Runway Gen-3 Alphaプロンプト仕様書：シネマティック映像制御のためのパラメータ設計と構造化ロジック

導入部

「AI動画生成はガチャである」。多くの映像クリエイターやエンジニアが、この認識の元で数え切れないほどのクレジット（生成コスト）を浪費しています。確かに、初期の拡散モデルにおいては、偶然生成された奇跡的な1枚や数秒のクリップを拾い上げる作業が主でした。しかし、Runway Gen-3 Alphaの登場以降、フェーズは明らかに移行しています。

私たちは今、確率論的な「ガチャ」から、決定論的な「レンダリング」へと近づく過渡期にいます。ここで求められるのは、感覚的な形容詞の羅列ではなく、モデルの内部表現（Latent Space）に対して正確なベクトルを指示するための「技術仕様」としてのプロンプト設計です。

AIエンジニアの視点から見ると、LLM（大規模言語モデル）の挙動制御やNLU（自然言語理解）の設計といった対話AIの領域と、テキストから映像を生成するプロセスは、一見すると異なる領域に見えます。しかし、その根幹にある「自然言語による意図の伝達と解釈」というメカニズムは共通しています。LLMがユーザーの発話コンテキストを解釈して適切な対話フローを導き出すように、動画生成モデルもまた、入力されたテキストをトークン化し、時系列データとしての映像へ変換します。

本記事では、Runway Gen-3 Alphaのプロンプトを「APIリクエスト」のメタファーで解説します。各単語を「パラメータ」、生成結果を「レスポンス」と定義し、シネマティックな映像を意図通りに制御するための構造化ロジックを提示します。これは、偶然の傑作を待つためのガイドではなく、業務要件を満たす映像を高い再現性で出力するための技術ドキュメントです。

1. プロンプトエンジニアリング仕様概要

Runway Gen-3 Alphaに対して指示を出す際、最も避けるべきは「自然言語としての美しさ」を追求することです。モデルは詩的な表現よりも、明確な指示語（トークン）の配列を優先して処理します。ここでは、プロンプトを構造化データとして捉えるための基礎概念を定義します。

Gen-3 Alphaの解釈ロジックとトークン処理

Gen-3 Alphaを含む最新の動画生成モデルは、入力されたテキストをトークンに分解し、Attention機構を用いて映像の各フレーム生成に影響を与えます。ここで重要なのは「トークンの重み付け」と「順序効果」です。

一般的に、プロンプトの先頭にある情報ほど、生成される映像の全体構成（構図、主題）に強い影響を与えます。逆に、後方に記述された情報は、ディテールやスタイルの補正として機能する傾向があります。したがって、映像制作における優先順位が高い要素（カメラワーク、被写体）を確実に冒頭に配置する必要があります。

また、チャットボットのNLUにおいて曖昧な発話が意図抽出の精度を下げるのと同様に、曖昧な形容詞（例: "cool", "nice", "amazing"）は、モデルの学習データセットにおける多様な解釈を引き起こし、出力の分散（＝ガチャ要素）を増大させます。これを防ぐためには、映像業界で定義が明確な専門用語（Technical Terms）を使用し、モデルの解釈範囲を限定することが不可欠です。

推奨される構文構造（Syntax Structure）

再現性を高めるために、以下のフォーマットを基本構文として採用することを推奨します。この順序を遵守することで、モデルの解釈エラー（コンテキストの喪失）を最小限に抑えることができます。

[Camera Control] + [Subject Action/Description] + [Environment/Lighting] + [Style/Aesthetic]

1. Camera Control: カメラの動き、アングル、レンズ特性。
2. Subject Action: 主題となる被写体と、その具体的な動作（動詞）。
3. Environment: 場所、背景、天候、照明条件。
4. Style: フィルムストック、色調、質感、レンダリングスタイル。

基本パラメータ定義

プロンプトを作成する前に、以下の基本パラメータを決定します。これらはプロンプトテキスト外の設定（Gen-3のUI上の設定やシード値）も含みますが、プロンプト設計の前提条件となります。A/Bテストを行う際と同様に、変数をコントロールすることが重要です。

