/720p は $0.429（価格は 2026-10 時点——最新の価格表は 料金ページ をご確認ください）。
テキストtoビデオのプロンプトが独立したスキルである理由
画像toビデオを使ったことがあるなら、ここでの筋肉記憶はあなたを誤らせます。画像toビデオでは最初のフレームがすでにモデルに渡されているため、プロンプトは動きだけを記述すれば済みます。テキストtoビデオはゼロから始まります——モデルはあなたのテキストだけを頼りに、最初のフレームと動きを同時に発明します。「カメラがゆっくりとドリーインする」とだけ書かれたプロンプトには、ドリーインすべき対象が存在しないのです。
したがって ray-3.2/text-to-video では、プロンプトが二重の負荷を担います：信憑性のあるオープニングフレームを構図し、かつそのフレームがどう動くかを演出しなければなりません。以下のレシピは、この両方のタスクを明確にする構造に基づいて組み立てられています。動かしたい静止画がすでにあるなら、無理にテキストtoビデオを使わないでください——Ray 3.2 画像toビデオエンドポイント に切り替えれば、あなたのフレームをアンカーとし、プロンプトの動きの部分だけで済みます。
Ray 3.2 で効果を発揮するプロンプトの骨格
すべてのテストを通じて、映像が一貫性を保ったクリップは同じ文節順序に従っていました：
- カメラワークを最初に置く。 「ゆっくりとした映画的なドリーイン」「横に流れる空撮ショット」「手持ちのプッシュイン」。Ray 3.2 は冒頭の文節を主導的な指示として扱うので、動きはそこに置きます。
- 被写体 + その動作。 明確な被写体が明確なことを一つ行う。二つの被写体が競合するところで、動きの残像が始まります。
- 環境。 画面を埋めるのに十分なシーンを。ただし詰め込みすぎないこと——密なシーンは動きの安定性を犠牲にします。
- 光とカラーグレーディング。 ここが Ray 3.2 の真骨頂です。光の言語（「ゴールデンアワー」、「シアンとマゼンタのネオン」、「逆光」）に強く反応します。グレーディングのスタイルを明確に述べましょう。
- 簡潔なネガティブリスト。
Negative: ...で締めくくり、よくある失敗パターン——文字、ロゴ、四肢の変形、フリッカー、唐突なカット——を抑制します。
プロンプト全体は数文に保ちましょう。長ければ良いというものではなく、余分な文節はカメラ指示を薄めてしまいます。
レシピ 1——カメラから始める：ゆっくりとしたドリーイン
学習ポイント： カメラワークを最初の文節に置き、21:9 でワイドスクリーンの映画的な雰囲気を作ります。
風化した鉄製のバルコニーに一人で立つ灯台守に向かってゆっくりと映画的にドリーインするショット、
塩気のある水しぶきが画面を漂う。曇りの夜明けの光、冷たい青灰色、柔らかな拡散した影。
カメラは安定した落ち着いたテンポで前へ滑り、距離を徐々に縮め、カモメが背景をかすめる。
アナモルフィックなワイドスクリーンレンズの質感、浅い被写界深度、柔らかなフィルムグレイン。ネガティブ：テキストなし、
ロゴなし、変形した手なし、唐突なカットなし。
設定：duration 5、resolution 540p、aspect_ratio 21:9。 冒頭の「ゆっくりと映画的にドリーイン」が主役を担います——Ray 3.2 はこれを最重要の指示として読み取り、前への滑りをドリフトさせずに安定させます。「落ち着いたテンポ」は便利なフレーズで、テキストtoビデオモデルがデフォルトで出しがちな過剰にせっかちな高速の動きを抑制します。
レシピ 2——確立ショットとリズム
学習ポイント： 意図的な「リビール」を伴う空撮の確立の動きと、光の言語が全体のムードをどう支えるか。
棚田の稲の谷をゴールデンアワーにゆっくりと漂う空撮の確立ショット、低い太陽が
琥珀色の空を映す水を張った田んぼを斜めに掃く。下の段の棚田には薄い霧が立ち込める。カメラはゆっくりと
