私的AI研究会 > Collection7
「ComfyUI」 による生成画像集（動画編）
| 『MiniMax H3』『LTX-2.5』で生成するショート動画集 |
| いろいろな動画を「日本語プロンプト」で生成してみる プロンプト引用 → MiniMax H3プロンプト20選｜映画風・マルチシーン動画テンプレート |
| プロンプト | 生成動画 |
| ① ラー油を注ぐ瞬間 | |
|
【映像・動きの指示】 映画的なフードコマーシャルのマクロ撮影。砕いた乾燥唐辛子、みじん切りのにんにく、ごま、青ねぎが入った陶器の器を極端なクローズアップで映す。上から、きらめく熱い油が細い流れで中央へゆっくり注がれる。唐辛子は濃い赤へ変化して香りが立ち、にんにくは泡立ち、小さな油滴が上へ跳ね、濃い湯気が画面を横切る。 カメラは小さな振れ幅、ゆっくりした速度で寄る。油が当たる場所には鋭くピントを合わせ、器の縁はやわらかくぼかす。食欲をそそる赤、琥珀色、深い黒のコントラストと美しいハイライトを使う。表面が光沢のある深紅のきらめきへ落ち着く画で終わる。 手は映さない。パッケージ、ラベル、文字、ロゴは表示しない。 【環境音】 油が注がれる繊細な音から始まり、細かい泡が激しく弾ける音、素早いパチパチ音、低い湯気の音へ変化する。 【BGM】 なし。 | |
| ② シルバーのポルシェから優雅なロボットへ変身 | |
|
【映像・動きの指示】 雨に濡れた未来都市の夜の通りを舞台にした、カットなしの連続した映画的ショット。反射するアスファルトの上に、洗練されたシルバーのポルシェ911が1台だけ止まっている。ネオンサインが磨かれた車体へ反射している。低い前方3分の4アングルから、カメラは車の周囲を速く滑らかに弧を描いて追う。 00:01.000で、サスペンションが沈み、変形が始まる。見えているドアが外側へ開いて分離し、関節を持つ機械的な腕になる。フロントフードは中央から割れて内側へ折りたたまれ、青く光るコアを露出させる。ヘッドライトは回転して光学センサーになる。新しいロボット部品はすべて、既存の車体部品から明確に展開、分割、再構成される。どこからも突然部品が現れず、固体同士が交差しないようにする。 00:03.000から00:07.000にかけて、後輪とホイールアーチは下方向へ回転し、細くハイヒールのような機械的な脚になる。ルーフとリアエンジンカバーは圧縮され、流線型の砂時計型トルソーになる。ミラーとドアパネルは、細部まで作り込まれた手と指へ展開する。バンパーとエンブレム周辺は持ち上がって折りたたまれ、洗練された女性的な機械ヘルメットになる。 シルバーの自動車塗装、パネルの隙間、反射、エンジン機構、シャーシ構造は変形中も見え続ける。00:07.000から00:08.500で、完成した優雅な人型ロボットが高く立ち上がる。パネルは鋭いクリック音とともに固定され、細い青色LEDが継ぎ目を照らす。00:08.500から00:10.000で、カメラは周回移動から速く滑らかな寄りへ切り替え、顔へ近づく。ロボットは頭を傾け、光学センサーを明るくし、片方の機械的な手を金属の唇へ近づけ、カメラへ向けて優雅に一度だけ投げキスをする。キスの瞬間、ネオンの反射が顔に残るクローズアップで終わる。 カット、場面転換、人間、ほかのキャラクター、余分な車の部品、文字、ロゴ、ウォーターマークは表示しない。 【環境音】 高性能エンジンのアイドリング音、弱い雨音、遠くの電気都市の環境音。パネルが解除される何層もの機械音、油圧の移動音、金属のクリック音、正確なロック音を重ねる。最後は静かな電子チャイムと、投げキスのやわらかな効果音で終える。 【BGM】 抑えた電子パルスが遅いテンポで始まる。変形に合わせて、歯切れのよいシーケンスパーカッションで加速し、最後の顔の寄りでは伸びやかなシンセコードへ落ち着く。 | |
| ③ 商品紹介動画 ～バイオレットガラスのフレグランスフィルム～ | |
|
【映像・動きの指示】 余白を大きく取った、清潔な温かみのある白い台の上で撮影する、高級感のあるミニマルな商品映像。ロゴのないバイオレットガラスのフレグランスボトルが1本だけ、画面中央より少し右に立っている。ボトルは低く幾何学的なシルエット、半透明のプラム色キャップ、細いサテンメタルのカラーを持つ。 カメラはゆっくり弧を描きながら、最初からボトルを見せる。細い窓のハイライトがバイオレットガラスの表面を横切り、ボトル本体の色と素材感を一貫して維持する。 ［ショット2］00:02.000で、キャップが垂直に持ち上がり、途中で止まってアトマイザーを見せる。カメラは極端なクローズアップへカットし、淡いライラック色の光の中に、細かな霧が一度だけ広がる。手や浮遊する装飾粒子は入れない。 ［ショット3］00:05.000で、カメラは小さな振れ幅で引く。キャップは正確に元の位置へ収まり、ボトルは数度だけ回転して、ガラスの縁にやわらかな銀色のリムライトが当たる。ボトルのそばに、画面内コピー「STILLNESS, HELD CLOSE」を1行で表示する。「STILLNESS,」は濃いグレー、「HELD CLOSE」はバイオレットにする。前半が先にフェードインし、後半が入るための余白を作るように穏やかに移動する。 ［ショット4］00:08.000で、ボトルを安定した中央のヒーロー構図に保つ。コピーが明確に読める状態で静止し、それ以降の動きは加えない。 ロゴ、ブランド名、追加の物、効果の主張、字幕、ウォーターマーク、鏡面床、騒がしい背景、複数行の文字は表示しない。 【環境音】 キャップが外れるやわらかなガラスと金属の音、アトマイザーが一度だけ噴霧する細い音、キャップが戻る正確で静かなクリック音。 【BGM】 中程度のテンポで鳴る、清潔感のあるミニマルなプラック音と、やわらかなサインパッド。ミストの瞬間に控えめな低音パルスを一度だけ加え、最後の静止画の下で自然に減衰させる。 | |
| ④ カピバラ・ルルの塩入れ大失敗 | |
|
【映像・動きの指示】 ［ショット1］実際の家庭のキッチンで撮影した、縦長10秒の一人称料理Vlog映像。コンロの上の黒い鉄製中華鍋では、牛肉と青菜がジュージューと炒められている。白いタイル、調味料のボトル、食用油、ステンレス製シンク、横窓から差し込む昼の光で空間を作る。操作者の実際の右手は、画面右側から金属製のヘラで一貫して炒め続ける。 中華鍋の横に、小さな木製スツールの上へカピバラ・ルルがいる。ルルは中華鍋の半分ほどの高さで、明確に平面的な2Dステッカーキャラクター。丸い淡黄色のカピバラで、オレンジ色の短パンと黄色いエプロンを着ている。小さな豆のような手足、頭に乗せた小さなオレンジ、太い漫画風の輪郭線を持ち、実写の光に合わせたリアルな再照明は行わない。カメラは上から見下ろし、わずかな手持ちの微振動がある。ルルだけがいたずらっぽく大きなガラス製の塩瓶を持ち上げ、中華鍋へ大量の白い塩を滝のように注ぐ。塩は害のない漫画的な山になる。 ［ショット2］00:03.000で、操作者の実際の右手はヘラを持ったまま炒め続ける。操作者の実際の左手だけが、ルルから塩瓶を取り上げる。実際の右手が同じヘラで、ルルの頭を一度だけやさしく叩く。赤い漫画風のたんこぶが「ドゥアン」という弾む反応とともに現れる。ルルの平面的な体が一度だけ跳ね、目が大きく見開かれる。 ［ショット3］00:05.000で、ルルは赤いたんこぶを両手で持つ。目は渦巻きになり、大きく開けた口で、誇張された害のない泣き声を上げる。青い漫画風の涙が外へ噴き出し、頭のオレンジの葉がしおれる。操作者の実際の右手は、同じヘラを使い、中華鍋にはっきり見える白い塩の山から直接すくう。ヘラは炒めた野菜ではなく、山盛りの白い塩そのものを持ち上げる。端にごく少量の青菜が付く程度なら構わない。ルルが口を開けて泣いている間に、実際の右手は山盛りの塩を、正確に一度の漫画的な動きでルルの口へ入れる。口は塩でいっぱいになり、両頬が大きく丸く膨らむ。害のない塩粒が少しだけ外へ跳ねる。 ［ショット4］00:08.000で、ルルは一瞬だけ固まる。その後、害のないスラップスティック表現として、スツールとカウンターの上へ後ろ向きに倒れ込む。目は2つのX印になり、小さなめまい星が漫画風のたんこぶの周りを回る。鼻から小さな白い漫画風の煙が上がる。最後は平面的なステッカー姿勢で止める。 ルルは一貫して平面的で紙のような質感を保ち、実写のキッチンとは分離させる。リアルなけが、血、体の歪み、字幕、ロゴ、読める文字は表示しない。 【環境音】 料理が焼ける音、油のパチパチ音、立ち上る湯気の音をキッチン全体に継続させる。大量の塩が注がれる粒状の音、軽い金属ヘラのタップ音、弾む漫画風のボイン音、誇張した漫画風の泣き声、金属に塩が擦れる音、口がいっぱいになる小さなポン音、短い硬直音、害のない転倒音、小さく上昇する漫画風の煙の音を加える。 【BGM】 なし。 | |
| ⑤ ラッカー・パークの予想外ダンク | |
|
【映像・動きの指示】 ［ショット1］夕暮れのハーレムにある屋外ストリートボールコートを、縦長スマートフォンで撮影した生々しい映像。花柄のワンピースとスニーカーを着た、体格のしっかりした年配の女性が、ジャージ姿の若い運動能力の高いディフェンダーを相手にバスケットボールをドリブルしている。手持ちのスマートフォンカメラはわずかに揺れ、コートの照明、金網フェンス、10代のファンで密集した観客を画面内に入れる。女性は肩を落とし、一度だけ予想外に速いクロスオーバーを決める。ディフェンダーは逆方向へ一歩踏み出してしまう。 ［ショット2］00:03.500で、カメラ操作者が前方へ走る。自然なモーションブラーと、少し遅れて追従するカメラワークを使う。女性はゴールへドライブし、ボールを持ち直して跳び上がる。力強い両手ダンクを一度だけ決め、すぐにリングを離し、安全にコートへ着地する。 ［ショット3］00:06.000で、女性のダンク後、カメラは大きな振れ幅で広くパンする。観客は歓声を上げ、喜びながらコートの端へ押し寄せる。手を上げて祝福するが、選手の周囲には十分な空間を残す。粒子感のあるバイラルなSNS動画の見た目、自然なストリート照明、わずかなレンズフレア、不完全なスマートフォンのオートフォーカスを維持する。ゴール下で女性が笑う画で終わる。 文字、キャプション、ロゴ、ウォーターマーク、危険な衝突、けがは表示しない。 【環境音】 アスファルトに響くバスケットボールのドリブル音、鋭いスニーカーのきしみ音、観客のばらばらな会話からダンク後の大きな一斉歓声へ高まる音。バックボードが短く揺れる音、その後に拍手と祝福の歓声を加える。 【BGM】 速いテンポの簡素なヒップホップドラム。乾いたキック、スネア、短いベースパルスで構成し、観客の歓声が最高潮に達した直後に止める。 | |
| ⑥ ロゴなしティーフラスコのプロモーション | |
|
【映像・動きの指示】 温かみのあるオフホワイトの石の台の上に置かれた、ロゴのないマットなフォレストグリーンのティーフラスコ1本を主役にした、高級感のあるコンセプトプロモーション。商品だけが視覚の中心となる。フラスコはシンプルな円筒形のシルエット、ブラッシュドメタルのキャップ、細い銅色のアクセントリングを持ち、ロゴはない。朝の光の細い筋がフラスコの表面をゆっくり横切る。カメラは小さな振れ幅、ゆっくりした速度で寄る。 ［ショット2］00:02.500で、キャップが4分の1回転してから、きれいに上へ持ち上がる。開口部から静かな紅茶の湯気が立ち上がる。カメラは結露、銅色リング、ふたの縁を映すマクロ映像へカットする。装飾的な粒子ではなく、実際の素材によるハイライトを使う。 ［ショット3］00:05.500で、手がフラスコをナチュラルキャンバスのトートバッグのサイドポケットへ入れる。トートバッグの横にはペーパーバック本と、折りたたんだリネンナプキンがある。カメラは小さな振れ幅で下へ追従し、機能の主張や説明用グラフィックを加えない、落ち着いた日常の使用場面を見せる。 ［ショット4］00:08.000で、フラスコは再び石の台の上へ戻り、安定した全画面のヒーロー構図で立つ。商品脇に、画面内コピーとして「A QUIETER MORNING」と1行だけ表示する。「A QUIETER」は濃いチャコールグレー、「MORNING」はフラスコと同じフォレストグリーンにする。前半が控えめに現れ、その後、後半が同じ行にスライドして入る。フラスコとコピーが静止した状態で終わる。 ブランド名、偽のロゴ、追加の文字、パッケージ、ウォーターマーク、鏡面のステージ、ガラステーブル、偽のインターフェース、商品が並びすぎた背景は表示しない。 【環境音】 静かな室内音、キャップをやわらかくひねる音、湯気が抜ける繊細な音、リネンがトートバッグに触れる音、フラスコを置く控えめな音。 【BGM】 約100BPM。澄んだプラックシンセのパターン、空気感のあるノイズ、軽い木製パーカッション、やわらかいキックを使う。最後の商品の静止画の下で、短いサインスイープをきれいに止める。 | |
| ⑦ 灯台守ニコ | |
|
【映像・動きの指示】 青い夕暮れの断崖の町を舞台にした、劇場作品レベルのスタイライズド3Dアニメーション。好奇心旺盛な子どもの灯台守ニコは、丸いウール帽、大きめの琥珀色レインコート、小さなバックパック、温かく表情豊かな顔を持つ。火が消えた小さな光るランタンを両手に抱え、濡れた石段を駆け上がる。町は冷たい霧に包まれ、上には高い灯台が待っている。 親しみやすく簡略化したプロポーション、彫刻のような布と髪の束、ニコの頬と耳にやわらかく透ける光、生き生きとしたスクワッシュ＆ストレッチの演技、雨に濡れた触感のある素材を使う。 ［ショット2］00:04.000で、カメラは大きな振れ幅、速い速度でニコの横を追う。突風が吹き、火の消えたランタンが両手から浮き上がる。ニコは前へ手を伸ばし、一段だけ足を滑らせるが、ランタンを胸元で抱きとめる。中には小さな火種がひとつだけ光っている。 ［ショット3］00:08.000で、灯台のバルコニーを中くらいの高さから見下ろすアングルへカットする。ニコはランタンを開き、両手で火種を風から守る。火は金色のリボンのように大きくなり、灯台の灯をともす。霧に包まれた町の窓が、下からひとつずつ暖かく光り始める。 ［ショット4］00:12.000で、カメラは小さな振れ幅、ゆっくりした速度で引く。金色のリボンは灯台の上で星座のような形になる。ニコは安心して笑い、明るくなったランタンを空へ掲げる。ニコと灯台がひとつの暖かい光だまりを共有する画で終わる。 写実的な人間、平面的な2Dアニメ、プラスチックのおもちゃのような肌、硬いポーズ、文字、ロゴ、ウォーターマークは表示しない。 【環境音】 軽い雨が石段と布を叩く音、石段を駆け上がるニコの靴音と水しぶき。ランタンのふたが鳴るクリック音、火種の小さなぱちぱち音、灯台に火が入る温かな風鈴のような音、遠くの町の鐘の音を加える。 【BGM】 軽快なテンポのやさしいピチカート弦楽器で始める。灯台に火が入る場面でチェレスタと温かいフレンチホルンの盛り上がりを加え、最後はひとつの伸ばした音で終える。 | |
| プロンプト | 入力画像 / 生成動画 | |
| ⑧ 夏の記憶をたどる海辺の旅 | ||
|
