seedance-podcast-visual

Podcast Visual — オーディオから動画への変換プロンプト

Higgsfield 上の Seedance 2.0 を使って、ポッドキャスト音声をシネマティックなビジュアルコンテンツに変換します。このスキルでは、静的なオーディオグラムに代わり、すべて構成された映像によるストーリーテリング主体のビジュアル体験を作り出す動画プロンプトを生成します。

---

入力仕様

主な入力：

• 最大3つの音声ファイル（ポッドキャストのクリップ、インタビューの抜粋、サウンドバイト、エピソードのハイライト）
• 音声のトランスクリプトまたは重要な引用文
• 話者名と簡単な背景情報（トピック、番組名、トーン）
• 希望するビジュアルスタイル（抽象的、シネマティック、インタビュー再現、躍動的）
• 対象プラットフォーム（Instagram Reels、YouTube Shorts、LinkedIn、TikTok）
• アスペクト比：9:16（縦型／モバイルファースト）、16:9（ワイドスクリーン）、または1:1（正方形）

音声ファイルの取り扱い：

• ファイル1：メインクリップ — ビジュアル化する主なサウンドバイトまたは重要な引用
• ファイル2（任意）：イントロまたは背景説明のクリップ — フックの前にストーリーを設定
• ファイル3（任意）：リアクションまたはフォローアップのクリップ — 話者の返答、共同ホストとのやり取り、視聴者のリアクション
• 長さの目安：各クリップは15～90秒、シーケンス全体は最大3分

プロンプト作成前に音声から抽出する情報：

• 最も引用に適した一文（ビジュアルの核になります）
• 感情のトーン：思索的、熱を帯びた、打ち明けるような、解説的、ユーモラス
• 話すペース：テンポが速く歯切れよいか、ゆっくりと落ち着いているか
• 自然な間：沈黙が生まれる箇所（ビジュアルでひと息つく瞬間になります）
• 話者のエネルギーレベル：座って落ち着いている、身振りを交えて活発、感情が最高潮

---

基本方針

従来のモデル（オーディオグラム）	新しいモデル（ポッドキャストビジュアル）
波形を見せる	言葉がどのように感じられるかを見せる
静的な背景画像	構成されたシネマティックな環境
サムネイルに話者の写真	シーンの中で話者を再現
汎用的なブランドカラー	トーンに合わせた照明と雰囲気
受動的な視聴	感情に積極的に訴えかける
「音声オン」に最適化	ミュートでも引き込まれる

---

2秒フックのパターン

フックとは、スクロールする手を止める冒頭のフレームです。音声を聞く前に、感情、興味、緊張感を伝える必要があります。効果が実証された構成は4つあります。

引用のインパクト

音声が始まる前に、クリップ内で最も挑発的な一文を大きく躍動感のあるテキストで表示します。テキストは重みを持って現れます。穏やかにフェードインするのではなく、ハードカットまたはズームインで登場させます。背景のビジュアルはぼかすか暗くして、テキストに視線が集中するようにします。

使用する場面： 強烈な一文、逆張りの主張、直感に反する統計、従来の通説への直接的な異議申し立てがあるクリップ。

プロンプトでのビジュアル表現： 「太字の白いサンセリフ体が暗い背景に勢いよく現れ、カメラは1.5秒間そのまま保持してから、話者のクローズアップに切り替わる。浅い被写界深度で、背景は柔らかくボケている」と指定します。

リアクションショット

状況説明をする前に、感情が最高潮に達した瞬間の話者の顔から始めます。驚き、笑い、確信、弱さなどが表れた瞬間です。これによって好奇心の空白が生まれ、視聴者はその表情の理由を知るために音声を聞きたくなります。

使用する場面： 本物のリアクションが起きるインタビューの場面、話者が生々しい体験を追体験するストーリーテリングのクリップ、気づきや発見の瞬間。

プロンプトでのビジュアル表現： 「話者の顔を表情の途中で捉えた極端なクローズアップ。目は少し見開かれている。環境から室内の環境音が感じられる。カメラは3秒かけてゆっくり引き、周囲の様子を明らかにする」と指定します。

