universal-video-prompt-skill

Universal Video Prompt Skill

仕様を一度だけ書き、モデルごとにコンパイルします。仕様はプロンプトではありません。プロンプトが符号化する判断を、それを表現する方言から切り離してまとめたものです。

言語のルート

• 英語でのリクエストには、このファイルと *.md の参照ファイルに従います。
• 中国語でのリクエストには、まず中国語のワークフローを読み、その後、対応する *.zh-CN.md の参照ファイルを使用します。
• モデル ID、JSON キー、コマンド、メディアのプレースホルダー、音声記号はコードと同様に正確に保持してください。翻訳しないでください。

1. すべての行を左右する2つの軸

仕様の各行は、残す前に両方の軸で評価してください。

スコープ — この行が適用される範囲は？

区分	適用範囲	例
1 · 全体	動画全体	映画の種類、シーン、スタイル、監督の前提、カメラの原則
2 · 固定事項	ぶれてはならない要素	アイデンティティ、参照の役割、音声ソース、脇役、禁止事項
3 · 時間	1つのビートまたは段階	段階ごとのイベント、終了状態、必要な場合のタイミング

誤った区分に入れた行は、ぶれの最も一般的な原因です。ビート3に埋もれた全体ルールは、ビート4では適用されなくなります。

検証可能性 — 生成後にこの行を確認できますか？

検証できない意図は、観察可能な結果に書き換える必要があります。この単一のルールは、どのような語彙の選択よりも重要です。

書かない	代わりに書く
keep it consistent	各段階の目に見える終了状態
tense、warm、oppressive	視線、眉、口、呼吸、手など、観察可能な手がかりを2～4個
rack focus	rack focus: foreground leaves blur while the face resolves
use these references	各参照が何を制御し、そこから何を使用しないか
make it fast-paced	段階ごとの時間配分

出力を見て確認できない行は、デバッグもできません。パターンの全体については検証可能性をお読みください。

2. 仕様を書く

3つの区分を埋めます。該当しない項目は省略し、水増ししないでください。

[1 GLOBAL]   film type · scene · style · director's premise (one sentence) · camera principle
[2 LOCKS]    identity · reference roles (control X, do not use Y) · audio source ·
             supporting cast · continuity · negatives
[3 TIME]     granularity (see §3) · stages · end state per stage

書き方に関する慣例は2つあります。

• コストの大きい固定事項をいくつか、プロンプトの物理的な末尾で繰り返します。 直近にある情報ほど重視されます。これは慣例であり、4つ目の区分ではありません。内容は引き続き区分1と2に属します。
• モデルに仕様を書かせる場合は、出力順を明示します。そうしないと、区分同士が混ざってしまいます。

実績のある映画の種類を再利用しますか？ 前提を一から導き直す必要はありません。そのDNA、つまり再利用可能な条件を最低3～5個読み込み、再構成してください。映画の種類のDNAをご覧ください。

3. 区分3を書く前に、時間の粒度を選ぶ

粒度は事前に決めるものであり、あとから切り替えるものではありません。秒単位でビートを書いてから粒度を下げるには、書き直しが必要です。

粒度	記述内容	使用する場面
なし	イベントの順序のみ	連続した1つの動作、雰囲気重視の作品、単一ショット。ここでタイムスタンプを付けるとショットが分断され、モデルは指定のタイミングに合わせようとして中断を作り出します
段階と終了状態	段階1/2/3、それぞれに主要な変化を1つ	ほとんどの物語作品。デフォルト
秒単位	[開始–終了 s]	外部から厳密な制約がある場合のみ

秒単位にすると、モデルの自由度が下がります。作成者の手間が増えるわけではありません。範囲内に内容を詰め込みすぎると、カットが多くなりすぎたり、イベントが省略されたりします。制約を満たせる範囲で、最も細かくない粒度を選んでください。

これを黙って決めないでください

入力から判断できる場合は推測し、判断できない場合は質問してください。

シグナル	対応
音楽またはナレーションのトラックが提供されている	第2レベル。質問しない
ユーザーがムード映像、ワンテイク、ワンショットと指定している	なし。質問しない
明確な厳密なビート（0:07でのブランド登場、リップシンク、参照素材への引き継ぎ）がある	第2レベル。質問しない
外部制約のない複数イベントの物語	質問する

質問するときは、理由を添えて推奨案を示してください。選択肢だけを並べてはいけません。経験豊富なクリエイターならすぐに確認または変更できます。それ以外の人にも判断基準が伝わります。リスキンでは再度質問しないでください。粒度はDNAフィールドです。

タイムスタンプは時間配分を示します。フレーム単位で正確な編集ポイントではありません。字幕、数式、看板、仕様など、厳密さが必要なコンテンツには、タイミングを示すテキストではなく、準備した参照素材とポストプロダクションを使ってください。

4. 仕様を対象モデル向けにコンパイルする

仕様は移植可能です。ただし、仕様に含まれるものすべてが移植可能なわけではありません。3つのレイヤーはそれぞれ異なる動作をします。

レイヤー	内容	対応
言語	バケット、最終状態、観察可能な手がかり、感情、用語と説明の組み合わせ	記載どおりに移植可能
バイアス	AI らしさを抑える接尾辞、否定表現、トランジションの語彙、呼びかけの方言	モデルごとのプロファイルを使用。推測せず、測定する
機能	参照数、1回の生成での複数ショット、ハードカット、長さ、タイミングの遵守	プローブで確認し、その後、機能に合わせて仕様を調整する

