ヘルプ / 動画
プロンプトの書き方(要点版)
オリジナルまたはスタイライズしたキャラクターを書くか、同意を文書で得た自分自身の姿を使ってください。利用規約(Acceptable Use Policy)に従ってください。
このページ全体を、お使いのアシスタント(ChatGPT、Claude、Codex)にコピーして、ビートを書いてもらってください。絵コンテのプランナーは、すでにこれらのルールに自分で従っています。このページは、手で書くときのためのものです。
ワンショット(1回のパスより長いクリップ)
- ワンショットには専用のタブがあります(動画の隣)。ショット、開始フレーム、登場人物、長さと画質、そして時間の目盛り付きのビート、カメラの1行、連続性のスイッチが並びます。スクリプトからは、同じ内容を
POST /oneshotに送れます(docs/API.md)。 - ビートを書く必要はありません。 欄を空にしておくと、プロンプトがショット全体を担い、5秒ごとに持続させます。ショットをどこかへ進めたいときにビートを書きます。各行が自分の5秒を演出し、空行はその前の瞬間をそのまま保ちます。
- 1ビート = 5秒 = 起こることは1つ。 動きを先頭に置きます。被写体が何をするか、カメラが何をするか、フレームに何が入ってくるかです。
- シーンの切り替えには、専用のビートを。 ドアを抜ける、部屋に入る、橋に出るといった場面は、それ自身の5秒を与え、そこへ近づく動きはその前のビートに置きます。忙しいビートの終わりに隠したシーンの切り替えは、モデルが飛ばしてしまうものです。
- 見せ場にも、専用のビートを。「カメラが回り込んで彼の顔が見える」は、それがビートのすべてであれば効きます。テーブル、妻、帽子も同じビートに詰め込んだ、その末尾に置いても効きません。
- 転換の前は落ち着かせる。 シーンの切り替えや見せ場の前のビートは、動きをゆるめます。モデルが方向を変える前に、着地する時間が必要だからです。
- 不変条件は、毎ビート繰り返す。 被写体の見た目、カメラの位置、パレット、サウンドです。エンジンが覚えているのは直前のフレームだけで、残りは言葉が運びます。Phospheneは、スタイルブロックを各ビートの先頭に自動で付けます。
- 毎秒、何か新しいことを。 ニアミス、入ってくる物、光の変化。出来事がなく、ムードだけを描いたビートは、静止画のように見えます。
- 1ビートに短いセリフを1つ、沈黙も書く。 話す速さは1秒に約2.5語なので、5秒のビートに入るのは最大7語の1行で、その前に息継ぎ、あとに沈黙を置きます(「そして彼は黙り、口は静かに閉じ、風の音だけが聞こえる」のように書き出す)。12語のセリフはビートからも、パートの境目からもあふれて、閉じた口の上に声が乗ってしまいます(2026-09-07に計測)。最初のセリフの前には、黙って見回す間を置いてテイクを始めてください。1フレーム目のセリフでは、リップシンクが合わせる手がかりがありません。
- 光を固定する。 時刻と天気は、最初のビートで1回だけ言い、そのあとで別の時刻をにおわせない(「ネオンが灯る」「夜が明ける」など)ようにします。Phospheneは、すべてのビートに連続性の1文を足し、各パートを計測します。光がずれたパートは、自動で1回だけ撮り直されます。
- カメラの動きは、ショット全体で1つだけ。カメラの行に1回だけ書く。 方向と速さを書きます。「テーブルのまわりを、目の高さで、広めから寄りへ、ゆっくり安定して時計回りに回る弧」のようにです。エンジンがパートのつなぎ目をまたいで引き継ぐのは映像であり、動きではありません。静止状態から始まるパートは自分で動きを決めるため、つなぎ目で、カメラの向きが変わる、または止まって再スタートするように見えてしまいます。Phospheneは、カメラの行を各パートの先頭に置きます(「カメラはすでに動いている。(あなたの書いた動き)。同じ方向に、同じ一定の速さで動き続ける」)。ビート自身のカメラの言葉もこれと矛盾しないようにしてください。途中で「カメラが落ち着く」「ぐるりと振る」「引く」と書かない。それがショット全体の動きそのものである場合は別です。ゆっくりした一定の動きが1つあれば1つのショットに見え、動きが3つあれば3つのショットに見えます。
