AI動画プロンプトの全文公開──効かなかった版・通った版・7回落ちた記録

動画生成AIのプロンプト例文はウェブ上に大量にあるが、そのプロンプトを実際に投げたらどんな画が返ってきたのかをセットで出しているものはほとんど無い。この記事は、当サイト運営者が案件の実制作で実際に送信したプロンプトを、英文の全文そのままで公開する。狙い通りになった版だけでなく、外した版も同じ全文で並べる。そして最後に、同じ設計の動画を7回投げて6回落ちた記録を載せる。先に断っておくと、ここに載せたプロンプトをコピペしても、あなたの環境で同じ画は出ない。その理由はGoogle Cloudの公式ドキュメントが明記している仕様で説明できる（2026年8月14日確認）。

1. 花魁(おいらん)の衣装を far more elaborate and flamboyant と抽象形容詞で書いた版は、派手さは上がったが位置の指示が通らなかった。同じ対象を白粉・襟足の塗り残し・簪20点超・帯を前結びと物の名前で書き直した版は狙い通りになった【当サイト実測】
2. 妖怪15体を1回のバッチで生成したところ13体が完走、2体（垢嘗・姑獲鳥）が nsfw で弾かれた。原因は題材ではなく naked child-sized といった語彙だった【当サイト実測】
3. Google Cloud公式は、Veoのprompt rewriterがプロンプトに「video description, camera motions, transcription, and sound effects」を追加すると明記し、Veo 3・3.1では無効化できないとしている。書き換え後のプロンプトが返るのは元が30語未満のときだけ（2026年8月14日確認）

全文①：花魁──効かなかった版と、通った版

まず外した版から出す。江戸の夜の通りの画で、二階の格子窓にいる遊女の衣装を派手にし、かつ「軒の外に座っている」のを屋内に戻したかった。夜の画を参照画像として添付し、nano_banana_2 に送った全文がこれである。

Keep the attached night street image exactly as it is — identical buildings, identical lanterns and hanging lantern rows, identical night stalls, identical lighting and road. Change only the courtesans on the second floors: every one of them is inside the building at an open second-floor window, leaning on the interior railing and looking down at the street — none of them sitting outside on the roof or the eaves. Their kimono are far more elaborate and flamboyant, many layers with bold large patterns and heavy embroidered obi, worn loosely with the collar pulled back low off the nape in the manner of Edo courtesans, long kiseru pipes in hand.

結果は2つの狙いのうち1つしか通らなかった。着物は層が増えて大柄・多色になり、派手さは上がった。しかし左手前の2人と右側の数人は、依然として軒に座って外に出たままだった。原因は3つある。「手すりに寄りかかる」と書いたこと自体が屋外バルコニーを呼んでいたこと、「屋根や軒に座るな」という否定形が効きにくいこと、そして参照に使った画像自身が「軒に座っている絵」だったことである。

加えて、この画では二階の遊女は画面の高さの3〜4%しかなく、顔は20ピクセル程度だった。その大きさに化粧の描き込みは物理的に載らない。そこで花魁を独立した1枚の参照画像として、顔が見える大きさで作り直した。gpt_image_2 に送った全文がこれである。

Photograph of an Edo period oiran courtesan seated just inside an open second-floor lattice window at night, seen from the street below, warm lantern light coming up from beneath her and catching one side of her face. Her face is painted with white oshiroi, with two unpainted prongs left bare at the nape where the collar is pulled far back, a small deep crimson lower lip, a wash of red pigment at the outer corners of her eyes, thin shaved brows drawn high. Her black hair is dressed in a wide flared yokohyogo style bristling with many tortoiseshell combs and long silver kanzashi pins. She wears layered brocade uchikake robes, the outer one heavy with large embroidered patterns, the wide obi tied in a knot at the front, the collars of several under-robes stacked and slipping open at the shoulder. She holds a long thin kiseru pipe, a thread of smoke rising past her cheek, and she is looking down at the street with a slow half-lidded gaze. Natural skin texture under the powder, real silk and embroidery texture, 85mm lens, shallow depth of field, film grain.