• Seed (Fixed/Random): 再現性検証の際は必ず固定します。同じプロンプトでもSeedが異なれば出力は別物になります。検証段階では固定し、パラメータ変更の影響のみを観測します。
• Resolution: 16:9 (Cinematic) または 9:16 (Social)。アスペクト比によって構図の解釈が変わるため、プロンプト内の「Wide shot」「Close up」の効果範囲が変動することに留意してください。
• Duration: 5s / 10s。時間が長いほど、物理的な整合性（Temporal Consistency）の維持が難しくなります。10秒の生成を行う場合は、変化の少ない安定したプロンプト設計が求められます。

2. Camera Control Parameters（カメラ制御）

シネマティックな映像の品質を決定づける最大の要因はカメラワークです。AI生成動画において、カメラが静止しているか、あるいは意図しない方向に浮遊することは、品質低下の主要因です。ここでは、カメラを物理的な機材として制御するためのパラメータを解説します。

Movement Type（移動タイプ指定）

以下のキーワードをプロンプトの冒頭（[Camera Control]セクション）に配置し、カメラの挙動を定義します。

• Zoom In / Zoom Out: 焦点距離の変化。被写体への没入感や状況説明に使用。
  • Usage: Slow zoom in on the subject's eye.
• Pan Left / Pan Right: カメラ位置を固定したまま水平方向への首振り。
  • Usage: Pan right to reveal the landscape.
• Tilt Up / Tilt Down: カメラ位置を固定したまま垂直方向への首振り。
  • Usage: Tilt up from the ground to the sky.
• Truck Left / Truck Right: カメラ自体が水平方向に移動（横移動）。被写体と並走する場合などに有効。
  • Usage: Truck left following the walking character.
• Pedestal Up / Pedestal Down: カメラ自体が垂直方向に移動（昇降）。
  • Usage: Pedestal up along the skyscraper.
• Tracking Shot: 特定の被写体を追従する移動。
  • Usage: Tracking shot from behind the car.
• FPV Drone: ドローン特有の浮遊感と高速移動、アクロバティックな視点。
  • Usage: Fast FPV drone fly through the narrow tunnel.

Speed & Velocity（速度と加速度）

移動タイプに加え、その速度と加速度を指定することで、映像のリズムを制御します。

• Slow motion: フレームレートを高めたような滑らかな遅回し効果。ドラマチックな演出に必須。
• Hyperlapse / Timelapse: 時間経過を圧縮した早回し効果。雲の流れや都市の交通量などに適用。
• Rapid / Fast: アクションシーン向けの高速な動き。
• Smooth / Steady: 手ブレを排除したジンバル（Gimbal）のような安定した動き。
• Handheld / Shaky: 臨場感や緊張感を出すための手持ちカメラ風の揺れ。

Focus & Depth（焦点と被写界深度）

視線誘導を行うためのフォーカス制御パラメータです。

• Rack focus: 焦点が手前から奥（またはその逆）へ移動する演出。視点の切り替えを明示的に指示します。
  • Usage: Rack focus from the rain on the window to the street outside.
• Shallow depth of field / Bokeh: 背景をぼかして被写体を際立たせる。F値を開放した状態をシミュレート。
• Deep focus: 画面全体にピントが合っている状態。風景や状況説明に適しています。

3. Lighting & Atmosphere Specs（照明・環境仕様）

映像のトーン＆マナー（Look & Feel）は、ライティングと環境効果によって決定されます。物理レンダラー（Unreal EngineやBlender）の設定項目を言語化するイメージで記述します。

Lighting Direction（光源方向）

光源の位置関係を明確にしないと、AIはフラットでのっぺりとした照明を選択しがちです。

• Cinematic lighting: コントラストが高く、ドラマチックな陰影。
• Rembrandt lighting: 人物の顔に三角形のハイライトを作る古典的なポートレート照明。
• Backlit / Silhouette: 逆光。被写体の輪郭を強調し、神々しさやミステリアスさを演出。
• Volumetric lighting / God rays: 光の筋が空気中の粒子に反射して見える現象。空間の奥行きを強調。
• Practical lights: 画面内に存在する光源（街灯、ネオンサイン、ランプなど）からの照明。

