動画生成AIのプロンプトの書き方｜初心者でも迷わない基本の型と5つのコツ
Veo や Kling などの動画生成AIは、プロンプト（指示文）の書き方しだいで仕上がりが大きく変わります。とはいえ、何をどの順番で書けばいいのかは、最初は分かりにくいものです。この記事では、実際に生成した見本動画とそのプロンプトを見ながら、動画プロンプトの「基本の型」と、書くときのコツを紹介します。
この記事で分かること
動画プロンプトの基本の型（6つの要素）
動画のプロンプトは、次の6つの要素を上から順番に書くと、生成AIに意図が伝わりやすくなります。全部を書く必要はなく、必要なものだけで大丈夫です。
| 要素 | 何を書くか | 英語の例 |
|---|---|---|
| 被写体 | 誰が・何が映るか | A young woman |
| 動き | 被写体が何をするか | walks slowly toward the camera |
| 場所 | どこで | on a neon-lit street |
| カメラ | どの大きさで、カメラがどう動くか | medium shot, handheld camera |
| 光 | どんな光の当たり方か | soft studio lighting |
| 雰囲気・スタイル | どんな映像の雰囲気か | music video style |
ポイントは、最初の1文で「誰が・何をしているか・どこで」を言い切ることです。そのあとに、カメラ・光・雰囲気を「Camera:」「Lighting:」のように項目名をつけて足していくと、AIにも人にも読みやすいプロンプトになります。
見本で見る：型どおりに書いたプロンプト
実際に、この型で書いたプロンプトから生成した動画です（Veo 3.1 Fast・4秒。生成サービスのプロンプト自動補強はオフ）。
例1：SNSショート（縦長）
A young woman walks slowly toward the camera on a neon-lit street.
Camera: medium shot, handheld camera.
Style: music video style.
1文目で「被写体（若い女性）・動き（カメラに向かってゆっくり歩く）・場所（ネオン街）」を言い切り、カメラとスタイルを足しています。
例2：商品CM（横長）
A glass perfume bottle with a gold cap rotating on a turntable in a seamless white studio.
Camera: close-up, slow push in.
Lighting: soft studio lighting.
Style: commercial product shot.
Pace: slow motion.
商品の色や素材（ガラス・金のキャップ）まで書くと、狙った商品に近づきます。カメラの動きは「ゆっくり寄る」の1つだけにしています。
書くときの5つのコツ
1. カメラの動きは、1本に1つ
「寄りながら、回り込みながら、上がる」のように動きを重ねると、どれも中途半端になりやすくなります。数秒の動画なら、カメラの動きは1つに絞りましょう。
2. 動きは、具体的な動詞で書く
「動く（moves）」より「カメラに向かってゆっくり歩く（walks slowly toward the camera）」のほうが、狙った動きになりやすくなります。速さ（slowly など）や向き（toward the camera など）を添えるのも効果的です。
3. 長さと縦横比は、プロンプトではなく画面で設定する
動画の長さや縦横比は、多くの動画生成AIで、生成画面の設定欄で選びます。プロンプトに書いても反映されないことがあります。選べる長さはAIによって違い、たとえば Veo 3.1 は4・6・8秒、Kling 3.0 は最大15秒、Seedance 2.5 は最大30秒です（2026年9月時点）。まずは5〜10秒くらいから試すのがおすすめです。
4. 専門用語には、動きの説明を添える
撮影用語の中には、AIが別の意味に受け取るものがあります。たとえば「truck right（カメラごと右へ移動）」と書いたら、本物のトラックが映ったことがありました。「camera moving sideways to the right（カメラが右へ横に動く）」のように、動きをふつうの英語で添えると安全です。詳しくはプロンプトどおりに作らない原因と直し方で紹介しています。
5. 直すときは、1か所ずつ
思いどおりにならないとき、一度にいくつも変えると、どれが効いたのか分からなくなります。「カメラだけ変える」「光だけ変える」のように1か所ずつ直すと、早く狙いに近づけます。
よくある疑問
プロンプトは長いほどいいですか？
長ければよいわけではありません。上の見本のように、6つの要素のうち必要なものがそろっていれば、数行でも十分です。むしろ、同じことを何度も書いたり、矛盾する指定を入れたりすると、仕上がりが不安定になります。
日本語で書いてもいいですか？
日本語が使える動画生成AIもありますが、英語のほうが意図が安定しやすく、ほかのAIにも使い回せます。特にカメラワークや光などの撮影用語は、英語のほうが正確に伝わります。
セリフを入れたいときは？
Veo 3.1 や Kling 3.0 のように音声も作れるAIなら、話す内容を引用符（" "）で囲んで書きます。例：The subject speaks directly to the camera, saying: "Hello!"
写真を動かしたいときも同じ書き方ですか？
写真（画像）を動画にするときは、見た目は元の画像で決まっています。そのため、被写体の見た目は書かず、動き・背景の動き・カメラの動きだけを書くのがコツです。
基本の型を、日本語のボタンで組み立てる
AIプロンプトビルダーでは、この記事で紹介した「被写体→動き→場所→カメラ→光→雰囲気」の順番で、日本語のボタンを選ぶだけで英語のプロンプトを組み立てられます。使うAIを選ぶと、長さや縦横比の選択肢もそのAIに合わせて変わります。
この記事の動画はすべて、AIで生成したものです。