アップロードした車内の画像を、動画の最初のフレームとしてそのまま維持する。人物の顔立ち、髪型、服装、肌の色、やわらかな夏の色合い、写真のような記憶の質感を維持する。 【映像の内容】 15秒の動画。車の窓から見える海を起点に、夏の旅の断片が記憶のようにゆっくりつながっていく。すべての場面は同じ旅行の思い出として自然に続き、人物と色の印象を統一する。 【0〜3秒】 車内の開始フレームから始める。若い女性が窓際に座り、海を見ている。窓から入る風で髪がゆっくり揺れる。夕方のやわらかな日差しが頬と髪に当たる。 【3〜6秒】 車の窓に映った光が、海辺の夕焼けへなめらかに溶ける。若い男性がパステルカラーの空の下でかき氷を食べている。スプーンを一度だけ口元へ運び、少し笑って海の方向を見る。 【6〜9秒】 かき氷の器に反射した光が、温かい夜の小さなレストランへ変わる。同じ男性がテーブルに両肘を置き、両手にあごを預けて、向かい側にいる人物をやさしく見つめる。テーブルの小さなランプが顔を暖かく照らす。 【9〜12秒】 ランプの光が、夜明け前の淡い海の光へ変化する。広いビーチをひとりの人物がゆっくり歩く。波が足元へ寄せては引く。カメラは水面へ近づき、そのまま自然に水中へ入り、太陽の光が差し込む中をウミガメがゆっくり横切る。 【12〜15秒】 水中の青が、海を見下ろす一人称の手元へつながる。ロゴのない冷えたビール缶を持つ手が、水平線に向かって少しだけ持ち上がる。下では波が穏やかに動いている。缶、海、夕日の残る空を静かに映して終わる。 【カメラ】 すべての場面で、やわらかな手持ち感と遅い動きを保つ。切り替えはハードカットではなく、窓の反射、夕日の光、テーブルランプ、水面など、画面内の光を使って滑らかにつなぐ。 【音】 車の走行音と風の音から始め、波の音、遠くの海辺の環境音、かき氷をすくう小さな音、静かなレストランの話し声、水中の泡、缶を持ち上げるときの軽い炭酸音へ自然につなげる。 【BGM】 遅いローファイギター、柔らかなブラシパーカッション、温かいテープのようなキーボードコード。最後の海の画でゆっくり消える。 【避けること】 急な場面転換、過度なスローモーション、読める商品ラベル、ロゴ、字幕、ウォーターマーク、人物の顔や服装の変化。 | 参照画像 | |
| 生成動画 | ||
| ⑨ 手のひらに座るミニチュアの人物 | ||
|
アップロードした画像を、動画の最初のフレームとしてそのまま維持する。小さな人物の顔、髪型、服装、色、表情、座っている姿勢を変えない。人物と手のひらの大きさ、接地影、服の細部を自然に維持する。 【映像の内容】 6秒の動画。小さな人物が実写の手のひらに座っている。別の指先が頬へそっと触れ、人物は控えめに反応する。かわいらしく、静かで、物理的な大きさと接触が自然に見える映像。 【0〜2秒】 開始フレームを保つ。小さな人物は、開いた手のひらの中央に安定して座っている。人物はカメラを見上げ、ゆっくり一度だけまばたきをする。 【2〜4秒】 別の実写の指先が画面右側からゆっくり近づく。指先は人物の頬を一度だけ軽くつつく。人物は驚いたように目を少し大きく開き、肩をほんの少しすくめる。 【4〜6秒】 人物は小さく笑い、首をわずかに傾ける。指先はゆっくり画面外へ戻る。最後は、人物が手のひらに座ったまま、カメラを見上げる穏やかな寄りの構図で終わる。 【カメラ】 最初は手のひら全体と人物が見える構図。2秒目からゆっくり寄り、最後は人物の表情と頬に触れる指先が見える近い構図にする。急なカメラ移動は行わない。 【音】 静かな室内音、指先が肌または服へ軽く触れる小さな音、人物が楽しそうに息を吐く短い音。 【BGM】 遅いテンポの繊細なオルゴール。最後にやわらかなプラック音を2回だけ加える。 【避けること】 余分な指、歪んだ手、人物の体や顔の変形、不自然な大きさの変化、人物の転倒、文字、ロゴ、字幕、ウォーターマーク。 | 参照画像 | 生成動画 |
| ⑩ 人物がプレミアムフィギュアになる瞬間 | ||
|
アップロードした人物画像を、動画の最初のフレームとしてそのまま維持する。人物の顔立ち、髪型、肌の色、服の配色、アクセサリーを正確に保つ。人物らしさを失わずに、プレミアムな3Dコレクションフィギュアへ変化させる。 【映像の内容】 8秒の動画。開始フレームの人物が、上質なコレクション用アクションフィギュアとして完成する。変化は滑らかで、顔のアイデンティティと服装の配色は最後まで維持する。完成後は、ディスプレイ台座の上で控えめなヒーローポーズを取る。 【0〜2秒】 開始フレームの人物を見せる。人物の周囲には、商品撮影のようなやわらかなスタジオ光がある。足元には円形の小さな台座が見える。人物の輪郭に細い光が走り、服とアクセサリーの形が少しずつ精密な立体造形へ変わり始める。 【2〜5秒】 人物の肌、髪、服、アクセサリーが、顔立ちを維持したまま高品質なフィギュア素材へゆっくり変化する。服には成形された布のしわ、関節部分には自然な可動構造、顔には精密に彩色された表情が現れる。変化の途中で部品が増えたり消えたりせず、元の体の形から一貫して立体化する。 【5〜8秒】 完成したフィギュアは円形台座の上に立つ。胴体をわずかにひねり、片手を力みのない握りこぶしにする。顔はゆっくりカメラへ向き、落ち着いたヒーローポーズで止まる。台座は数度だけ回転し、成形された表面を小さなハイライトが横切る。最後はフィギュアを3分の4方向から見せる構図で終わる。 【カメラ】 0〜5秒は人物の周囲を小さく弧を描いて移動する。5〜8秒は完成したフィギュアの正面寄りへゆっくり移動し、最後に3分の4方向のヒーロー構図で止まる。 【音】 静かなスタジオ環境音、素材が精密に組み上がる控えめな機械音、台座が回る低いモーター音、ポーズが決まるときの小さな関節クリック音。 【BGM】 中程度のテンポのクリーンな電子パーカッション。変化の場面では短い金属的なチャイムを重ね、最後のポーズで歯切れのよいアクセントを一度だけ入れる。 【避けること】 顔の別人化、余分な手足、歪んだ指、不自然な体の分裂、過度に玩具らしいプラスチックの質感、パッケージ上の文字、ブランド名、ロゴ、字幕、ウォーターマーク。 | 参照画像 | 生成動画 |
| ⑪ 画面越しの握手 | ||
|
アップロードした画像を、動画の最初のフレームとしてそのまま維持する。実写の机、コンピューターモニター、モニターが放つ冷たい光、画面の前にある実写の手、画面内のアニメ風の成人女性ヒロインの位置を変えない。 ヒロインの長い濃い紫色の髪、真珠のような髪のハイライト、紫色に光る目、淡いラベンダーと白の未来的なジャケット、セル塗り、2Dアニメの輪郭線を維持する。 【映像の内容】 8秒の動画。モニターの中にいるアニメ風ヒロインが、画面の前にある実写の手に気づく。画面が静かなデジタルポータルのように波打ち、ヒロインの手だけが画面の外へ伸びる。最後に、アニメの手と実写の手がゆっくり握手する。 【0〜2秒】 開始フレームの構図を保つ。ヒロインは画面の中で静かに立っている。まばたきを一度だけし、画面の前にある実写の手へ穏やかに視線を向ける。モニターの表面に、ごく弱い紫色の光が内側からにじむ。 【2〜4秒】 画面の表面が液体ガラスのように静かに波打つ。ヒロインは右手を胸元からゆっくり持ち上げ、2Dアニメの線画とセル塗りを保ったまま、手首から先だけを画面の外へ伸ばす。手の大きさ、遠近感、前後関係は自然に見せる。 【4〜6秒】 アニメの手と実写の手が、画面の手前でゆっくり触れ合う。2本の手は一度だけ自然に握手する。接触した場所から、控えめな青紫の光が円状に広がる。ヒロインの表情は安心したようにやわらかくなり、髪のハイライトが一度だけ光る。 【6〜8秒】 握手したまま、ヒロインは画面の内側に半身を残して微笑む。実写の手とアニメの手はつながったまま動かない。最後は、両手とヒロインの穏やかな表情が同時に入る構図で止まる。 【カメラ】 最初の構図を崩さず、8秒間を通して非常にゆっくり寄る。握手の瞬間だけ、両手が画面中央に入るように少し近づく。急なパン、急なズーム、視点の切り替えは入れない。 【音】 低いコンピューターファンの音、静かな室内音、画面が波打つ繊細な電子音。手が触れ合う瞬間に、やわらかなガラスのような光の音を一度だけ加える。 【BGM】 遅いテンポのピアノを数音だけ使う。握手の瞬間に淡いパッドを重ね、最後は自然に小さくする。 【避けること】 余分な手、歪んだ指、実写の手の変形、ヒロインの写実化、ヒロインの顔や衣装の変化、画面内の文字変更、ロゴ、字幕、ウォーターマーク。 | 参照画像 | |
| 生成動画 | ||
| ⑫ 宇宙の人物が動き出すランディングページ | ||
|
アップロードしたランディングページ画像を、動画の最初のフレームとしてそのまま維持する。左側のテキストエリア、上部ナビゲーション、見出し、説明文、CTAボタン、機能項目の位置と文字は変えない。右側の宇宙的な人物、銀河のような肌の質感、発光する目、虹色に光を反射する体、上げた手、暗い星空の背景を維持する。 【映像の内容】 5秒の動画。WebサイトのUIは完全に静止したまま、右側のヒーローアートだけが控えめに動き出す。静止画の中の宇宙的な人物に、ゆっくり生命が宿るような表現。 【0〜1秒】 開始フレームの構図をそのまま見せる。左側の文字、ボタン、ナビゲーション、余白、右側の人物の位置はすべて固定する。人物の周囲にある星だけが、ごく弱い視差でゆっくり流れる。 【1〜3秒】 人物はあごをわずかに上げ、発光する目をゆっくり明るくする。上げた手の指先が一度だけゆるやかに開く。銀河の粒子が肩から腕、手のひらへ静かに流れ、ガラスのような体の表面に虹色の光が細く走る。 【3〜5秒】 人物の手のひらから、やわらかな青紫の光の波が一度だけ広がる。光は右側のヒーローアートの中だけで消える。最後に、主要CTAボタンの表面を淡い光が一度だけ横切る。ボタンの位置、大きさ、色、文字は変えず、わずかな発光だけを加える。 【カメラ】 背景アートワークの中だけで、2〜3％程度の非常に控えめなズームインを行う。Web UI全体はカメラ移動の影響を受けず、完全に固定されているように見せる。 【音】 静かで空気感のある電子音。星の粒子が動くかすかなきらめき音と、手のひらから光が広がるやわらかな波動音を一度だけ加える。 【BGM】 ゆっくり伸びるシンセサイザーコードと、細いガラスのようなアルペジオ。最後に向けて少しだけ音が広がり、静かに収束する。 【避けること】 UIの移動、文字の変更、新しいボタン、サイドバー、ダッシュボード、カルーセル、レイアウトのずれ、読めない文字、ロゴ、ウォーターマーク。 | 参照画像 | |
| 生成動画 | ||
| プロンプト | 入力画像 / 生成動画 | |
| ⑬ 雨の夜市場で届く小さな荷物 | ||
|
【全体スタイル】 実写映画（Cinematic Live-action film, Photorealistic, 8k resolution）。CGやアニメ調、3Dキャラクターではなく、本物の人間とリアルな質感のロボットが登場する実写映像。 【参照設定】 ・「@画像1」：実写映画に登場する小道具のような小型配達ロボット。丸みのある白いプラスチックボディ、胸元の細いオレンジ色の発光ライン、濃いネイビーの小さなバックパック、左右で形の違う短いアーム、青く光る楕円形の電子的な目を維持する。 ・「@画像2」：実写の人間であるパン屋の店主（リアルな女性/男性）。やわらかい表情の本物の人間。ゆるくまとめた栗色の髪、丸い眼鏡、白いシャツ、深いグリーンのエプロンを着用。 【映像の内容】 雨上がりの夜市場で、小型配達ロボットが茶色の配送箱をパン屋へ運んでいる。風に飛ばされたオレンジ色の配送札をロボットが追いかけるうちに、札はパン屋の中へ入ってしまう。実写のパン屋の店主は札を拾ってロボットへ返し、最後にロボットの頭をやさしくなでる。濡れた石畳には赤と青のネオンが反射し、パン屋の店内は暖かいオレンジ色の光で満たされている。 【0〜2秒】 低い位置からの引きの構図。小型配達ロボットが茶色の配送箱を両手で抱え、濡れた石畳の上をゆっくり歩いている。ロボットの青い電子的な目は穏やかな楕円形で、胸元のオレンジ色のラインはゆっくり点灯している。カメラはロボットの正面を、ゆっくり後ろ向きに移動しながら追う。 【2〜4秒】 横から強い風が吹き、配送箱に付いたオレンジ色の配送札がほどけて空中へ舞い上がる。配送札が風で回転する瞬間を大きく映す。次にロボットの顔へ素早く切り替える。青い目が一瞬で大きく開き、明るい黄色に変わる。ロボットは配送箱を抱え直し、飛んでいく札へ顔を向ける。 【4〜6秒】 ロボットは小さな足で配送札を追いかけ始める。右足で水たまりの手前に止まり、左足を大きく踏み出して水たまりを避ける。短いアームを前へ伸ばすが、配送札には届かない。ロボットの目は黄色いまま左右へすばやく動き、胸元のオレンジ色のラインは短い間隔で点滅する。カメラはロボットの左側から低い位置で並走する。 【6〜8秒】 配送札は開いたパン屋の扉の隙間から店内へ滑り込み、店主の足元で止まる。実写の店主の手がゆっくりかがんで札を拾い上げる動きを手元の寄りで映す。 【8〜11秒】 実写の店主は札を持ったまま入口へ歩き、ロボットの前でしゃがむ。店主は穏やかに微笑み、配送札をロボットの短いアームへそっと渡す。ロボットの目の光が青に戻る。 【11〜13秒】 ロボットは配送札を配送箱へ丁寧に付け直し、目が明るい水色の弧を描く。ロボットは店主を見上げ、小さく首をかしげてから配送箱を差し出す。 【13〜15秒】 実写の店主は配送箱を受け取らず、本物の人間の手でロボットの頭をやさしく一度なでる。 ロボットは一切喋らず、黙って店主を見上げながら頭をなでられている。 ロボットの目は細い三日月形の水色の光に変わり、胸元のオレンジ色のラインがゆっくり明滅する。 最後は、パン屋の暖かい光を背に、配送箱を抱えたロボットと、頭に手を添えた実写の店主を映す。カメラはゆっくり引き、店内の光、木製の扉、雨に濡れた通りまで捉える。 【音】 ロボットは人言を喋らず、撫でられた時に「ピッ」と小さな電子音（Beep sound）を鳴らすのみ。 その他の音：風が吹く音、水たまりを踏む水音、ロボットの控えめなモーター音。 | 参照画像１ | |
参照画像２ | ||
| 生成動画 | ||
| ⑭ 夕暮れの屋上で踊るストリートダンサー | ||
|
