対象、動作、意図、シーン、スタイル、カメラワーク。Soraのプロンプトの6つの要素を全部埋めたのに凡庸な映像が出たとき、足りないのは7つ目の要素ではありません。旅行の持ち物リストを全部埋めても、行き先が決まっていなければ、鞄の中身はちぐはぐなままです。
この記事では、Soraのプロンプトに入れる6つの要素と用途別の例を紹介しながら、6つは同格ではなく、意図だけが残り5つの選び方を決める上位の要素だという読み方を示します。
Soraは、書かれた言葉を手がかりに映像を組み立てます
Soraは、OpenAIが開発した、テキストから動画を生成するAIモデルです。プレビュー版では最長1分の生成が示され、一般提供版では最大20秒程度の動画を作れるようになったと紹介されています。仕組みには拡散モデルが使われ、ノイズだらけの映像から、文章の内容に沿ってノイズを少しずつ取り除き、フレームを仕上げていきます。GPT系のトランスフォーマーも取り入れ、言葉と映像の対応を学習しているとされます。
Soraは書かれた言葉を手がかりに映像を作り、書かれていないことは推測で埋めます。プロンプトの設計が問われるのはこのためです。
プロンプトに入れる6つの要素
- 対象: 誰が、何が主役か。人物、動物、物体を特定する
- 動作: 主役が何をしているか。具体的な動詞で書く
- 意図: 何のための映像か。広告か、感動的な短編の一場面か
- シーン: どこで、いつか。屋内か屋外か、時間帯、天候、照明
- スタイル: どんな雰囲気か。cinematic、emotional、cartoonish、surreal など
- カメラワーク: どこから、どう撮るか。クローズアップ、広角の空撮、一人称視点、スローモーション
このうち意図は、「これは製品プロモーションです」とプロンプトに書く必要はない、とよく説明されます。そのとおりですが、それは意図が軽い要素だという意味ではありません。
意図は、残り5つを選ぶための物差しです
「動物が森にいる」を「ヒグマが雪の森の大きな松の木の下に座っている」に変えると、対象、動作、シーンが一度に具体的になります。けれども、なぜヒグマで、なぜ雪で、なぜ座っているのか。その選択を決めるのは意図です。
同じヒグマでも、アウトドア用品の広告なら、雄大さを見せる広角と澄んだ光を選ぶでしょう。子ども向けの絵本の導入なら、柔らかな色と近い距離を選ぶでしょう。ドキュメンタリーの一場面なら、手を加えない色と固定のカメラを選ぶかもしれません。対象は同じでも、意図が変わると残りの5つは全部入れ替わります。意図はプロンプトに文として現れなくても、ほかの5つの欄に姿を変えて現れる要素です。
用途別の例を、意図から読み直します
製品プロモーションの例は、黒い背景のスタジオで新発売のスマートフォンが回転し、スポットライトが光沢のあるボディを輝かせ、特徴を示すテキストがホログラムのように浮かぶ、という指示です。カメラはクローズアップとスローモーションで各角度から映します。製品だけを見せるという意図が、背景を黒にして余計な要素を消す選択を生んでいます。
家族の場面の例では、夕方の公園で父親が幼い娘に自転車を教え、オレンジ色の夕陽と長い影の中で娘がひとりで進み始め、カメラはその瞬間にズームして表情を捉えます。成長の瞬間を見せるという意図が、光の色とズームのタイミングを決めています。
シュールな映像の例では、砂漠に半分埋もれた巨大な懐中時計の文字盤が溶け、空には金色の魚が泳ぎ、カメラは固定気味です。不思議さを際立たせるという意図が、あえてカメラを動かさない選択につながっています。
意図のないまま6つの欄を豪華に埋めたプロンプトは、全部の席に主賓を座らせた披露宴です。どの要素も目立とうとするので、誰が主役なのかが映像から消えます。
思い通りに近づける進め方と、2025年2月時点の制約
- 英語でも書く: 英語のほうがニュアンスが伝わりやすいとされる。日本語でも動作する
- 感情や空気感を書く: 緊張感のある静寂、幸せで穏やかな空気、のような言葉も手がかりになる
- 短く試して足す: 静かな湖のほとりで夕陽が沈む風景、から始め、結果を見て細部を足す
- 制約を知る: 2025年2月時点では、Plusで5秒、720pまで、Proで最大20秒の720pか10秒の1080pまでとされていた。一つのクリップに場面を詰め込むと描写が粗くなり、顔や看板の文字は正確に出ないこともある
- 付加機能と組み合わせる: Storyboardやスタイルのプリセット、生成後の編集を使い、大枠はプロンプトで、細部は後から整える
短く試して足すときも、何を足すかを決める物差しは意図です。物差しがなければ、足すたびに映像は豪華になり、焦点はぼやけます。
意図を先に決められない場合
何を作りたいかが自分でも分からない段階では、意図は先に決まりません。いくつか生成してみて、心が動いた一本から意図を逆算する、という順番もありえます。また、意図を文としてプロンプトに書き込んだとき、映像そのものがどれだけ変わるのかは、題材やモデルの版によって違い、はっきりしたことは言えません。同じ5要素に意図の一文だけを変えて生成し比べれば、自分の題材での効き方は確かめられます。
あなたが次に作る動画は、見た人に何を感じてほしい映像でしょうか。その一文を決めたとき、いま書いている5つの要素のうち、入れ替わるものはどれでしょうか。
この記事の背景にある考え方は、拙著『ChatGPT はじめてのプロンプトエンジニアリング』の2章1節の「意図を込める」の項に書きました。「これは本書で最も強調したいプロンプトのポイントです。」AIが平均的な答えに寄る理由を読むと、自分の指示のどこに立場や狙いが欠けているのかを、動画に限らず探せるようになります。
AIの答えが物足りないとき、疑うべきはAIか、自分の言葉か。
『ChatGPT はじめてのプロンプトエンジニアリング』
AIは言葉でしか動かない。プロンプトを暗記するのをやめ、構成要素に分解して、自分の言葉で意図を込める力を鍛える本です。
読み終えたとき、手元に残るもの
- 必須、任意、形式の三つに分けたプロンプトの構造
- 回答の質を変える、意図を込めた生きたプロンプト
- 発注と検収は人が担う、AIとの役割分担
- 章末の演習プロンプト26題
4刷重版。全国の大学図書館65館が所蔵しています（2026年10月時点）。