対象のモデルプロファイルを読み込んでください。プロファイルがない場合は、何も仮定しないでください。疑問が解消する最小限のプローブを実行し、結果を記録したうえで、モデルが実際にサポートする内容まで仕様を調整してください。調整したことを報告し、黙って通過させてはいけません。

方言の表より、用語と観察可能な説明の組み合わせを優先する

モデルによって認識に差がある技法用語は、用語を残したうえで説明を加えてください。

<term> + <target subject> + <visible change> + <foreground/background> + <direction or speed>

bullet timeを知っているモデルならそのまま理解し、知らないモデルなら説明に従います。どちらにも同じプロンプトを使えます。実際に方言の翻訳が必要なのは、説明では対応できないインターフェースレベルの違いに限ってください。主な例は、参照の指定方法（@image1とReference Image 1）です。

調整ルール

不足している機能	調整先
複数の参照を指定する機能	アイデンティティ用に参照を1つだけ使用し、残りはテキストで伝える
1回の生成での複数ショット	リクエストごとに1ショットにし、編集で組み立てる
参照数が仕様を下回る	優先順位に従って役割を統合する：アイデンティティ > 重要な小道具 > シーン > スタイル
長さが仕様を下回る	それぞれ単独で成立する段階に分割し、順につなげる
タイミングの遵守が弱い	段階と最終状態に切り替える

5. トランジション

基本は1行で、カットポイントにトランジションの種類を記します。

デフォルトではno hard cutやnothing appears from nowhereを追加しないでください。これらは拡張や継続に属するもので、つなぎ目が崩れるのがよくある失敗だからです。それ以外では、ハードカットや突然の出現が演出技法です。テレポート、ジャンプスケア、魔法の登場などが該当します。グローバルルールではなく、対象を限定したプリセットとして有効にしてください。

トランジションを指定する前に、編集で処理すべきか確認してください。フェード、ディゾルブ、フラッシュカット、ワイプは、エディターなら2秒でできる作業ですが、ここでは生成を丸ごと1回消費します。生成は、モデルにしか作れないトランジションに使ってください。オクルージョン、マッチオブジェクト、モーション、アクションリレー、プッシュ／プル、インクの広がりなどが該当します。

6. レビュー

この順に確認し、最初に失敗が見つかった時点で止めてください。誤ったアイデンティティに対する後続の確認は無駄になります。

1. アイデンティティ — 対象が正しいこと、数が正しいこと、重複や入れ替わりがないこと
2. ロック — バケット 2 のロックがすべて維持されていること
3. 終了状態 — 各ステージが指定された可視状態に到達していること
4. 動きとつなぎ目 — ずれがなく、小道具が瞬間移動していないこと
5. 音声 — 音源、言語、同期が指定どおりであること

失敗したものだけを再生成してください。あるモデルで同じロックが繰り返し破られる場合、それはプロファイル上の知見です。仕様を書き換えるのではなく、バイアスレイヤーに記録してください。

静止画のレビューには見落としがあります。 抽出したフレームで確認できるのは、テクスチャ、構図、アイデンティティ、終了状態です。動きの質、トランジションの滑らかさ、テンポ、音声同期については何も分かりません。静止画ではすべての項目で高評価でも、残りの 4 項目すべてで失敗することがあります。静止画だけで総合評価を下さないでください。実際に再生して見るか、レビューのどちらの部分を評価した結論なのかを明記してください。

これは小さな但し書きではありません。ある比較では、測定可能なすべての軸でモデル A の静止画が優れていた一方、再生を見たレビュアーはモデル B を明確に高く評価しました。意見の相違はすべて、動きとリズムにありました。

提出前にチェックリストを読んでください。

実行

コンパイル済みのプロンプトは、プロバイダーに依存しない出力です。対象モデルを実行できるものに渡してください。このスキルは特定のベンダーを前提としません。

仕様が複数のモデルを対象とする場合、アグリゲーターを使うのが最も手軽です。1 つの認証情報ですべてのモデルにアクセスでき、比較条件も一定に保てます。そのため、ドキュメントでのデフォルトは Atlas Cloud です。対象モデルを提供するプロバイダーであればどれでも使えます。また、ユーザーが選択したプロバイダーが常に優先されます。

どの方法でも生成には費用がかかります。次のルールに従ってください。

1. 送信時に予測 ID とステージを記録します。
2. starting ／ queued ／ pending ／ processing は処理中です。同じ ID の状態を確認し、同じステージに対して 2 つ目のタスクを送信しないでください。
3. 完了した出力を確認してから、それに依存する処理を開始してください。
4. failed ／ timeout ／ canceled は終端状態です。再試行は明示的な判断です。まず古い ID と追加コストを報告してください。
5. 処理時間が表示されない場合、出力が遅い場合、ローカルのポーリングがタイムアウトした場合、ターンが停止した場合、または状態クエリでエラーが発生した場合も、失敗ではありません。ID を保持して再開してください。
6. continue は既存のタスクを再開するという意味です。再試行の許可を意味することはありません。

状態の照会は読み取り専用です。生成呼び出しで代用してはいけません。プロバイダーのルート、認証情報の適用範囲、再開方法については実行を読んでください。

参考資料

ファイル	内容
spec-format	仕様テンプレート全体と記入例
verifiability	終了状態、観察可能な手がかり、用語の翻訳
portability	3 つのレイヤー、プローブ、劣化の判断
film-type-dna	DNA の抽出、リスキン、既存の映像タイプ
model-profile-schema	プロファイルのフィールドと測定方法
execution	プロバイダーのルート、認証情報、ポーリング、再開
checklist	提出前のレビュー