【全体スタイル】 実写映画（Cinematic Live-action film, Photorealistic, 8k resolution）。 【参照設定】 ・「@画像1」：キャラクターリファレンス。女性の顔立ち、黒い高いポニーテール、アイボリーのフーディー、黒いカーゴパンツ、白いハイカットスニーカー、右耳のシルバーのフープピアスを維持する。 ・「@画像2」：は開始時のシーンと構図のリファレンス。夕暮れの屋上、オレンジから紫へ変わる空、遠くのビル群、夕日の逆光、背中を向けて街を見ている女性の位置関係を維持する。 【映像の内容】 15秒、カットなしの連続した動画。夕暮れのビル屋上で、ストリートダンサーの女性が、背中を向けた姿勢から軽快なヒップホップダンスを始め、足運びと上半身の動きをつなげながらカメラの方向へ振り返る。動きはビートに合った自然なグルーヴを保ち、力みすぎない。風でポニーテールとフーディーの裾が揺れ、夕日の逆光が髪と肩の輪郭を照らしている。 【0〜2秒】 女性はカメラに背を向けたまま、左足を右足の後ろへ小さくクロスさせる。すぐに右足を右斜め前へ大きく踏み出し、左足のつま先を後ろで一度だけ軽くタップする。足を踏み出す勢いに合わせて、両腕を体の横から自然に外へ振り、右肩を後ろへ引く。最後に、右足へ重心を乗せたまま上半身を左へ少し傾け、次の動きに入る。 【2〜4秒】 女性は右腕をいったん胸の前へ引き寄せ、右肘を後ろへ引きながら上半身を左へ向ける。左手は腰の横をなぞるように下へ滑らせる。右肩から左肩へ、なめらかなショルダーロールを一度つなげる。左足を右足の近くまで引き寄せ、両膝を軽く曲げて重心を低くする。頭を左へ少し傾け、顔だけを左肩越しにわずかに振り向く。 【4〜6秒】 左足のつま先を軸にして、体を左へ4分の1回転させる。女性は横向きに近い姿勢になる。両膝をやわらかく曲げながら、胸、腹、腰の順に流れる小さなボディウェーブを一度だけ行う。右腕は胸の前を横切り、左腕は肘をゆるく曲げたまま体の後ろへ流す。フーディーの袖と裾が体の動きに少し遅れて揺れる。 【6〜8秒】 女性は右足を横へ踏み出し、左足を素早く引き寄せる。続けて左足を横へ踏み出し、右足を引き寄せる。左右への2回のステップに合わせて、腰を低く保ちながら上半身を左右へ揺らす。右手は肩の高さまで上がり、指先を外へ向ける。左手はフーディーの前に軽く触れたまま、ビートに合わせて小さく下へ押す。 【8〜10秒】 左足のつま先を軸にして、右足を半円を描くように後ろから前へ運ぶ。体は左方向へさらに半回転し、カメラに対して斜め前を向く。回転の途中で右腕を大きく外へ開き、左腕は胸元へ引き寄せる。回転が終わる直前に、右肩を一度だけ前へ入れる。ポニーテールが回転に合わせて大きく弧を描く。 【10〜12秒】 女性はカメラに対して斜め前を向いた状態で、右足を前へ半歩出す。胸を一度だけ小さく前へ弾ませ、両腕を胸の前で交差させる。次のビートで腕を左右へ開き、手のひらを下に向けながらゆっくり下ろす。視線は足元からカメラへ移り、表情は落ち着いたまま少し自信を見せる。 【12〜15秒】 女性は右足に重心を乗せ、左足のつま先を床に軽く置く。上半身をわずかに左へ傾け、右肩を下げる。右手をフーディーのポケットへ戻し、左手は太ももの横に自然に下ろす。最後にあごを少し上げ、カメラをまっすぐ見る。夕日の光が頬、フープピアス、ポニーテールの輪郭を照らす。女性は余韻を残した静かなポーズで止まる。 【カメラ】 0〜4秒は女性の背後から、全身が入る低めの位置でゆっくり近づく。4〜8秒は女性の左側へなめらかに移動し、足元から頭までが見える全身の構図を保つ。8〜12秒は回転に合わせて女性の左前方まで回り込み、斜め前から上半身と足運びを同時に映す。12〜15秒は胸から上の寄りの構図へゆっくり近づき、目線と表情を捉えた位置で止まる。カット、急なズーム、過度な手ぶれは入れない。 【音】 弱い風の音、遠くを走る車の音、スニーカーが屋上の床を踏む控えめな足音、フーディーの衣擦れ、風でポニーテールが揺れるやわらかな音。 【BGM】 ボーカルなし。ゆっくりしたテンポのヒップホップビート。低いベース、控えめなキック、乾いたスネア、軽いハイハットを使う。0〜4秒は余白を残し、4〜10秒のステップと回転に合わせてリズムを少し前へ出す。最後のポーズでは音数を減らし、低いベースの余韻だけを残す。 overall_soundscape: no dialogue, no narration, no voiceover, no speech, music and ambient sounds only. non_diegetic_music: Pure instrumental music only, | 参照画像１ | |
参照画像２ | ||
| 生成動画 | ||
| いろいろな動画を「英語プロンプト」で生成してみる プロンプト引用 → https://note.com/mattariyukkuri/n/ne11fe421c814 |
| プロンプト | 生成動画 |
| ① 街並みを生成 | |
|
[CITY] = 京都 Create a stylized 3D animated city-map sequence inspired by [CITY]. Show a beautifully designed miniature city map built on a solid land surface. Do not show the city name during the map sequence. Make the entire world feel like a landscape of memories. Every street, building, park, bridge, stairway, waterfront, and landmark should feel nostalgic, intimate, and emotionally charged. Blend architecture, pathways, terrain, and natural elements into one compact, cohesive miniature world. Use one continuous cinematic shot. The camera moves quickly and smoothly across the map with energetic forward motion, gentle turns, and subtle height changes. As the camera reaches major iconic locations, briefly slow down so those places can pop up and settle clearly. Then accelerate again and continue toward the next area. As the camera advances, buildings, streets, trees, bridges, and landmarks rise from the map in satisfying pop-up motion. Use quick upward emergence, slight overshoot, soft bounce, and clean settling. Let each important location pop up in a memorable way, with nearby supporting elements appearing around it. The city should progressively assemble along the camera path so the world feels like it is awakening through memory. Show only the most iconic and culturally recognizable elements of [CITY]. Keep the sequence compact, visually rich, and easy to read in 15 seconds. At the end, pull back slightly and transition to a clean final title moment. Display the city name prominently in the center of the screen as a typographic title. Design the typography according to the local culture and visual identity of [CITY]. The lettering should feel stylish, elegant, and culturally grounded rather than generic. Keep it clearly readable and visually striking as the final reveal. Use a richly detailed stylized 3D diorama look with appealing materials, warm daylight, gentle shadows, a bright sky gradient, and a polished premium finish. | [CITY] = 京都 5601_minimax_h3_t2v_turbo4 |
| [CITY] = New York City 5601_minimax_h3_t2v_turbo4 | |
| ② 暑い夏の飲み物CM | |
|
integrated_multimodal_description: [Shot 1] A Japanese highschool girl walks under the blazing summer sun, looking exhausted and sweating heavily. The road shimmers with heat waves, and everything appears dry and dull. Suddenly, they grab a chilled bottle of premium fruit juice from a cooler and take a refreshing sip. The bottle label clearly reads "まっちゃん・スパークリング" in bold Japanese typography. Instantly, the environment transforms-lush green trees bloom, vibrant flowers appear, a cool breeze flows, water splashes through the air, and glowing particles surround the scene. Ice cubes and fresh fruit slices (orange, mango, or according to the flavour) swirl around the bottle in cinematic slow motion. End with a stunning close-up of the juice bottle covered in cold water droplets against a bright, refreshing background, with the label legibly showing "Sparkling Orange" in English only. Ultra-realistic, premium commercial, 4K, cinematic lighting, high-detail, smooth camera movements, vibrant colours, luxury beverage advertisement. overall_soundscape: Hot summer ambience, cooler opening, liquid pour, breeze and splashing water during the transformation. non_diegetic_music: N/A | |
| ③ 映画の１シーン | |
|
Post-apocalyptic texture scene: a teenage scavenger picks through the husk of a supermarket shelves skeletal, a drift of leaves down aisle five, daylight through the collapsed roof bleached and shadowless. A kicked can skitters; a dead cart wheel turns. They find one intact cereal box, faded but unopened, and hold it like an artifact of a lost civilization, because it is. Muted palette, patient dread. | |
| ④ VFXロゴ | |
|
Ultra cinematic wide shot: A vast field of burning embers stretches into darkness. Suddenly, an enormous wall of fire races across the ground, sending billions of glowing sparks into the air. The flames twist into a gigantic rotating fire vortex hundreds of feet high. Molten embers, smoke, and liquid fire spiral together, naturally forging the word "私的AI研究会" from blazing flames. The letters burn brighter and brighter before erupting into a colossal shockwave that fills the screen with fire and incandescent particles. Hollywood fire simulation, ultra-realistic VFX, blockbuster title reveal. | |
| プロンプト | 入力画像 / 生成動画 | |
| ⑧ 画像を 360度回転 | ||
|
The main subject of the fixed shot rotates slowly 360 degrees, maintaining the consistency of the subject throughout. The movement is smooth, and the final image is the original one, showing the front of the subject. overall_soundscape: no dialogue, no narration, no voiceover, no speech, music and ambient sounds only. non_diegetic_music: Pure instrumental music only, | 参照画像 | 生成動画 |
| 固定ショットの主要被写体は、被写体の一貫性を保ちながらゆっくりと360度回転します。動きは滑らかで、最終的な画像は元の画像と同じで、被写体の正面が映っています。 全体的なサウンドスケープ：セリフ、ナレーション、ボイスオーバー、音声は一切なく、音楽と環境音のみ。 非ダイジェティック音楽：純粋なインストゥルメンタル音楽のみ。 | ||
| ④ 画像の中の自分アニメ枠 | ||
|