Color Temperature（色温度）

映像の色味を制御し、感情的な効果を付与します。

• Golden hour: 日没直前・日の出直後の暖色系の光。エモーショナルで美しい映像の定番。
• Blue hour: 日没後の青みがかった光。静寂、都会的、冷徹な印象。
• Neon noir: 暗部にネオンカラー（ピンク、シアン）が映えるサイバーパンク的な配色。
• Desaturated / Muted colors: 彩度を落とした、シリアスで重厚なトーン。

Volumetric Effects（空間効果）

空気感をレンダリングするための粒子指定です。これらを含めることで、映像の「AIっぽさ（ツルツルした質感）」を軽減できます。

• Fog / Mist: 霧。距離感を曖昧にし、幻想的な雰囲気を作る。
• Haze: 霞。空気の層を感じさせる。
• Dust particles: 浮遊する塵。光の筋（God rays）と組み合わせると効果的。
• Smoke: 煙。局所的な動きを加える。

4. Physics & Motion Logic（物理・動作ロジック）

動画生成AIにおいて最も破綻しやすいのが、物理法則と生物の動作です。ここでは、不自然なモーフィング（物体が溶けて別の形になる現象）を防ぎ、一貫性を保つためのロジックを解説します。

Fluid Dynamics（流体表現）

水、炎、煙などの流体は、静止画プロンプトとは異なり、その「動き」を動詞で定義する必要があります。

• Water: Flowing, Crashing waves, Rippling, Splashing. 単に「海」とするのではなく、「波が岩に砕け散る（Waves crashing against rocks）」と相互作用を記述します。
• Fire: Flickering, Roaring, Dancing flames, Emitting smoke. 炎の揺らめきや煙の発生源を指定します。
• Clouds: Drifting, Swirling, Accumulating. タイムラプスと組み合わせると効果的です。

Character Animation（人物動作）

人間の動作はAIにとって難易度が高い領域です。複雑すぎる動作は四肢の崩壊を招きます。

• Micro-movements: 大きなアクションよりも、微細な動きの方がリアルに見える場合が多いです。Blinking eyes, Subtle breathing, Wind blowing hair, Slight smile など、小さな変化を積み重ねることで「生きている」感覚を演出します。
• Specific Verbs: 「運動している」ではなく「走っている」「ジャンプしている」と具体的に指定します。さらに Running fast vs Jogging slowly のように速度や強度を修飾します。

Temporal Consistency（時間的一貫性）

映像の最初と最後で整合性を保つためのテクニックです。

• Continuous action: 動作が継続していることを示唆します。Looping という単語は（完全なループ生成機能がない場合でも）反復的な動きを誘導するのに役立ちます。
• Fixed subject: 主題が変化しないことを強調します。プロンプト内で被写体の特徴（服の色、髪型など）を繰り返し記述することで、カットの途中で服が変わるような事故を防ぎます。

5. Implementation Examples（実装サンプルコード）

これまでの仕様に基づき、実際の制作現場で使用可能なプロンプト構成例を提示します。これらをベースに、独自のパラメータを注入して実験と改善のサイクルを回してください。

Case 1: 商業CM向けプロダクトショット

高級感のある飲料水のCMを想定した、シズル感とライティング重視のプロンプトです。

[Camera]
Slow zoom in, Macro lens, Shallow depth of field

[Subject]
Condensation droplets sliding down a cold glass bottle of sparkling water, Effervescent bubbles rising inside the liquid, Fresh mint leaves and lemon slices floating nearby

[Lighting/Env]
Backlit by bright sunlight, Caustics reflecting on the table, High contrast, Crystal clear transparency

[Style]
4k resolution, Photorealistic, Commercial aesthetics, High speed photography style