- サウンドもショットの一部。 聞こえるものを書きます。足音、戸口から流れるバンドの演奏、日よけを打つ雨。サウンドの手がかりがないと、音声はほとんど無音の環境音になります。
静止画から始める
- 最初のフレームを、先に画像としてデザインしてください(Phospheneが作ることも、持ち込むこともできます)。構図、パレット、キャラクターは、数秒で済む画像の段階で決めます。1時間かかるクリップでは決めません。
- 静止画のアスペクト比は、ショットのキャンバスに合わせてください。パネルが最も近いものを選びます。
書かないもの
- ワンショットでは、「早送り」「タイムラプス」「モンタージュ」と書かない。モデルがカットしてしまいます。
- ビートの要点でない限り、被写体を同時に2つ置かない。
- 2人のキャラクターを話させるなら、まず
docs/LTX_DIALOGUE.mdを読んでください。 モデル自身の答えはマルチショットの生成です。1つのプロンプトの中の切り返しショットで、ショットごとに話す顔は1つ、カットを名指しし、サウンドを書き、キャラクターを同じ言葉で呼び直します。パートをつないだワンショットではありません。 - うまくいく2人の話し手のステージング(2026-09-07にレンダリング): 長いテーブルの両端に1人ずつ座らせ、テーブルに沿ってゆっくり横移動するカメラを1つだけ使います。話し手Aは自分のセリフのあいだ1人だけがフレームにいて(Aだけを名指しするビート)、Aが画面から出ていくあいだは誰も名指ししない空のテーブルの無言ビートを置き、話し手Bは答えのために奥の端から1人で入ってきます(Bを名指しする最初のビート)。どちらかが話しているあいだに両方がフレームに入ることはありません。横顔のツーショット、オービット、「Bの肩越し」は、どれも口が2つフレームに入るか、体が1つ増えるかのどちらかになります。
- ビートには、画面にいるべき人だけを書く。 ビートの文で名前が挙がった人は、そのビートのフレームに構図として入ります。「Aだけがフレームにいる」と書いても、同じ文で描写したBは消えません。「Bの肩越し、Bは背中をカメラに向けて」と書いても、Bが振り向くのではなく、3人目の体が増えます(どちらも2026-09-07に計測)。画面に顔を1つだけ出すには、1人のキャラクターだけに触れ、もう1人のことは何も書かないビートにして、2人目は登場するビートで初めて紹介します。
- 2人の話し手は、取り違えようのないようにし、1ビートで話すのは1人だけにする。 見た目の似たオリジナルキャラクターが2人いると(最初のディナーのテイクの2体のエイリアンのように)、セリフが入れ替わる、自分で自分に答える、ユニゾンで言う、といったことが起きます。セリフがどちらの口のものかを、画像の中でエンジンに教えるものがないからです。それぞれの話し手に、違う体格、違う色の服、声の特徴を1つ(「背の高いほう、低くゆっくり」「背の低いほう、細くて早口」)、最初のビートで与え、2人をすべてのビートで繰り返し、1ビートにセリフは1つだけにして、もう1人は口を閉じて聞いている、と書きます。
- 1ショットにつき、オリジナルのキャラクターは1人。 複数のキャラクターがフレームにいると、キャラクターLoRAが有効なとき、全員が似た見た目になることがあります。この制約を避けるために、異なるキャラクターは別々のショットに配置してください。
- 画面上に文字を出さない。看板に文字を入れないでください。作り物の言葉が出てもよい場合は別です。
時間と画質
- H3ネイティブ(1344×768)とTurbo v4:M4 Max 64 GBで、5秒あたり約31分。1分の映像には、ひと晩かかります。
- High(1024×576)の5秒のテストは14分かかります。ひと晩を懸ける前に、最初のビートを試してください。
出典:docs/PROMPTING.md(公開リポジトリ)。公開前にこのウェブサイト向けに確認済みです。英語の原文から翻訳しています。編集を提案する。