Use the input image as the exact starting frame. Preserve the same character identity, face, hairstyle, outfit, body proportions, lighting, camera angle, and background throughout the whole video. Photorealistic live-action footage, static medium shot, no cuts, no zoom. The character raises both hands in front of the face and performs smooth, stylish, visually striking Finger Frame gestures. The index fingers and thumbs are the key control fingers. The finger choreography should feel cool, confident, fluid, and expressive, with natural wrist rotations, tilts, flips, and pose transitions. A local Canvas rendering region appears between the two hands. The Canvas must always have four corners strictly attached to the four fingertips: top-left corner = left index fingertip, bottom-left corner = left thumb tip, top-right corner = right index fingertip, bottom-right corner = right thumb tip. The four corners of the Canvas must continuously follow these four fingertips throughout the entire motion. As the fingertips move, the Canvas is visibly pulled and reshaped by the fingers: when the hands move farther apart, the Canvas becomes wider; when the index finger and thumb on one hand open farther, that side of the Canvas becomes taller; when one hand moves upward or downward, the corresponding two corners move with it; when one wrist rotates, that side of the Canvas tilts and skews; when both hands rotate or become asymmetric, the Canvas becomes stretched, slanted, twisted, folded, and irregular. The Canvas should feel like a flexible image layer being physically pulled by the index fingers and thumbs. The Canvas must not behave like a floating object, screen, or fixed rectangle. It is a deformable region of the original image itself. Its shape changes dynamically according to the fingertip motion, including irregular quadrilaterals, skewed trapezoids, diagonal slices, twisted ribbons, bent panels, and folded image fragments, while the four corners remain attached to the four fingertips. Inside the Canvas only, transform the same character and local background into a cyberpunk comic version of the same scene, with bold ink outlines, deep graphic shadows, neon cyan and magenta highlights, electric blue reflections, futuristic digital glow, high-contrast comic shading, and edgy illustrated texture. The rendered content inside the Canvas must stay aligned with the real character and environment underneath, updating continuously as the person moves and as the Canvas deforms. Outside the Canvas, everything remains realistic live action. The visual effect must clearly show that the fingertips are pulling and deforming the Canvas. The most important visual priority is the strong connection between fingertip motion, Canvas corner movement, Canvas deformation, and the rendered content inside the Canvas. Visual style: edgy, futuristic, cyberpunk comic rendering, sharp geometric slicing, neon accents, strong hand-to-Canvas interaction, precise fingertip tracking, smooth deformation. Music: energetic rhythmic electronic beat, stylish future bass / cyber trap / synthwave, synchronized with the hand gestures and Canvas deformation. | 参照画像 | 生成動画 |
参照画像 | 生成動画 | |
参照画像 | 生成動画 | |
| プロンプト | 入力画像 / 生成動画 | |
| ⑤ 間取り図から家が建つ | ||
|
How the reference pictures align with the target video — Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video. integrated_multimodal_description: [Shot 1] Photorealistic, cinematic, a wide establishing shot begins with the architectural floor plan from <Picture 1> displayed as a white blueprint, then the camera pushes in and the blueprint dissolves into a real sunlit construction site. A sped-up timelapse builds the house faithfully following the floor plan in <Picture 1>: the concrete foundation is poured, the wooden framing rises exactly along the plan's walls, rooms, and layout, the roof and exterior walls are installed, windows and siding finish the facade, then interior walls, flooring, and lighting complete every room of the house, as the timelapse slows to real time and the finished house stands in soft morning light. [Shot 2] At 00:10.000, the camera cuts to the entrance of the finished house, where the distant ringing of a classic twin-bell alarm clock is already audible. The camera travels rapidly from the front door through the hallway toward the bedroom, the ringing growing louder, where the alarm clock on the nightstand is ringing loudly, its two metal bells jiggling with a sharp mechanical "brrrring" sound. The young Japanese woman in her 20s with soft dark hair and a slender build, medium breasts, lies asleep in the bedroom bed wearing a black tank top keeping her bust fully covered and hidden. Half asleep, she slaps the top of the alarm clock to stop it and the ringing stops instantly, the bells still jiggling for a moment. The camera pushes in with small amplitude at slow speed to a bust-up framing of her chest and face as she rubs her eyes sleepily, looks directly at the camera, and the sleepy young woman (S1) says in a husky morning voice: <d>[Japanese] おはよ。</d> She blinks slowly with a soft sleepy smile as warm sunlight streams through the window. overall_soundscape: Construction site ambience with hammering and sawing during the timelapse, then the front door opening, the camera moving through the hallway with a loud mechanical bell-type alarm ringing "brrrring" growing closer, then stopping the moment her hand slaps it, a soft slap sound, the bells jiggling to a stop, and quiet morning room tone. non_diegetic_music: N/A | 参照画像 | |
| 生成動画 | ||
| 参照画像とターゲット動画の対応関係 — 画像1（ショット1）は、ターゲット動画の0.00秒の時点に対応しています。 integrated_multimodal_description: [ショット1] フォトリアルかつ映画的なワイドショット（状況設定ショット）で始まります。まず、<画像1>の建築用フロアプランが白い設計図として表示され、カメラがズームインすると、その設計図が太陽の光が降り注ぐ実際の建設現場へと溶け込むように切り替わります。<画像1>のフロアプランに忠実に従って家が建てられていく様子が、早回しのタイムラプス映像で映し出されます。コンクリートの基礎が打設され、設計図の壁や部屋、レイアウト通りに木造の骨組みが立ち上がり、屋根や外壁が設置され、窓や外装材でファサードが完成します。続いて内壁、床、照明が取り付けられ、家中の各部屋が仕上がっていきます。タイムラプスは徐々に通常の速度に戻り、完成した家が柔らかな朝の光の中に佇む姿が映し出されます。[ショット2] 00:10.000の時点で、カメラは完成した家の玄関へとカットが切り替わります。そこでは、昔ながらのツインベル式目覚まし時計の音が遠くから聞こえています。カメラは玄関から廊下を通り、寝室に向かって素早く移動します。近づくにつれてベルの音は大きくなり、ベッドサイドテーブルに置かれた目覚まし時計が激しく鳴っています。金属製の2つのベルが震え、鋭い機械的な「ジリリリ」という音が響いています。黒いタンクトップ（胸元をしっかりと覆い隠すデザイン）を身に着けた、柔らかな黒髪でスレンダーな体型の20代の日本人女性が、寝室のベッドで眠っています。彼女は半分眠ったまま目覚まし時計の頭を叩いて止めると、ベルの音は即座に止まりますが、ベル自体は一瞬まだ震え続けています。カメラはゆっくりと、かつ小さく揺れながら彼女の胸元から顔にかけてのバストアップへと寄っていきます。彼女は眠そうに目をこすりながらカメラを直視し、ハスキーな朝の声でこう言います：<d>[日本語] おはよ。</d> 窓から暖かい日差しが差し込む中、彼女は柔らかな眠たげな笑みを浮かべながら、ゆっくりとまばたきをします。全体的な音響風景：タイムラプス映像に合わせて、ハンマーで叩く音やのこぎりで切る音が響く建設現場の環境音。続いて玄関のドアが開き、カメラが廊下を進むにつれて、機械式のベルが鳴らす「ジリリリ」という音が次第に大きく近づいてくる。彼女の手がベルを叩いた瞬間に音が止まり、柔らかな打撃音とベルが揺れて静まる音が続き、やがて静かな朝の室内の気配（ルームトーン）へと変わる。 非劇伴音楽：なし | 参照画像 | |
| 生成動画 | ||
| ⑥ お絵描き | ||
|