視覚的なメタファー

話者をまったく映さず、クリップの核となる概念を表す環境または抽象的な映像から始めます。燃え尽き症候群についてのポッドキャストなら、消えかけた残り火から始めます。複利についてのクリップなら、ひとつの水滴から波紋が外へ広がる様子から始めます。このメタファーが解説の役割を担い、音声は内容を深く掘り下げることに集中できます。

使用する場面： 概念中心のクリップ、哲学的な議論、伝え手よりもアイデアのほうが強く響くクリップ。

プロンプトでの視覚表現： メタファーとなるオブジェクト、照明、その動きの質、そして具体的なカメラワーク（ゆっくり寄る、周回する、手前の要素が漂うなかで静止したまま映す）を明示します。

音の波のアート

機能的なオーディオグラムの波形ではなく、音を視覚的な彫刻として芸術的に表現します。想像上の話し方のリズムに合わせて粒子が形成され、消えていきます。声で振動しているかのように、光が空気を通り抜けて屈折します。情報を伝えるのではなく、音を美しく表現します。

使用する場面： 音楽に隣接するポッドキャスト、制作の質を重視するブランドコンテンツ、メディアそのものの技術を際立たせたい場面。

プロンプトでの視覚表現： 粒子の動き、クリップの感情的な雰囲気に合わせたカラーパレット、動きがリズミカルで予測可能なのか、流動的で有機的なのかを指定します。「波形」という言葉は避け、「音響粒子フィールド」や「共鳴する光の拡散」のように表現します。

---

視覚フォーマット

抽象的なビジュアライゼーション

音声から着想を得た、話者がまったく登場しない視覚世界を作ります。代わりに、光、質感、粒子システム、色のグラデーション、流体力学といった抽象的な映像が、音声から想像される感情の流れに応じて変化していきます。

主なパラメーター：

• 色温度を感情的なトーンに合わせます（分析的な内容には寒色／青、親密な内容には暖色／琥珀色、対立的な内容には強いコントラスト）
• 動きは話し方のリズムに合わせます。間ではゆっくりになり、強調する箇所では速くなります
• 直接的な描写は避けます。映像は解釈的なものであり、説明的なものではありません
• モバイル向けの9:16、全面に広がる構図が最適です

必ず含めるプロンプト要素： メインのカラーパレット、動きの特性（流動的、粒子的、結晶的、液体、煙）、カメラワーク（静止、ゆっくり寄る、周回する）、そして環境が有限（光の縁によって部屋が感じられる）か無限（虚空の空間）か

シネマティックなBロールの物語

従来のドキュメンタリーでBロールとして音声に添えられるような一連の映像を構成します。ただし、ここではすべてのフレームを生成するため、ストック映像も妥協もありません。Bロールが言葉の物語を伝えます。

主なパラメーター：

• それぞれの映像のビートを、クリップ内の文やフレーズに対応させます
• 環境は具体的にします。「街」ではなく、「午後11時、雨に濡れた通り、ナトリウム灯の街灯がひとつだけあり、歩行者はいない」とします
• オブジェクトに象徴的な意味を持たせます。不足について語る話者には空の棚を、豊かさについて語る話者には商品があふれる市場を映します
• カメラの動きには意図を持たせます。緊張が高まる場面ではズームインし、視点が広がる場面ではワイドショットに切り替えます

必ず含めるプロンプト要素： 具体的な環境（時間帯、天候、推測できる地理的特徴）、フレーム内の主要なオブジェクトを1つか2つ、カメラの動き、光源、カラーグレーディングの方向性（フィルム・ノワール、ゴールデンアワー、曇天のフラットな光、ネオンを飽和させた色調）。

分割画面でのインタビュー再構成

ポッドキャストの会話を、2つの作り込まれた環境を分割画面で映す撮影済みのインタビューのように再構成します。各話者は、照明の色温度、被写界深度、環境のディテールで差別化された、独自の視覚空間を占めます。その一方で、互いに視覚的な対話を続けます。