装飾の量には史実の裏付けを取った。日本語版Wikipediaの「花魁」は伊達兵庫について「松や琴柱をあしらった簪を左右に計六本、珊瑚大玉の簪を二本、鼈甲の櫛を三枚挿したもの」と記述しており、合計11点になる（2026年8月14日確認）。同ページには「浮世絵に描かれている花魁は、実際には付けるのが不可能なくらい多くのかんざしを付けて、とても豪華な姿で描かれている」ともある。つまり盛ること自体が伝統側にある。これを根拠に、後続の花魁プロンプトでは it bristles with more than twenty ornaments — gold pins, tortoiseshell combs, long silver kanzashi, great red coral beads — radiating like a sunburst around her head と20点超に増やした。

全文②：同じ通りを時間帯で派生させる

江戸3部作は「同じ通り・同じ画角で行列が3回来る」という設計だった。そのため昼の通りの画1枚を土台に、夜と深夜を派生させている。3本とも昼の画を参照画像として添付し、nano_banana_2 に送った。

夜（花魁道中用）：

Transform the attached street into the same street at night during a festival: identical buildings, identical layout, identical vanishing point. Every paper lantern under the eaves is lit and glowing warm orange, many more lanterns strung in long rows across the street, festive banners and decorated cloth on the shopfronts, small night food stalls with lamps at the edges of the road. On the second floors, the wooden lattice windows stand wide open and inside each opening a courtesan is seated indoors on the tatami, the window frame visible around her, elbows resting on the window sill as she looks down at the street, a long kiseru pipe in hand. The wide packed-earth road stays clear down its center. Deep blue night sky, warm lantern light pooling on the ground, faint haze.

深夜・消灯（百鬼夜行の開始状態）：

Transform the attached street into the same street in the dead of night: identical buildings, identical layout, identical vanishing point. The paper lanterns still hang in place under the eaves but every one of them is dark and unlit. All shopfronts are shuttered with wooden boards, the second floors closed up, the street abandoned. Cold blue moonlight, low mist drifting along the packed earth, deep shadows under the eaves, no light anywhere. No people at all.

深夜・青い灯（同じ通りが灯った状態）：

Transform the attached street into the same street in the dead of night with every hanging paper lantern burning with a cold pale blue-white flame: identical buildings, identical layout, identical vanishing point. The blue lantern light spills down both sides of the wide packed-earth road, shutters closed, mist drifting low, everything else in deep cold shadow. No people at all.

3本に共通して入れているのが identical buildings, identical layout, identical vanishing point の一節である。生成後に照合したところ、左手前の石灯籠、右手前の樽と縁台、左の縦看板、道の縁石のライン、奥の門が、3枚とも昼の画と同じ位置に残っていた。同じ場所の別バリエーションを作るときは、ゼロから書き直すのではなく1枚を参照にして派生させると、建物と消失点が揃う。

全文③：15体を1回のバッチで作る3層構造

深夜の回では妖怪29体の参照画像を用意した。うち15体は、鳥山石燕『画図百鬼夜行』の図版（パブリックドメイン）を参照画像として添付し、1回のバッチで並列生成している。プロンプトは先頭の役割指定・個体の記述・末尾の共通トーンの3層に分けた。

先頭（全体で共通）：

Using the attached Edo-period woodblock illustration as the exact structural template for this creature's anatomy and proportions, bring it to life as a real photographed being:

個体の記述（1体につき1行、例を3つ）：

a blind old man in a pale robe with a completely smooth eyeless face, holding both palms turned forward — and a wide staring human eyeball set in the centre of each palm — groping his way down the street.

a waddling lump of pale sagging flesh the size of a large dog, its face and body melted into one folded mass with only vague suggestions of features, and oddly human toes and fingers at its four corners.

a glossy black-lacquered monk-like creature crawling out of a household altar, its long eyeballs hanging down out of their sockets on stalks, grinning.

末尾（全体で共通）：

Photorealistic, rendered as a real creature standing on a packed-earth street in an Edo town in the dead of night, cold pale blue light from hanging paper lanterns burning with blue flame, low mist along the ground, real-world material texture — real skin, real fur, real cloth, real wood — absolutely no modern objects, 85mm lens, shallow depth of field, film grain. Keep it uncanny and comical rather than gory or horrific.

15体のうち13体が完走し、2体が nsfw 判定で返ってきた（この判定では課金は発生しない）。弾かれたのは垢嘗(あかなめ)と姑獲鳥(うぶめ)で、原因は題材ではなく語彙だった。垢嘗は a small naked child-sized creature の naked と child-sized の同居、姑獲鳥は下半身が濡れて滴る描写と乳児の同居である。生き物としての描写に言い換えれば通る。

全文④：30秒の動画プロンプト（参照17枚）

ここまでの参照画像を使って生成した動画本体のプロンプトである。seedance_2_5 の omni_reference モードに参照17枚を添付して送った。実測で2,394字・391語だった。