How the reference pictures align with the target video - Picture 1 (from Shot 1) aligns with the 0.00-second mark of the target video. integrated_multimodal_description: [Shot 1] 2D anime digital illustration, a high-quality digital drawing recorded as a timelapse, with the artist's hand holding a stylus pen visibly drawing on the canvas. The video starts from a white digital canvas and draws the basic forms and shapes first, starting from the general (big) outline sketch of the pose, then adding line after line to add new details on the face, hair, and clothes until a complete lineart sketch for the character is done. Then the coloring phase begins: flat base colors are filled evenly within the lineart, soft shading and highlights are layered on the face, hair, and clothes, and final finishing touches are added until the completed artwork matches <Picture 1> exactly. overall_soundscape: The soft scratch of the stylus on the tablet screen, light desk ambience. non_diegetic_music: N/A | 参照画像１ | |
| 参照画像とターゲット動画の対応関係：画像1（ショット1由来）は、ターゲット動画の開始時点（0.00秒）に対応しています。 統合マルチモーダル記述：[ショット1] 2Dアニメ調のデジタルイラスト。タイムラプス形式で記録された高品質なデジタルドローイング映像であり、アーティストの手がスタイラスペンを握り、キャンバス上で描画を行う様子が映し出されています。動画は白いデジタルキャンバスから始まり、まずポーズの全体的な（大きな）輪郭スケッチといった基本形状を描き出します。続いて、顔、髪、衣服の細部を表現する線を次々と描き加え、キャラクターの線画を完成させます。その後、着色工程に入ります。線画の内部を均一なフラットなベースカラーで塗りつぶし、顔、髪、衣服に柔らかな陰影やハイライトを重ね、最後に仕上げを施して、完成した作品が<画像1>と完全に一致する状態にします。 全体的な音響環境：タブレット画面上をスタイラスペンが擦る柔らかな音、デスク周りの軽やかな環境音。 非劇伴音楽：なし | 生成動画 | |
| ⑦ 背景＋キャラクターシート | ||
|
For the target video, at 0.00 seconds into the target video, and are fully referenced. <Picture 2> is the character sheet of Woman (S1). Camera: fixed, smooth. integrated_multimodal_description: (S1) walks towards the foreground, passing through the torii gate in of <Picture 1>. overall_soundscape: Cicada chirping non_diegetic_music: N/A | 参照画像１ | |
参照画像２ | ||
| 対象の動画において、開始時点（0.00秒）から完全に参照されています。 <Picture 2>は、女性（S1）のキャラクターシートです。 カメラ：固定、滑らかな動き。 統合マルチモーダル記述： (S1)が<Picture 1>にある鳥居をくぐり、手前に向かって歩いてきます。 全体的な音響環境：セミの鳴き声 非劇伴音楽：なし | 生成動画 | |
| ⑧ キャラクターシートを使って動かす | ||
|
subject_definitions: <Subject 1> is the interior of the 7-Eleven store, featuring rows of snack shelves, refrigerated beverage cases, and a brightly lit white tile floor. <Subject 2> is the exterior storefront of the 7-Eleven store, featuring the orange, green, and red stripes, the "7-ELEVEN" logo, and a large red banner with Japanese text above the door. <Subject 3> is the woman from <Picture 1>. <Subject 4> is the man in the black leather motorcycle jacket and dark jeans from <Picture 2>, featuring short brown hair and a stern, rugged face. summary: [reference generation] The target video depicts <Subject 3> walking into the 7-Eleven store shown in <Subject 2> and <Subject 1>. While <Subject 3> looks at food, <Subject 4> enters and confronts him. A brief, intense martial arts fight ensues between the two men inside the store, involving punches, kicks, and interaction with the shelving. retention_analysis: <Subject 1> (appears in [Shot 2], [Shot 3], [Shot 4]): fully_preserved - the interior layout, lighting, and snack displays are retained. <Subject 2> (appears in [Shot 1]): fully_preserved - the exterior facade and branding are retained. <Subject 3> (appears in [Shot 1], [Shot 2], [Shot 3], [Shot 4]): fully_preserved - the appearance and clothing of the martial artist are retained. <Subject 4> (appears in [Shot 2], [Shot 3], [Shot 4]): fully_preserved - the appearance and leather jacket of the man are retained. detailed_description: The target video is in a high-action, cinematic style with sharp movements and realistic physics. [Shot 1] The scene opens with a wide shot of the exterior of <Subject 2>, the 7-Eleven storefront at night. <Subject 3>, wearing her red martial arts tunic and slippers, walks purposefully toward the automatic sliding doors from the right side of the frame. [Shot 2] At 00:03.000, the shot cuts to the interior of <Subject 1>. <Subject 3> enters the store and stands before a shelf of snacks. He turns his head slightly to the left, looking at the items, and says, <d>[Japanese] 今夜は何を食べようかな？</d>. Suddenly, <Subject 4> enters from the opposite side of the store, his face set in a scowl. He points a finger at <Subject 3> and says in a deep, gravelly voice, <d>[Japanese] お前は拳骨サンドイッチを食べることになるぞ！</d>. [Shot 3] At 00:07.000, the shot cuts to a medium dynamic tracking shot as the two men engage in a fight. <Subject 3> performs a lightning-fast side kick that connects with <Subject 4>'s chest, pushing him back into a display of chips. <Subject 4> recovers instantly, throwing a heavy straight punch that <Subject 3> blocks with his forearm. <Subject 3> then pivots, delivering a rapid series of three punches to <Subject 4>'s ribs. [Shot 4] At 00:11.000, the camera moves into a close-up of the struggle. <Subject 4> grabs <Subject 3>'s shoulder and swings a wide hook, but <Subject 3> ducks under it and sweeps <Subject 4>'s leg. They both tumble toward the end of a snack aisle, knocking over a small stand of bottled drinks. The shot ends as they collide with the shelving, causing snacks to spill across the floor. overall_soundscape: The hum of store refrigerators and the electronic chime of the entrance door. The sounds of heavy impacts, fabric rustling, and the clatter of falling objects and bottles during the fight. non_diegetic_music: A fast-paced, heavy percussion-driven action score that builds in intensity as the fight begins. | 参照画像１ | |
参照画像２ | ||
| 生成動画 | ||
| ⑨ ストリート・ダンス | ||
|
Change the characters perform street dance following the movements in <Video 1> to the woman in <Picture 1> as the character references. overall_soundscape: no dialogue, no narration, no voiceover, no speech, music and ambient sounds only. non_diegetic_music: Pure instrumental music only, | 参照画像 | 参照動画 |
| 登場人物が＜動画1＞の動きに合わせてストリートダンスを踊るシーンでは、＜画像1＞の女性を参考にしてください。 全体的なサウンドスケープ：セリフ、ナレーション、ボイスオーバー、音声は一切なし。音楽と環境音のみ。 非劇中音楽：純粋なインストゥルメンタル音楽のみ。 | 生成動画 | |
| プロンプト | 生成動画 |
| 昔懐かしい・・・？ | |
|
First-person perspective, close-up, 9:16 portrait orientation, both hands in the frame. In the left hand, a beautiful celebrity trading card with an orange gradient background is held. The card depicts a young woman with long, straight black hair, wearing a white long-sleeved shirt and a black high-waisted skirt, exuding a pure and elegant aura. Her English name and small Chinese characters are inscribed in the upper left corner of the card. In the right hand, a small, light blue, round lid filled with water is held. Shooting begins: The right hand slowly tilts the lid, and clear water flows from the rim, precisely dripping onto the chest of the woman depicted on the card, wearing her white shirt. The water flows down the fabric of the shirt, gradually becoming transparent where it touches, revealing the outline of white lace lingerie. As the water continues to flow, the wetness spreads from the chest to the abdomen and then to the sides, the white shirt becoming increasingly transparent, revealing the delicate pattern, thin straps, and cup lines of the white lace lingerie, as well as the skin of the waist and abdomen. The water flows down the black skirt portion of the card and drips from the bottom edge. After the water is poured, the right hand moves the cap off-screen, while the left hand slightly rotates the card to reveal the final effect. Water droplets slowly fall along the edge of the card. The background is a blurred table with a wine glass faintly visible. The video features soft indoor natural light, a shallow depth of field, the card is in focus, the footage is stable and blur-free, the 60fps motion is smooth, the water flow is realistic, the texture of wet paper is realistic, and the color grading is cinematic. | |