基本パラメーター：

• 左右のパネルは、単に反転させるのではなく、意図的に視覚的な非対称性を持たせます
• 各話者への照明で役割を伝えます。ゲスト／語り手は暖色系、ホスト／聞き手は寒色系からニュートラルな色調にします
• パネルごとにカメラの動きを変えます。一方の話者にはゆっくりとしたプッシュイン、もう一方には固定ショットを使います
• 目立たない編集にします。構図は分かれていても、両方のパネルが同じ瞬間を映しているように感じられる必要があります

**必ず含めるプロンプト要素：**パネル比率（50/50、60/40、または動的な変化）、各環境の説明、それぞれの照明設計、それぞれのカメラの動き、パネル間に視覚的なにじみがあるか、または明確な境界線があるか。

キネティック・タイポグラフィ

言葉そのものをビジュアルにします。書き起こしテキストをアニメーション化し、文字を形作ったり、単語を拡大縮小したり、フレーズをぶつけたり、重要な語句を画面いっぱいに広げたりします。背景は文字を引き立てる役割に徹します。

基本パラメーター：

• フォントのウェイトは太くします。ポッドキャストの映像では、細いウェイトやライトウェイトは使いません。インパクトを出すには文字に重みが必要です
• モーションの振り付けは、意味だけでなく、話し方のリズムに合わせます
• 明暗どちらのモードでも、色のコントラストが損なわれないようにします
• 重要な語句は、サイズ、色のアクセント、短い静止、または衝撃に合わせたシェイクなどで視覚的に差別化します
• 話者名、番組名、タイムスタンプなどの補足テキストは、メインの引用テキストの邪魔にならないようにします

**必ず含めるプロンプト要素：**メインフォントのスタイル（コンデンスドサンセリフ、ジオメトリックサンセリフ、スラブセリフ、ディスプレイ）、単語の種類ごとのアニメーション動作（動詞は推進力のある動き、名詞は拡大、句読点は間を取る）、背景の処理（単色、グラデーション、控えめなテクスチャ、かすかに見える環境写真）、行間のトランジションの動き。

---

音声と映像の同期テクニック

Seedance 2.0は音声入力からではなく、テキストから動画を生成します。プロンプトの段階で、音声の内容に合わせて映像のリズムを同期させるには工夫が必要です。

話すリズムに映像のビートを合わせる

プロンプトを書く前に、クリップの話し方のテンポを把握します。情報量が多く、早口で話す話者には、短い表示時間と、カットが多いと感じられる映像が必要です。ゆっくりと慎重に話し、効果的に間を取る話者には、その間を生かせる映像が必要です。

実践的な方法：

• クリップの1秒あたりの音節数を数えます（おおよその目安：ゆっくり＝3音節未満／秒、通常＝3〜5音節／秒、速い＝5音節以上／秒）
• ゆっくり話す場合：長いカメラの静止、環境のわずかな動き、ひとつの持続的な構図を指定します
• 早口で話す場合：カットを想起させるリズム、フレーム内の複数の視覚面、自然なレイヤーを作る前景要素を指定します

強調する瞬間

クリップの中で、最も強い意味を持つ2〜3語またはフレーズを特定します。これらを、プッシュイン、照明の変化、パーティクルのバースト、テキストの拡大などの視覚的なイベントにします。プロンプトでは、これらを正確に描写します。

プロンプトで使える表現例：

• 「『everything』という単語に合わせて、カメラがゆっくりとしたプッシュインを完了し、極端なクローズアップになる」
• 「『no one told me』というフレーズが大きな文字で中央に表示され、1.5秒間静止してから溶けるように消える」
• 「話者が手を上げるジェスチャーに合わせて、暖色のバックライトが0.8秒間強まる」

間の視覚化

ポッドキャストのクリップにある沈黙は、意図的なものです。優れた話者は、句読点のように間を使います。こうした瞬間は、映像で表現するチャンスです。フレームを維持する、息をゆっくり吐く様子を映す、構図に何もない空間を設けるなどの方法があります。間の最中に別の映像へ切り替えないでください。そのまま維持し、緊張感を保ちます。