落ち着いたテンポで横に移動し、狭い土の道を歩く農夫を徐々に明らかにする。暖かなハイダイナミックレンジの
ライティング、濃厚な緑と金色、映画的な霧。ネガティブ：テキストなし、ウォーターマークなし、
フリッカーなし、歪んだジオメトリなし。
設定：duration 5、resolution 720p、aspect_ratio 16:9。 このクリップを成功させたのは二点です。第一に、「農夫を徐々に明らかにする」が横の動きに目的を与えています——カメラには行く先があるのです。第二に、光の段落（「ゴールデンアワー」、「低い太陽が斜めに掃く」、「暖かなハイダイナミックレンジ」）こそが Ray 3.2 の映画的な外観の源です。これを外すと、平凡なドローンショットしか得られません。これが私たちがカバーフレームを抽出したクリップでもあります。
レシピ 3——ライティングで雰囲気を駆動し、手持ちの動き
学習ポイント： グレーディング言語で雰囲気を作り、「手持ちのプッシュイン」で混乱なく活気を得る方法。
雨に濡れた夜の路地、水たまりに映るネオンサイン、屋台から立ち上る蒸気。
手持ちカメラが路地に沿ってそっとプッシュインし、濡れた反射が一歩ごとに微かに揺らめく。情緒的な
シアンとマゼンタのネオン光、深い影、ボリューメトリックな光の霧、背景の看板が映画的なボケを形成。
ネガティブ：読める文字なし、ロゴなし、変形した人なし、フリッカーなし。
設定：duration 5、resolution 540p、aspect_ratio 16:9。 「手持ちカメラがそっとプッシュインする」が少し有機的な揺れをもたらし、「そっと」がそれをシェイキーカメラに変えるのを防ぎます。読める文字なし というネガティブワードは意図的です：ネオンのシーンはモデルを文字化けした看板へと誘いがちで、単語を正しく綴ってもらうことを期待するよりも読める文字なしと指定する方が確実です。
レシピ 4——動く被写体を追う
学習ポイント： 単一の被写体を中央に保つトラッキングショットと、解剖学的な失敗に対するネガティブワード。
日差しが差し込む白樺林で、アカギツネが降ったばかりのパウダースノウを跳び越え、雪の粒が逆光の中でゆっくりと舞い上がる。
カメラは安定したテンポでキツネと並んで追いかけ、画面中央に保ちながら、木々が素早く後ろへ流れる。
澄んだ冬の朝の光、暖かな陽光のリムライトを伴う冷たい白、きらめく雪の粒。ネガティブ：
余分な四肢なし、揺れなし、テキストなし、不自然な速度変化なし。
設定：duration 5、resolution 540p、aspect_ratio 16:9。 「画面中央に保ちながら、木々が素早く後ろへ流れる」が鍵となるフレーズです——これが Ray 3.2 に被写体がアンカーであり、動いているのは背景だと伝え、まさに実際のトラッキングショットの読み方になります。動物の動きは四肢の欠陥を最も露呈しやすいので、余分な四肢なし と 不自然な速度変化なし がネガティブリストに加わります。
レシピ 5——縦型フォーマットとマクロのティルト
学習ポイント： ソーシャル向けに 9:16 へ切り替え、タイトなマクロ被写体へのゆっくりとしたティルト。
縦型のマクロショット、エスプレッソが抽出され、濃いクレマが柔らかな朝の窓の光の中で
大理石のカウンター上の温かなグラスの中で渦を巻く。カメラは滴り落ちるグループヘッドから完成した
カップへとゆっくりとティルトアップする。浅い被写界深度、温かなキャラメル色調、そっと立ち上る蒸気、高級コマーシャル的な質感。
ネガティブ：震える手なし、こぼれなし、テキストオーバーレイなし、バンディングなし。