| 一人称視点、クローズアップ、9:16の縦長構図で、両手がフレーム内に収まっています。左手には、オレンジ色のグラデーションを背景にした美しい女性セレブのトレーディングカードが持たれています。カードには、ストレートの長い黒髪で、白い長袖シャツと黒いハイウエストのスカートを身にまとい、清楚かつエレガントな雰囲気を漂わせる若い女性が描かれています。カードの左上隅には、彼女の英語名と小さな漢字が記されています。右手には、水が入った小さな水色の丸い蓋が持たれています。 撮影開始：右手がゆっくりと蓋を傾けると、縁から透明な水が流れ出し、カードに描かれた女性の白いシャツの胸元へと正確に滴り落ちます。水はシャツの生地を伝い落ち、濡れた部分が徐々に透けて、白いレースのランジェリーの輪郭を浮かび上がらせます。水が流れ続けるにつれて、濡れは胸元から腹部、そして脇腹へと広がり、白いシャツの透明度が増していきます。それにより、白いレースのランジェリーの繊細な模様、細いストラップ、カップのライン、さらには腰や腹部の肌が露わになります。水はカードの黒いスカート部分を伝い、下端から滴り落ちます。 水を注ぎ終えると、右手は蓋を画面外へと動かし、左手はカードを少し回転させて仕上がりを見せます。カードの縁を伝って水滴がゆっくりと落ちていきます。背景はぼかされており、ワイングラスがうっすらと見えています。映像は柔らかな室内の自然光に包まれ、浅い被写界深度でカードにピントが合っています。映像は安定してブレがなく、60fpsの滑らかな動き、リアルな水の流れと濡れた紙の質感、そして映画のようなカラーグレーディングが特徴です。 | |
| いろいろな動画を「英語/日本語プロンプト」で生成してみる プロンプト引用 → https://note.com/mattariyukkuri/n/n011dd58ca994 |
| プロンプト | 生成動画 |
| ① VFXロゴ | |
|
High-octane cinematic title sequence built entirely around speed: begin with an extreme close-up of polished metal traveling through darkness so quickly that only reflections and sparks are visible. The camera accelerates alongside it as enormous metallic components streak past like projectiles, generating sonic shockwaves and pressure distortion. Each component violently decelerates at the center of frame, rotating and locking into place with precise mechanical impacts while additional fragments arrive from every direction. The camera threads between assembling letterforms at extreme speed, passing through showers of sparks and glowing friction trails until a final impossible pullback reveals that every moving component has constructed the enormous word "私的AI研究会". A supersonic pressure wave travels from the first letter to the last, bending the surrounding atmosphere and stripping glowing particles from the metal surfaces. The camera instantly launches backward as the entire title accelerates forward through the frame like a massive projectile, leaving only turbulent smoke and incandescent trails behind. Hyper-dynamic cinematography, physically convincing motion blur, metallic micro-detail, sonic-boom distortion, premium theatrical title VFX. | |
| ② 学園映画の１シーン | |
|
integrated_multimodal_description: [Shot 1] 15秒間のVlog風ホームビデオ。同じパートの仲のいい友達が、手持ちの古い家庭用デジタルカメラで撮影している。自然な揺れ、不完全なフレーミング、時折のピントの迷い、露出のゆらぎ、軽いモーションブラー、微妙なノイズ、少し抑えた色。スタビライズ、ジンバル、ドローン、スローモーション、映画的照明は使わない。商業作品でもミュージックビデオでもない。静かで、ひたむきで、懐かしく、温かく、即興的で、深く人間的。カメラがたまたまそこにあったような感じを優先する。7個の短いショット（各約2秒）のハードカット・モンタージュで構成し、トランジションやフェードは一切使わない。各ショットはすべて別の瞬間で、1ショット＝1つの小さな出来事。信ぴょう性のある現実世界の物理を維持し、手・指・髪・制服・トランペット・譜面台は自然に振る舞う。余分な指、融合した手、歪んだ体、浮遊物、消える物体、突然の変形はなし。楽器の構え方と指の位置は現実的なまま。(S1)は全ショットを通じて同一人物の日本人女子中学生。透明感のある美少女。やや垂れ目がちの大きな二重の目、伏し目のときに影を落とすほど長いまつげ、細い自然な眉、透けるように白い現実的な肌の質感、ノーメイク、小さくすっとした鼻筋、薄い桜色の唇、きれいな卵型の輪郭。まっすぐな黒髪を低い位置でひとつに結んでいる。普段は控えめでおっとりした雰囲気。白い半袖のセーラー服、紺の襟、膝丈の紺のプリーツスカート、上履き。使い込まれた銀のトランペット。顔、体型、髪型、制服、楽器を最初から最後まで完全に一貫させる。夏の放課後、田舎の中学校の音楽室。譜面台、並んだ椅子、開いた窓、窓の外のグラウンドと山。夕方の光が少しずつ濃くなる。広告、認識できるブランドはなし。撮影者は仲のいい友達なので、(S1)はリラックスしていて素の表情を見せる。中距離ショット。(S1)が楽器ケースを抱えて音楽室に入ってくる。カメラに気づき、恥ずかしそうに小さく手を振る。 [Shot 2] At 00:02.000, ハードカットで新しい場面に切り替わる。クローズアップ。(S1)がケースを開け、トランペットを柔らかい布でていねいに磨く手元。布が金属面を滑る自然な動き。 [Shot 3] At 00:04.000, ハードカットで新しい場面に切り替わる。ミディアムショット。譜面台の楽譜に(S1)が鉛筆で小さく書き込みながら、口の中でメロディーをかすかに歌う。唇はほとんど動かず、言葉は聞こえない。 [Shot 4] At 00:06.000, ハードカットで新しい場面に切り替わる。ミディアムショット。(S1)が同パートの友達と椅子を並べて何か喋り、口元を手で隠して笑う。会話の言葉は聞こえない。友達の存在は背景に留め、(S1)の表情と仕草が主役。 [Shot 5] At 00:08.000, ハードカットで新しい場面に切り替わる。ミディアムクローズアップ。(S1)がトランペットを構えた瞬間、表情が変わる。控えめな子が別人のように凛とする。夕日の差す音楽室で、真剣な横顔。窓からの暖色の光が輪郭を照らす。 [Shot 6] At 00:10.000, ハードカットで新しい場面に切り替わる。クローズアップ。(S1)がロングトーンを吹く。まっすぐ前を見つめる目。トランペットの澄んだ音が響く。窓の外から遠くの部活の掛け声がかすかに聞こえる。 [Shot 7] At 00:12.000, ハードカットで新しい場面に切り替わる。ミディアムショット。(S1)が吹き終えてふっと息を抜き、カメラに向かって照れたように笑う。At 00:14.000, 録画は突然ブラックアウトに切り替わる。フェードアウトなし。画面は真っ黒のまま15.00秒まで続く。 overall_soundscape: 夏の夕方、田舎の中学校の音楽室の自然な環境音。窓の外から遠くの部活の掛け声、セミの声、静かな室内の残響。布がトランペットを擦る音、ケースを開ける音、鉛筆が楽譜に書き込むかすかな音、(S1)のかすかな息づかいと、口元を隠して笑う無言の笑い声。Shot 6ではトランペットの澄んだロングトーンが主役。ナレーションなし。人工的な音響効果なし。 overall_soundscape: no dialogue, no narration, no voiceover, no speech, music and ambient sounds only. non_diegetic_music: Pure instrumental music only, | |
| ③ ハンバーガー | |
|
Create a high-end cinematic tilt-shift food commercial that shows the full construction of a hamburger from start to finish on a clean tabletop, staged like a miniature construction site. Use a strong tilt-shift look throughout: shallow selective focus, miniature diorama realism, soft focus falloff across the frame, and a low tabletop camera angle that makes the tiny vehicles feel large and heroic while the burger ingredients feel monumental. The entire video should follow one continuous build process. Begin with an empty build site: the bottom bun is placed at center as the foundation. Then, step by step, miniature construction vehicles bring in and install each ingredient in order. A dump truck delivers sesame seeds near the work zone. A forklift transports a thick tomato slice. A front loader carries shredded lettuce with some loose pieces spilling naturally. A yellow excavator grips and places pickle slices with its bucket. A mobile crane lifts a glossy cheddar slice with hook and sling, lowering it carefully onto the hot grilled beef patty. Onion rings wait to the side like construction coils. Sauce is applied like mortar. Finally, the top bun is lifted and guided into place as the final roof piece, completing the burger. Include several tiny workers in simple safety helmets directing the build. One signals with a baton, another points toward the stacking area, and others react to each installation step to sell the miniature worksite illusion. Camera language should feel premium and playful: cinematic push-ins, low-angle dolly moves, miniature-style lateral tracking shots, macro insert shots of vehicle actions, selective rack focus between machines and ingredients, and gentle orbiting hero passes around the burger. Keep the movement smooth and expensive, with the tilt-shift effect always helping the scene feel like a handcrafted miniature world. Lighting should be warm and polished like a luxury food commercial, with a strong key from upper left, a gentle rim from rear right, glossy highlights on sauce and cheese, and subtle reflections on the construction vehicles. Emphasize realistic textures: toasted bun crust, soft bun crumb, sesame seeds, grill marks on the beef patty, cheddar sheen, wet tomato surfaces, crisp lettuce edges, pickle gloss, and subtle machine wear and decals. Build the pacing so each ingredient placement feels satisfying and clear. The viewer should always understand that the burger is being assembled in sequence from beginning to end. Finish on a fully completed perfect burger, freshly built, as the vehicles pause around it like a proud construction crew. End with a polished hero shot of the completed hamburger in the center of the miniature worksite. Overall tone: premium, humorous, charming, visually satisfying, high-end commercial quality, with a strong tilt-shift miniature aesthetic and a clear beginning-to-end burger assembly story. | |