間を表すプロンプトの表現：「カメラは完全に静止したまま」、「パーティクルの動きがほぼ静止するまで遅くなる」、「背景の光が15%暗くなり、その後元に戻る」、「ひとつのちりが前景を漂う」。

---

ライブ以外のコンテンツにおけるカメラと構図

Seedance 2.0 のポッドキャスト映像は、すべて撮影されたものではなく、構成されたものです。これは制約ではなく、まさにその狙いです。カメラの動きは意図的に指定する必要があります。

ポッドキャスト映像の基本的なカメラ用語：

• スロープッシュイン（ドリーイン）： 時間の経過とともに親密さや緊迫感を高めます。話し手の言葉への確信を強める演出に使います
• スタティックホールド： 安定感と権威を示します。カメラを動かす必要がないほど、話し手の言葉に確信があることを表します
• スローフォーカス送り： 背景から前景へ、またはその逆へと注意を移します。物語の転換点で使います
• オービタル（360度のスローアーク）： 被写体や物体に立体感を与えます。抽象的なシーンや比喩的なシーンで使います
• 浮遊感のある手持ち撮影： その場にいる感覚とドキュメンタリーのような親密さを演出します。三脚で固定した映像と区別するため、「機械的ではない、自然で微妙なカメラの揺れ」と指定します
• エクストリームクローズアップ（ECU）： 目、手、口、物体などのディテールを捉えるショットです。画面全体の文脈がなくても、感情の高まりを伝えます

構図の原則：

• 縦型（9:16）の場合：被写体を上部3分の1の目線の高さに配置し、下部3分の1には文字を重ねるためのスペースを空けます
• ワイドスクリーン（16:9）の場合：三分割法を厳守し、インタビューの再現シーンでは画面中央に被写体を固定した構図を避けます
• 正方形（1:1）の場合：ポスターとして扱い、すべてのフレームを単独で成立する、グラフィックな力強さのあるものにします
• ネガティブスペースを意図的に指定します。「話し手の右側に空間を空け、テキストを重ねる余地を示す」のように記述します

---

照明

照明は、構成されたポッドキャスト映像において、感情を伝える最も強力な要素です。正確に指定してください。

スタジオインタビューの再現

清潔でプロフェッショナルな環境で、管理されていながら無機質ではない印象にします。2点または3点照明を使います。被写体をはっきり照らし、背景とは分離しつつ、明るくなりすぎないようにします。

プロンプトの表現： 「カメラ左側からの柔らかなキーライト、暖色の4800K、目にキャッチライトが見える。カメラ右側から1/3の出力で控えめなフィルライト。暗いグレーの背景に、実際のスタジオ照明によるかすかなリムライトで輪郭を出す。顔に硬い影を作らない。」

抽象的な暗闇

被写体や物体を完全な暗闇の中に置き、意図された単一の光源で照らします。極端なコントラストをつけます。背景には何も見せず、注意をすべて被写体に集めます。言葉だけが重要となるあらゆるクリップに適したスタイルです。

プロンプトの表現： 「左上からの単一の意図された光源、3200Kのタングステンの暖かみ。黒い暗闇の中で被写体だけを照らし、環境光のフィルは使わない。顔の右側に深い影を作り、高いコントラスト比にする。」

温かな会話

親密で、くつろぎを感じさせ、生活の気配がある雰囲気です。キッチン、リビングルーム、カフェのブースなど、実際の空間で本当の会話が交わされているように演出します。光源には窓、ランプ、ろうそくなど、実際に空間にあるものを使います。色温度は暖色（2700K～3200K）です。信頼感を生み出す照明です。

プロンプトの表現： 「画面右側に2700Kの暖かな実用照明のランプを置き、柔らかな光だまりを作る。画面外の左側にある大きな窓から、低い照度の冷たい自然光が補助光として差し込むことを示唆する。空間は家庭的な室内として表現し、背景には本棚をぼかして配置する。全体的に低コントラストで暖かな雰囲気にする。」