30 seconds, 16:9, realistic 35mm film footage. First-person point of view: the camera is a person standing still in the middle of a wide packed-earth street in an Edo town, at standing eye height, facing straight down the street. The camera never moves, never zooms, never cuts — only a faint natural sway of someone standing and breathing.
@Image1 is the street. @Image2 is the young lord in black armour with the golden crescent crest, mounted at the head of the procession. @Image3 and @Image4 are his samurai retainers, @Image5 and @Image6 the plumed spear bearers, @Image7 and @Image8 the porters, @Image9 and @Image10 the palanquin bearers, @Image11 to @Image15 are townspeople, @Image16 the fish pedlar, @Image17 the vegetable pedlar.
[0-7s] Ordinary morning business fills the street: the pedlars calling over their shoulder-poles, people crossing, a child running. Far away at the vanishing point, spear tips and a tall banner appear and begin to grow.
[7-16s] The column advances steadily toward the camera. Along both sides the townspeople drop one after another to their knees in a spreading wave, foreheads to the earth, palms flat in the dirt; the pedlars set down their loads and kneel too. The camera stays at exactly the same standing height throughout.
[16-24s] The head of the column arrives close and fills the frame — the spear bearers tossing their plumed spears, the retainers, the porters, the black palanquin — and the mounted lord halts directly in front of the camera.
[24-30s] Alone above a street of bowed backs, the lord finds the one figure still standing. Without lowering his chin he leans down from the saddle and brings his face close to the camera, studying it with open curiosity. The noise of the street falls away.
Staging: the procession always advances from the far vanishing point straight toward the camera, growing larger; the camera is in the middle of the road and never steps aside.
Audio: pedlars calling, footsteps on earth, the low repeated call of the outriders, the rustle and thud of many people kneeling, hooves, harness and armour creaking, then near silence with only the horse's breath. No music.
Constraints: each named character keeps the exact appearance of its reference image; the camera height never changes even as everyone else kneels; continuous action, no teleporting; deadpan faces, no cartoonish expressions, no caption text.

この回で一番良かった箇所は、指示していない部分だった。魚を担いだ物売りが荷を下ろして慌てて伏せる動きがコミカルに出たのだが、プロンプトに書いたのは the pedlars set down their loads and kneel too の一文だけで、慌てぶりも滑稽さも一切書いていない。むしろ制約には no cartoonish expressions を入れている。天秤棒を担いだ状態から跪くという物理的な段取りを、モデルが自分で解釈した結果と考えられる。動作の骨格だけ書いて間や物理を任せる余地を残すほうが良い結果になることがある、という例である。

コピペしても同じ画にならない理由

ここまでのプロンプトをそのまま投げても、当サイトと同じ画は出ない。参照画像が違うのが最大の理由だが、それとは別に、送った文字列がそのままモデルに届いていないという仕様がある。

Google Cloudの公式ドキュメントは次のように書いている（2026年8月14日確認）。

Veo offers an LLM-based prompt enhancement tool, also known as a prompt rewriter. The prompt rewriter offers the option to rewrite your prompts to add video description, camera motions, transcription, and sound effects to your prompt.

同ページには Important: You can't disable the prompt rewriter when using Veo 3 and 3.1 models. とあり、無効化の手順で MODEL_ID に指定できる値として挙げられているのは veo-2.0-generate-001 のみである。この機能は veo-2.0-generate-001 では既定で有効で、無効化はコンソールの「Enable prompt enhancement」トグル、Python の enhance_prompt、REST の enhancePrompt で行う。無効化した場合については If you disable prompt enhancement, the quality of the videos and how well the output resembles the prompt that you supplied may be impacted. と、品質と忠実さの両方が影響を受け得ると書かれている。オフにすれば意図通りになるとは書かれていない。

さらに A rewritten prompt is delivered by API response only if the original prompt is fewer than 30 words long. という条件がある。上の動画プロンプトは391語なので、何を足されたかを応答から確認する手段がない。上に載せた全文は「当サイトが送った文字列」であって、「モデルが受け取った文字列」ではない。この仕様の詳細はVeoのprompt rewriterが何を足すのかで扱っている。

なお当サイトの実測でも、音について何も書かなかった回で全キャラクターが意味不明な言語を喋り出し、No music, no dialogue, no spoken words, no singing と明示して解消した例がある。公式が transcription と sound effects を追加要素として挙げていることと、この症状は噛み合う。音・カメラ・台詞は「指定しない」のではなく「無いことを明示する」と書き分けたほうがいい。

どこが持ち出せて、どこが持ち出せないか

以上を踏まえると、上のプロンプトは丸ごとコピーするものではなく、部品ごとに持ち出せるかどうかが違う。当サイトの制作で、題材を変えても機能した部分と、そうでない部分を分けると次のようになる。