| ④ ビルの屋上でのアクションシーン | |
|
Format: 9:16 vertical, 15 seconds, ultra-realistic cinematic action footage. A young athletic Japanese woman with Japanese black hair, wearing a fitted black T-shirt, dark pants and white sneakers, stands on an enormous high-rise rooftop hundreds of meters above a dense modern city. A second woman dressed in black follows behind, filming the action on a smartphone. 0–3 sec: Handheld camera follows the athlete as she runs toward a narrow gap separating two sections of the rooftop. Bright clear blue sky, distant city skyline, strong afternoon sunlight and realistic long shadows. 3–6 sec: The athlete accelerates toward the edge. The camera moves closer and slightly to the side, capturing his focused expression and powerful running motion. she plants his foot near the edge and launches into a dramatic leap across the massive rooftop gap. 6–9 sec: Slow-motion moment as he flies through the air above the city, performing a powerful forward flip. Show his entire body suspended against the skyline, with realistic gravity, momentum, clothing movement and detailed shadows. 9–11 sec: she completes the rotation and lands hard on the opposite rooftop, briefly losing balance and rolling forward to absorb the impact. The camera follows dynamically without cutting away from the action. 11–15 sec: she gets back onto his feet, visibly exhausted and breathing heavily. she walks toward the camera, bends forward with his hands on his knees, then looks directly into the lens with an intense, breathless expression. The cameraman remains visible in the background. Visual style: Photorealistic live-action, authentic smartphone/action-camera footage, natural human anatomy, realistic physics, subtle handheld camera shake, natural sunlight, detailed skin and fabric texture, realistic city haze and atmospheric perspective, sharp subject with natural motion blur, cinematic exposure, no CGI appearance. Camera: Dynamic handheld tracking, low-angle perspective during the run, side tracking during the jump, brief slow-motion during the flip, then close-up push-in at the end. Important: Maintain consistent character appearance and clothing throughout. Make the jump, rotation, landing and body mechanics physically believable. No teleportation, no unnatural limb movement, no duplicated people, no visual glitches. | |
| プロンプト | 入力画像 / 生成動画 | |
| ⑤ 踊る | ||
| A woman dancing | 参照画像 | 生成動画 |
| 踊っている女性 | ||
| ⑥ 360度回転（カメラ） | ||
| She is standing in place , people passing around her in long exposure with time lapse and motion blur with push in dolly handheld camera motion, the camera orbiting around her body in 360 degrees. | 参照画像 | 生成動画 |
| 彼女はその場に立ち尽くし、周囲の人々はタイムラプスとモーションブラーを伴う長時間露光で流れるように行き交っています。カメラは手持ち撮影によるドリーイン（被写体に近づく動き）と彼女の周囲を360度旋回する動きを組み合わせて捉えています。 | ||
| ⑦ おしゃべり | ||
| She is saying "こんにちは。お元気ですか？" | 参照画像 | 生成動画 |
| 彼女は「こんにちは。お元気ですか？」と話します。 | ||
| ⑧ 表参道を歩いてたら突然無重力になった | ||
|
<Picture 1> as first frame — preserve all scene elements: sidewalk, storefronts, hanging banners, pedestrians, clothing, vehicles, and spatial layout exactly as shown. Realistic live-action smartphone POV footage, 30 seconds, 16:9. Midday Tokyo Omotesando — tree-lined sidewalk on the left, urban road with cars on the right. Camera held at a slight downward angle with subtle natural walking sway. 0–2 sec: Camera moves forward along the sidewalk normally. The POV itself loses gravity a split second before everything else — the camera gently floats upward while continuing forward. Slight surprised camera shake.(JP audio: "うわ、なんだこれ……！ え、浮いてる、浮いてる！") 2–5 sec: From the slightly elevated POV, two women ahead, a salaryman, and surrounding pedestrians begin lifting off the ground at random staggered intervals — not simultaneously. Cars on the right also slowly rise off the road with slight delay, retaining forward momentum.(JP audio: women — "え、なに？ なに？" / "ちょ、やばい、浮いてる！" / salaryman — "なんだよ、これ……！") 5–8 sec: The POV arm reaches out reflexively to grab a metal pole with a hanging banner poster on the right side of frame. Body drifts sideways, pulled by buoyancy. Arm stretches taut. Camera tilts slightly.(JP audio: "うわ、うわ……！" / crowd: "浮いてる、浮いてる！" / "うわっ！") 8–18 sec: POV holds the pole and watches. Pedestrians float randomly and independently — each person at a different height, speed, and rotation, drifting up to 90–180 degrees slowly. Bags and handheld items float freely alongside owners. No shoes or clothing detach. Cars drift silently at different heights with no collisions. Atmosphere shifts from surprise to delight — people laugh, some spin lazily, some tilt onto their backs. POV releases the pole and floats freely.(JP audio — voices overlap naturally, with gaps and laughter: "なにこれー！" / "やばい、楽しい！" / "すげえ！" / distant cheers "うわー！") 18–24 sec: Upward drift slows and reverses. Everyone and everything descends gently — not a drop, a slow return. Body rotations gradually stabilize. Cars drift back toward the road.(JP audio: "あ、戻ってる！" / "戻る戻る！") 24–27 sec: When people are approximately 30–50 cm above the ground, normal gravity snaps back suddenly. Everyone lands within a random 0.2–0.5 sec staggered window — some stumble, some drop to one knee, some fall sideways. POV camera jolts sharply downward as the person lands. Cars settle onto the road with natural tire and suspension bounce. No injuries, no damage.(JP audio: collective "うわっ！" overlapping with landing sounds) 27–30 sec: POV camera slowly tilts back up. Sidewalk shows people sitting, still laughing. Ambient city sounds return. A nearby woman, seated on the ground, meets her friend's eyes and smiles.(JP audio: "……何、今の？" — cut immediately after.) Audio: No BGM. Ambient sounds only — city traffic, footsteps, rustling clothing, breath, laughter, Omotesando street environment. Multiple voices overlap naturally with moments of silence and laughter between lines. No disaster imagery, no sci-fi visual effects, no crowd panic. | 参照画像 | 生成動画 |