ドラマチックな単一光源

硬い光をひとつだけ使います。それ以外はすべて暗闇か、非常に深い影にします。真実が明かされる場面、重大な局面、率直さを強制される場面を表す照明です。話し手が通常なら公にしないようなことを語るクリップに使います。

プロンプトの表現： 「上方からの単一の硬い光源、5500K、被写体に対して45度の角度。フィルライトなし。顔の下部と首に深い影を落とし、光を急激に減衰させる。背景は完全に暗くし、ドラマチックな明暗法で仕上げる。」

---

タイポグラフィ

動画に引用、話し手の識別情報、タイムスタンプなどのテキストを表示する場合は、映像と同じように丁寧にデザインする必要があります。

引用テキストの表示テクニック

画面全体に大きく表示： 引用文を主役となるビジュアルとして表示します。暗い背景に、大きく太い白またはクリーム色の文字を配置します。テキストそのものがフレームになります。最も印象的な一文に使用します。

ローワーサードに固定表示： 話者の映像に重ねて、引用文をローワーサードに表示します。字幕ではありません。文字起こしの正確さではなく、インパクトを基準に引用文を選びます。本文より太いウェイトのフォントを使用します。最大10～12語にします。

単語ごとに表示： 話すリズムに合わせて、単語を1つずつ表示します。プロンプトではアニメーションの動作を指定します。「各音節の境界で単語をハードカットで表示し、フェードは使わず、各単語の表示時間を話すペースに合わせる。」

奥行きのある引用テキスト： テキストを、まるで言葉が物理的に存在するかのように、シーン内の3次元空間に浮かんでいるように表示します。プロンプト：「引用テキストが環境内の空中に浮かんでいるように表示し、背景の動きに対してわずかな視差をつけ、文字の影が背後の空間に柔らかく落ちるようにする。」

話者の識別表示

話者名と番組／プラットフォーム名は最初の5秒以内に表示し、最後にも再度表示します。ブランディングが主な目的でない限り、引用文より控えめにします。

配置オプション：

• 左下隅。小さめの文字で、背景と対照的な色にする
• 右上隅。番組ロゴのデザインを施す
• 最後のフレームのみ。話者名、エピソードタイトル、行動喚起を全画面表示する

タイポグラフィのルール： 話者識別表示には引用テキストと同じフォントファミリーを使い、ウェイトは軽くします（太字ではなくレギュラー）。競合するディスプレイフォントを2種類使ってはいけません。

常時表示する字幕

TikTok／Reels向けのポッドキャストクリップでは、映像に焼き込まれた字幕が求められます。

• 位置：画面中央下部。プラットフォームのUIより上（画面下端から20％の位置）
• スタイル：太字のサンセリフ体。白文字に黒い縁取り、または暗い背景バーを付ける
• タイミング：音声に合わせて単語ごと、またはフレーズごとに表示する
• プロンプトの文例：「音声のリズムに同期した焼き込み字幕を単語ごとに表示する。太字の白いサンセリフ体を使用し、プラットフォームのUIより上の中央下部に配置する。読みやすいよう、テキストの背後に半透明の暗いバーを置く。」

タイムスタンプマーカー

複数の音声ファイルを含む長めのクリップでは、タイムスタンプマーカーを使って、視聴者がエピソード内の位置を把握できるようにします。目立たない表示にします。右上に小さなバッジを置き、エピソード内の時間を小さなサンセリフ体で示します。これにより、見つける価値のある実在のエピソードであるという信頼感が生まれ、主役となるビジュアルの邪魔にもなりません。

---

完全なプロンプト例

例 1：確信の言葉（抽象的な虚無、9:16）

背景： 女性創業者が、企業勤めを辞める決断をした瞬間について語ります。音声クリップは1本、45秒です。引用：「飛び込んだんじゃない。ようやく立ち止まったの。」

---

Seedance 2.0 の動画プロンプト、9:16 縦型、45秒：

オープニングフレーム：真っ黒な虚無。真上から、タングステンの暖色のスポットライトが一筋降りてきて、フレーム中央の何もない空間だけを照らします。光の筋の中を、ほこりの粒子がゆっくり漂います。カメラは完全に固定します。2秒間キープします。