設定：duration 5、resolution 540p、aspect_ratio 9:16。 9:16 への切り替えに追加料金はありません——Ray 3.2 は尺と解像度で価格が決まり、アスペクト比では決まらないため、ワイドスクリーンと同じ価格で縦型ソーシャルのクリップを制作できます。ゆっくりとしたティルト（「……から……へゆっくりとティルトアップする」）により、シーン全体を動かすことなくタイトなマクロ被写体に動きが出ます。
設定とコストの早見表
| パラメータ | 受け付ける値 |
|---|---|
duration |
5、10（整数） |
resolution |
540p、720p、1080p |
aspect_ratio |
16:9、9:16、1:1、4:3、3:4、21:9 |
料金はクリップごとの固定額です（2026-10 時点）：
| クリップ | 価格 |
|---|---|
| 5秒 · 540p | $0.2145 |
| 5秒 · 720p | $0.429 |
| 5秒 · 1080p | $1.7145 |
| 10秒 · 540p | $0.643 |
| 10秒 · 720p | $1.286 |
| 10秒 · 1080p | $5.143 |
合理的なワークフローは、まず5秒/540pでプロンプトを反復し（1回の試行あたり約21セント）、構図と動きが正しく見えたら、残したプロンプトを高解像度で再実行することです。完全な最新価格表は HiAPI 料金ページ にあります。
よくある失敗の兆候と文言での修正方法
- 動きが速すぎる。 カメラの文節に「ゆっくりと落ち着いたテンポで」を加えます。
- 看板や字幕が文字化けする。 単語を綴ろうとせず、
読める文字なし/テキストオーバーレイなしをネガティブワードに入れます。 - 被写体に残像やゴーストが出る。 被写体を一つに絞り、それをアンカーとして名指しします（「画面中央に保つ」）。
- ネオンや高コントラストのシーンでのフリッカーやチラつき。
フリッカーなし、チラつきなしを加えます。 - 人や動物の四肢の欠陥。
余分な四肢なし、変形した手なしを加えます。
FAQ
Ray 3.2 テキストtoビデオのクリップはどのくらいの長さにできますか？
2種類の長さ：5秒または10秒です。duration フィールドは整数の 5 と 10 のみを受け付けます。
対応している解像度とアスペクト比は？
解像度は 540p、720p、1080p です。アスペクト比は 16:9、9:16、1:1、4:3、3:4、21:9 の6種類で、ワイドスクリーン、縦型、正方形、アナモルフィックなワイドスクリーンをカバーします。
縦型（9:16）クリップのレンダリングは高くつきますか？ いいえ。価格は尺と解像度だけで決まるため、同じ長さと解像度なら縦型9:16クリップは16:9クリップと同じ価格です。
テキストプロンプトの代わりに、Ray 3.2 に開始画像を渡せますか？ はい、ただしそれは別のエンドポイントです——Ray 3.2 画像toビデオ は最初のフレーム（およびオプションの最後のフレーム）を受け付けます。テキストtoビデオは、画像ではなく説明から始めるケースに適しています。
これらの正確なプロンプトで、これらの正確なクリップが再現されますか？ 動画モデルは決定論的ではないため、同じスタイルと構図にはなりますが、ピクセル単位で完全に同一のクリップにはなりません。これらのプロンプトを信頼できる出発点として扱い、カメラと光の文節をお好みで調整してください。
これらのプロンプトを試してみたいですか？
上記の任意のレシピをコピーして、Ray 3.2 テキストtoビデオモデルページ で実行してください——同じ /v1/tasks エンドポイント、すべてのモデルに1つの APIキーで対応します。動画モデルを比較しているなら、同じ「コピー＆ペースト可能 + 実際のクリップ」の処理が Seedance 2.5 プロンプトレシピ と Veo 3.1 Lite テキストtoビデオプロンプト にも用意されており、投資する前に同じプロンプト構造が別のエンジンでどう機能するかを確認できます。