| プロンプト | 入力画像 / 生成動画 |
| ⑨ 色んな表情 | |
|
0-1s: The character begins with an upper body shot. She looks at the camera with a serious expression, wave their hand lightly, and strike a simple, clean pose with effortless breathing. 2-4s: She tries very hard not to laugh. Her lips press together and slightly inward, the cheeks begin to rise, the nose tightens a little, and the eyes start to narrow as she fights the smile. The mouth corners tremble as if they want to lift. 4-6s: Her eyelids droop into a sleepy half-lidded expression and her gaze looks tired for a brief moment. Then, in a quick contrast beat, she suddenly snaps awake: the eyes open wide, the brows lift slightly, and the face becomes freshly alert and bright. 6-8s: Without moving the head much, she keeps the face almost front-facing and performs a quick shifty eye movement. The mouth remains small and controlled. 8-10s: Her eyes soften while maintaining direct engagement with the camera. She lowers the chin slightly and looks forward from beneath the brows, creating a magnetic inviting gaze. The mouth stays controlled and only slightly softened. 10-12s: Her gaze becomes direct, clear, and sharply focused. The brows grow slightly more defined, the eyelids narrow just a touch, and the jaw remains relaxed but controlled. The mouth stays composed without smiling. 12-15s: She gives a strong deliberate fashion wink. One eye closes firmly while the other eye stays locked toward the camera. The cheek on the wink side lifts slightly, and the mouth forms a controlled confident half-smile. | 参照画像 |
| 0～1秒：上半身のショットから始まります。彼女は真剣な表情でカメラを見つめ、軽く手を振ってから、自然な呼吸とともにシンプルで洗練されたポーズをとります。 2～4秒：笑いをこらえようと必死になります。唇を内側に引き締めるように結び、頬が持ち上がり始め、鼻筋に力が入り、笑みを抑えようとして目が細まります。口角が、まるで上がろうとするかのように小刻みに震えます。 4～6秒：まぶたが下がって眠たげな半開きの表情になり、一瞬、疲れたような眼差しになります。その後、急激な変化を見せ、ハッと意識が戻ります。目を見開き、眉をわずかに上げ、表情は生き生きと冴え渡ります。 6～8秒：頭をあまり動かさず、顔をほぼ正面に向けたまま、素早く視線を左右に動かします。口元は小さく引き締まったままです。 8～10秒：カメラをまっすぐ見つめながら、柔らかな眼差しになります。顎を少し引き、眉の下から前を見据えることで、人を惹きつける魅力的な視線を投げかけます。口元は落ち着きを保ちつつ、わずかに柔らかい表情になります。 10～12秒：視線はまっすぐで澄み渡り、鋭く焦点が定まります。眉の形がはっきりとし、まぶたがわずかに狭まり、顎はリラックスしつつも引き締まった状態を保ちます。口元は笑みを浮かべず、落ち着いた表情のままです。 12～15秒：意図的で力強い、ファッションモデルのようなウィンクをします。片目をしっかりと閉じ、もう片方の目はカメラをまっすぐ見つめ続けます。ウィンクした側の頬がわずかに持ち上がり、口元は自信に満ちた、控えめな笑みを浮かべます。 | 生成動画 |
| ⑩ スター登場・退場 | |
|
Style: Hybrid visual style — photorealistic, documentary-level environment combined with stylized 3D animated characters. The subject and the fan are fully 3D animated characters seamlessly composited into a live-action realistic world. Single continuous unbroken shot from a handheld camera within a dense crowd. Natural micro-shake, eye-level perspective. Character Style: The subject from @Image1 is rendered as a polished 3D animated character with stylized proportions, soft subsurface skin shading, expressive features, and clean rim lighting — while maintaining a perfectly consistent face and the exact outfit from the reference image. The fan they interact with is also a 3D animated character in the same rendering style. Both characters retain cinematic CG quality with realistic interaction with the surrounding light (flash bounces, streetlight highlights, shadow casting on real ground). Lighting & Environment: Fully photorealistic. Nighttime at an upscale event in New York City. Illuminated by real streetlights and camera flashes. Mixed reflections on polished surfaces (phones, cars), soft realistic shadows, and a slight atmospheric haze for depth. The crowd, barricades, hotel facade, SUVs, and street are all live-action realistic — only the two main characters are stylized 3D. Subject: The 3D animated subject maintains a calm, controlled presence with a subtle, confident smile, perfectly matching the face and outfit from @Image1. Action Sequence: The shot begins completely immersed in a restless, chaotic realistic crowd behind barricades. The view is partially obscured by real people raising smartphones to record. As the camera lifts slightly above shoulder level, the 3D animated subject exits a luxury hotel in the background. Bright media flashes erupt, illuminating the CG character against the realistic environment. Real security personnel step into frame, pushing the crowd back, causing the camera to shake naturally. Through shifting gaps in the crowd, the animated subject walks forward clearly into center frame. The subject pauses to interact with a 3D animated fan, leaning in briefly for a selfie while giving a calm, controlled wave. The camera pans to follow as a luxury convoy of three premium black SUVs (photorealistic) pulls up. A real security guard opens the back door of the middle SUV. The animated subject steps inside, rolls down the window to wave one last time, and the vehicles begin to pull away as the realistic crowd jumps to capture the moment. Audio: Loud, chaotic crowd cheering and whistling. Overlapping voices shouting the subject's name. A barrage of rapid camera shutter clicks. Distant New York City sirens and traffic. The rustling of heavy fabric and footsteps. The deep, heavy bass of an SUV engine idling and pulling away. | 参照画像 |
| スタイル：ハイブリッドなビジュアルスタイル — フォトリアルでドキュメンタリーのような環境と、様式化された3Dアニメーション・キャラクターの融合。被写体とファンは、実写のリアルな世界にシームレスに合成されたフル3Dアニメーション・キャラクターです。密集した群衆の中、手持ちカメラによる途切れのないワンカット撮影。自然な微細な揺れと、目線の高さからの視点。 キャラクター・スタイル：@Image1の被写体は、洗練された3Dアニメーション・キャラクターとして描かれています。様式化されたプロポーション、柔らかなサブサーフェス・スキャタリング（皮膚の質感）表現、豊かな表情、そして美しいリムライト（輪郭を際立たせる光）が特徴ですが、顔立ちや衣装はリファレンス画像と完全に一致しています。交流するファンも同様のレンダリング・スタイルを持つ3Dアニメーション・キャラクターです。両キャラクターとも、周囲の光（フラッシュの反射、街灯のハイライト、地面に落ちる影）とリアルに相互作用する、映画品質のCGクオリティを維持しています。 照明と環境：完全なフォトリアル。ニューヨークの高級イベント会場の夜。実際の街灯やカメラのフラッシュに照らされています。磨かれた表面（スマートフォンや車）への複雑な反射、柔らかくリアルな影、そして奥行きを感じさせる微かな大気の霞（ヘイズ）が表現されています。群衆、バリケード、ホテルの外観、SUV、通りはすべて実写のリアルな映像であり、主要な2人のキャラクターのみが様式化された3Dです。 被写体：3Dアニメーションの被写体は、落ち着きと自信に満ちた微笑みを浮かべ、穏やかで堂々とした佇まいを見せています。顔立ちや衣装は@Image1と完全に一致しています。 アクション・シークエンス：映像は、バリケードの背後にある、落ち着きがなく混沌としたリアルな群衆の中に完全に没入した状態で始まります。撮影しようとスマートフォンを掲げる実在の人々によって、視界が部分的に遮られています。カメラが肩の高さより少し上に上がると、背景にある高級ホテルから3Dアニメーションの被写体が出てきます。メディアの明るいフラッシュが焚かれ、リアルな環境の中でCGキャラクターが照らし出されます。実在の警備員がフレームに入り込み、群衆を押し戻すため、カメラが自然に揺れます。群衆の隙間から、アニメーションの被写体がフレーム中央に向かってはっきりと歩み出てきます。被写体は立ち止まって3Dアニメーションのファンと交流し、落ち着いた様子で手を振りながら、短時間身を乗り出してセルフィー（自撮り）に応じます。カメラがパン（首振り）して追うと、3台の高級黒塗りSUV（フォトリアル）からなる車列が到着します。実在の警備員が、中央のSUVの後部ドアを開けます。活気ある様子の人物が車に乗り込み、窓を開けて最後にもう一度手を振る。車が動き出すと、リアルな群衆がその瞬間を捉えようと一斉に身を乗り出す。 音声：大きく騒々しい群衆の歓声と口笛。その人物の名を叫ぶ声が重なり合う。連射されるカメラのシャッター音。遠くで聞こえるニューヨークのサイレンや交通の音。厚手の布が擦れる音や足音。アイドリングから発進へと移るSUVの、重厚で低いエンジン音。 | 生成動画 |
| 新しい動画生成簿でるを比較する プロンプト引用 → https://note.com/ai_0049/n/n46672bb50bf0 |
| 入力画像 |  |  |  |