2秒時点：太字の白いコンデンス体サンセリフ文字がハードカットで現れます。「飛び込んだんじゃない。」——フレーム中央に配置し、水平方向の幅の60％を占める大きさにします。完全な静止状態で1.8秒間表示します。アニメーションなし、フェードなし。言葉に重みを持たせます。

黒にハードカットします。0.5秒間、黒画面を表示します。

テキストが再び現れます：「ようやく立ち止まったの。」——同じフォント、同じ大きさ、同じ位置です。カメラがテキストに向かって、ほとんど気づかないほどゆっくりと3秒かけてプッシュインを始めます。テキストが溶けるように消えます。

8秒時点：暗い木製デスクに手のひらを下にして置かれた女性の手を、極端なクローズアップで映すショットへ切り替えます。肌にはリングライトのキャッチライトが見え、カメラ左側から暖色の3200Kキーライトが当たっています。手はまったく動きません。カメラを固定します。

12秒かけてゆっくりと引き、デスクと、表面に伏せて置かれた1枚の紙、その横のペンを映します。暗い本棚の端が見え、小さな実用照明が環境光を補っていることから、自宅のオフィスだとわかります。親密で、決意を感じさせる場面です。

28秒時点：手が紙を裏返します。スローモーション、50％の速度です。書かれている内容は映しません。カメラは手元からゆっくりと上昇し、デスクの背後にある窓へ向かいます。午後遅くの柔らかな光が差し込み、街のスカイラインはわずかにぼけています。

最後の8秒：ゴールデンアワーの光が差し込む窓を映したフレームを保持します。左下に、すっきりとした白いレギュラーウェイトのサンセリフ体で話者名を表示します。その下に、小さめの文字で「@showname | Episode 47.」と表示します。フェードアウトして黒画面にします。

カラーグレーディング：ハイコントラスト、暖色系のシャドウ、ティール寄りのハイライト。シネマティックなアスペクト比、ビネットなし。

---

例2：専門家の見解（スプリットスクリーンで再現するインタビュー、16:9）

コンテキスト： 2人組のポッドキャストです。ホストとゲストが、スタートアップのピボットの大半が失敗する理由について話し合います。音声クリップは2つで、ホストの質問とゲストの回答です。合計75秒です。

---

Seedance 2.0の動画プロンプト、16:9のワイドスクリーン、75秒：

オープニング：画面を垂直線で50％の位置で明確に分割したスプリットスクリーン。左パネル：ホストの環境。モダンなホームオフィスで、寒色系のアンビエントライトがあり、背景にはピントをぼかした本棚が見えます。カメラは目線の高さで固定し、静止状態を保ちます。被写体のフレーミングでは、視覚的なゆとりを持たせるため、右側にわずかなネガティブスペースを残します。右パネル：ゲストの環境。暖色系でやや柔らかな雰囲気にし、画面右側に実用的なデスクランプを置いて2800Kの暖かみを演出します。ゲストがよりリラックスしている印象になるよう、カメラ位置を目線よりわずかに低くします。

両方のパネルを同時に表示します。被写体は実際の映像ではなく、以下のように描写して構成します。

左パネルの被写体：40代前半の男性。細身の姿勢で、濃い色のシャツを着用。カメラに向かってわずかに前かがみになり、注意深い表情をしています。片手をデスクに置き、背景はニュートラルで、柔らかな奥行きの分離があります。照明：カメラ左側から4500Kのキーライトを当て、フィルライトは最小限に抑え、瞳にはきれいなキャッチライトを入れます。

右パネルの被写体：30代半ばの女性。自然な姿勢で、明るい色のトップスを着用。リラックスしながらも話に関心を持った表情で、手を時折、フレームのすぐ下で動かします。照明：カメラ右側から3000Kの暖色系キーライトを当て、影を柔らかく包み込み、生活感のある環境にします。