つまり例文をコピーする価値があるのは、被写体を描写している部分ではなく、構造を指定している部分のほうである。被写体の描写は自分の題材の「物の名前」で埋め直すことになる。

同じ設計で7回投げた記録

深夜の百鬼夜行の回は、6回落ちて7回目で通った。失敗ジョブに課金は発生していない。

最初に疑ったのはプロンプト長だった。しかし動画2（18枚・2,706字）が成功し、動画3-c（22枚・2,685字）が失敗している。3-cのほうが21字短いのに落ちた以上、文章量では説明できない。次に参照枚数を疑って22枚・18枚と減らしたが、どちらも落ちた。次に「壁から壁まで妖怪の洪水」といった密度表現を疑って削ったが、これも落ちた。

通ったのは、参照から大入道・おとろし・赤舌の3体を外した27枚版だった。この3体には共通点がある。大入道は屋根より上、おとろしは門の上、赤舌は雲の中にいる。つまり街の参照画像が持っているフレームと、その3枚が持っている空間が矛盾していた。参照画像は被写体の見た目だけでなく、その被写体がいる空間も一緒に渡している——というのが現時点の解釈である。ただしこれは6回の失敗と1回の成功から導いた解釈であって、1変数ずつ動かした実験ではない。技法として一般化した記録は動画生成AIのプロンプト技法台帳に置いている。

生成コストの実測も併記しておく。動画は30秒・720p・16:9で195クレジット、画像は gpt_image_2 が7クレジット、nano_banana_2 が2クレジットだった（2026年8月12日時点、Higgsfield経由）。nsfw 判定と failed では課金されていない。

上位を占める例文集に足りないもの

この記事を書く前に、検索結果を実際に取得して数えた（2026年8月14日取得）。

3クエリ合計28件のうち、note.comが5件で最多、Qiitaとshift-ai.co.jpが各2件だった。内容はいずれも例文集・テンプレート集の形式である。この記事が足しているのは、プロンプト全文にそのプロンプトを送った結果と外した版を対で付けている点だけである。

動きが遅くなる症状の直し方はAI動画がスローモーションになる原因で個別に扱っている。

正直な但し書き

• 上に載せたプロンプトは当サイトが送信した文字列そのものだが、モデルが実際に受け取った文字列ではない。Veoの仕様では30語未満でないと書き換え後のプロンプトが返らず、当サイトのプロンプトは391語なので確認手段がない
• 参照したGoogle Cloudの公式ページは、Gemini Enterprise Agent Platform上で使うVeoについての記述である。GeminiアプリやFlowなどコンシューマー向け経路で同じ仕様かは、このページからは判断できない。またprompt rewriterはVeoの仕様であり、当サイトが実制作で使ったのはSeedance 2.5である。同種の書き換えがSeedance側にもあるかは確認できていない
• 7回の試行のうち3-e以降は、当時プロンプトのJSONが403エラーで取得できず、文字数・単語数を記録できていない。表の空欄はそのためである
• 「参照画像は空間も一緒に渡している」という解釈は、6回の失敗と1回の成功から導いたものである。3体を外すのと同時にプロンプト本文も調整しているため、変数は1つに絞れていない。断定はできない
• nsfw 判定の原因を語彙に特定した根拠は、言い換えて撃ち直したら通ったという事実のみである。判定ロジックは公開されていない
• クレジット単価と参照枚数の仕様は、当サイトの制作メモに記録された2026年8月12日時点の数字である。本記事では提供元の公式ページを再確認していない
• 抽象形容詞が効かないという結論のうち、直接A/B比較をしたのは花魁の elaborate and flamboyant の回だけである。cinematic beautiful などは同じ性質を持つと考えて同じ方針を当てはめているが、個別には検証していない
• 花魁の簪の点数は日本語版Wikipediaの記述を根拠にしている。同ページの出典元となる一次文献までは当たっていない

出典

• Turn off Veo on Gemini Enterprise Agent Platform's prompt rewriter（Google Cloud 公式ドキュメント、2026年8月14日確認）: https://docs.cloud.google.com/gemini-enterprise-agent-platform/models/video/turn-the-prompt-rewriter-off
• 花魁（Wikipedia 日本語版、2026年8月14日確認）: https://ja.wikipedia.org/wiki/%E8%8A%B1%E9%AD%81
• AI時短ラボ 制作ログ（江戸3部作・2026-08-12／非公開の一次記録。公開版は本クラスタの各記事）: https://www.ai-jitan-hub.com/guides
• 検索結果の実測（2026年8月14日、当サイト取得）