8秒時点：ホストが話し始めると、左パネルが画面幅の60％まで広がります。右パネルは40％に縮小し、被写体のピントをわずかにぼかします。まだタイトルカードは表示しません。

22秒時点：ゲストが話し始めます。パネルを50対50に戻します。左パネルのカメラは、ゲストの話を聞くホストの表情に向かって、ほとんど気づかないほどゆっくりとズームインし始めます。右パネルのカメラはゲストを固定で捉えます。

35秒時点：ゲストの重要な発言を、右パネルの下部にローワーサードのオーバーレイとして表示します。半透明の暗い帯に、白の太字のコンデンス体サンセリフで表示します：「ピボットの大半が失敗するのは、創業者が洞察に向かうのではなく、痛みから離れる方向にピボットしてしまうからです。」テキストは6秒間表示した後、ゆっくり消します。

最後の15秒：会話モードで両パネルを維持し、カメラを固定します。黒からフェードインする全画面のエンドフレーム：中央にすっきりとしたディスプレイ書体でエピソードのタイトルを配置し、その下に2人の名前とハンドルを小さめのウェイトで表示します。ポッドキャストのロゴは右上隅に配置します。暗い背景で、シンプルかつプロフェッショナルに仕上げます。

カラーグレーディング：2つのパネルは意図的に少し違いをつけ、左は寒色系、右は暖色系にして、それぞれの異なる視点を際立たせます。フィルター効果は使わず、シネマティックで自然な仕上がりにします。

---

例3：無防備な瞬間（映画的なBロール・ナラティブ、9:16）

コンテキスト： 燃え尽きについて振り返る、ポッドキャストのソロホスト。音声クリップ1本、60秒。感情的で内省的な語り口。重要な一節：「もう信じられなくなったものを、私は次々とリリースし続けていた。」

---

Seedance 2.0 の動画プロンプト、縦型9:16、60秒：

冒頭3秒：ノートパソコンのキーボードを極端なクローズアップで映す。Enterキーに指が1本置かれているが、押してはいない。被写界深度は浅く、ボケた背景から薄暗い部屋がうかがえる。カメラは固定。指は動かない。フレーム内にほかの動きはない。

3秒時点でカット：夜のホームオフィスの室内。画面外の左側にあるモニターから、青みがかった灰色の環境光が差し込む。デスクには付箋、カップ、ケーブルが散らばっている——働きすぎによる整理された混沌。カメラは低い位置に置き、カウンターより低い角度からデスクを見上げる。5秒間、ゆっくり左へドリー移動し、デスクの天板と、背後のメモで埋め尽くされた壁をさらに映し出す。メモの1枚には「SHIP IT」と手書きで見えるが、わずかにピントが外れている。

14秒時点でカット：キーボードのクローズアップに戻る。今度は少し広く映し、両手が見えるが、どちらも動かない。カメラは8秒かけて、手に向かってきわめてゆっくりプッシュインを始める。

22秒時点でカット：別の環境。コーヒーカップは半分ほど入っていて、冷めている。湯気はない。窓からの光がカップの表面に当たり、朝の光を感じさせる——ただし、光は淡く、どんよりとした曇天のように活気がない。カメラは固定。カップはフレームの中央にある。4秒間そのまま映す。

26秒時点でカット：ありふれたオフィスビルの廊下、深夜。蛍光灯が点いていて、誰もいない。カメラは廊下の突き当たりに置き、長く伸びる廊下を見通す。カメラは5秒間動かず、その後、廊下に沿って前方へきわめてゆっくりプッシュインを始める。

31秒時点：廊下の映像にキネティックテキストを重ねる。白い太字のサンセリフ体で、言葉が1語ずつ中央に現れる：「things」—「I」—「didn't」—「believe」—「in」—「anymore.」。各単語は、想像上の語りのリズムに合わせて（ゆっくり、慎重に）表示される。最後の単語「anymore.」を2秒間表示し、その後、廊下の映像とテキスト全体をフェードアウトさせ、黒画面のままにする。

45秒時点から：ノートパソコンのクローズアップに戻る。これまでで最も寄ったフレーミングで、トラックパッドと、その上に置かれた親指だけが映る。静止。8秒かけて、1つの小さな光——通知を思わせる光——が、トラックパッド表面に映る画面の反射の中で2回点滅する。親指は動かない。

最後の7秒：深いネイビーにフェードする。話者のハンドル名が、小さな白いレギュラーウェイトの文字でフレーム中央に表示される。その下にエピソード名。その下に「full episode linked in bio.」。すべてのテキストはアニメーションなしで、ゆっくりフェードインする。

カラーグレーディング：彩度を落とし、影は青緑系の冷たい色調、ハイライトは低コントラストにする。疲弊を表現するビジュアルランゲージ。温かさが感じられる何かが現れるまでは、温かさを加えない——そしてこのクリップには、それがない。

---

ポッドキャストのビジュアル表現に関するプロンプトのルール

1. すべての視覚要素は音声の感情的な内容に寄与する必要があります。感情的な目的のない装飾的なショットは使用しないでください。

2. プロンプトでは「waveform」という単語を決して使わないでください。 波形は音声データを技術的に表現したものです。Seedance 2.0 のポッドキャストビジュアルは、意味をシネマティックに翻訳したものです。「音響粒子場」「共鳴する光の振る舞い」「音に反応する大気のテクスチャ」といった表現を使うか、さらに良いのは、音がどのように聞こえるかではなく、感情がどのように見えるかを描写することです。

3. タイミングは秒単位で指定してください。 「X 秒時点で」という指示を含む Seedance 2.0 のプロンプトは、静的な状態だけを描写するプロンプトよりも、一貫性のあるビジュアルシーケンスを生成できます。すべての視覚的なイベントを時間の基準点に対応づけてください。

4. 1 シーンにつき、主役となるビジュアルは 1 つにしてください。 1 つのショットに、互いに競合する 3 つの視覚要素を描写するようなプロンプトは避けてください。視聴者が一度に受け止められるのは 1 つです。複雑さは各フレームに詰め込むのではなく、シーケンスで表現してください。

5. 静止する時間も記述してください。 動きの描写には必ず、静止の描写を組み合わせてください。「カメラは 4 秒間、完全に静止したままです」は、どのようなカメラの動きと同じくらい重要です。静止は自信を伝えます。

6. 色温度を感情の性質に合わせてください。 これは提案ではなく、必須事項です。分析的で、距離を置いた、または新たな気づきを与える内容には寒色系（5000K 以上）を使います。親密で、傷つきやすさを伴う、または懐かしさを感じさせる内容には暖色系（3200K 未満）を使います。対立や未解決の緊張には、色温度を組み合わせます。

7. タイポグラフィは言葉ではなく、視覚要素です。 プロンプトに引用文を含める場合は、人物の表情と同じくらい詳細に、その見た目（大きさ、太さ、位置、アニメーションの動き）を描写してください。フォントは衣装であり、アニメーションは演技です。

8. 音声ファイルはプロンプトの参考にするものであり、プロンプトを決定するものではありません。 音声なしでも、ビジュアルの物語に一貫性があるべきです。映像の意味を理解するのに音声が必要なら、プロンプトの役割を果たせていません。「このクリップが聞こえない視聴者でも、5 秒以内にその感情的な内容を理解できるだろうか？」と問いかけて確認してください。

9. 最後はアイデンティティで締めくくってください。 すべてのポッドキャストビジュアルの最後の 5～10 秒で、クリエイターのアイデンティティ（名前、ハンドルネーム、番組、エピソード）を確立してください。これは自己顕示ではなく、次につなげる瞬間です。視聴者が何かを感じた直後に、さらにコンテンツを見つけられる場所を伝えます。

10. 複数クリップのシーケンス。 2 つまたは 3 つの音声ファイルを使う場合、各クリップには独自のビジュアル展開（冒頭のフック、展開、結末）を持たせます。ただし、すべての展開で統一されたカラーグレーディングとタイポグラフィのシステムを共有します。クリップ間の一貫性は技術を示し、クリップ内の変化は躍動感を示します。