Case 2: 映画的ドローン空撮

壮大な自然風景を描写する、スケール感重視のプロンプトです。

[Camera]
Fast FPV drone shot, Flying low over the surface, Tilting up at the end

[Subject]
Rushing river water flowing through a narrow canyon, jagged rocks, pine trees passing by quickly

[Lighting/Env]
Overcast sky, Moody atmosphere, Mist rising from the water, Cold color temperature

[Style]
Cinematic composition, IMAX quality, Detailed textures, Motion blur on edges

Case 3: SF/VFX合成用素材

実写素材との合成を前提とした、特異な現象を描写するプロンプトです。

[Camera]
Static camera, Eye level shot, Steady focus

[Subject]
A futuristic holographic interface floating in mid-air, Blue data streams scrolling vertically, Glitch effects, Cyberpunk user interface elements rotating

[Lighting/Env]
Dark background (black void), Neon blue glow, Emission lighting, No ambient light

[Style]
Digital art style, 3D render, Octane render, Sharp edges, High fidelity

6. Troubleshooting & Constraints（エラー処理と制約）

論理的にプロンプトを構築しても、モデルの確率的な性質により意図しない結果（バグ）が発生します。ここでは、エンジニアリング的なデバッグ手法を解説します。

既知のアーティファクトと回避策

• 指・四肢の欠損/過多: 人物の全身が映る複雑なアクションシーンで頻発します。
  • Workaround: 可能な限り「Medium shot」や「Close up」を指定し、手先をフレーム外に出すか、フォーカスを顔に合わせることで、モデルのリソースを表情生成に集中させます。
• 顔の崩れ（Morphing faces）: カメラが動く際、顔の特徴が維持できない現象。
  • Workaround: プロンプト内で人物の特徴を過剰なほど詳細に記述し（例: "wearing red scarf", "blue eyes"）、Attentionを固定します。また、動きをスローモーションにすることで崩壊を遅らせることができます。

解釈競合（Conflict）の解決

対話フローにおいて矛盾する条件分岐がフォールバックを引き起こすように、プロンプト内に矛盾する指示が含まれている場合、AIはいずれか一方を無視するか、両方を混ぜた奇妙な映像を生成します。

• 競合例: Zoom in (カメラが近づく) + Walking away (被写体が遠ざかる)。
  • 結果: 被写体のサイズが変わらない、あるいは背景だけが歪む。
  • 解決策: 物理的なカメラ位置と被写体の相対速度を計算して指示を出します。この場合、Tracking shot following the subject と記述する方が意図が伝わります。

Gen-3 Alphaモデルの限界点

現時点での仕様上の限界を理解しておくことで、無駄な試行錯誤を回避できます。

• 正確なテキスト描画: 看板や本の文字などは、依然として意味不明な文字列になりがちです。テキストが必要な場合は、生成後にAfter Effectsなどで合成することを前提に設計します。
• 複雑な因果関係: 「スイッチを押すと、遠くで爆発が起きる」といった、時間差や因果関係を含むシーケンスは、1つのプロンプトで生成するのが困難です。カットを割り、編集で繋ぐことが前提となります。

まとめ

Runway Gen-3 Alphaにおけるプロンプトエンジニアリングは、創造的な文章作成ではなく、映像の物理パラメータを定義する「実装作業」です。

1. 構造化: カメラ、被写体、環境、スタイルをブロックとして管理する。
2. 専門用語: 曖昧な形容詞を捨て、映像制作のTechnical Termsを使用する。
3. 物理演算: 流体や動作には具体的な動詞を与え、時間的一貫性を考慮する。

この3点を守ることで、生成プロセスは「ガチャ」から「制御可能なワークフロー」へと進化します。偶然の成功に頼らず、論理的な設計でシネマティックな映像を量産できる体制を構築してください。

さらに詳細なパラメータリストや、ジャンル別のプロンプトテンプレート（ホラー、ドキュメンタリー、MV等）を網羅したガイドラインを作成し、チーム内での標準化や、新人クリエイターの教育資料として活用することで、より安定した運用が可能になります。業務要件を満たすための手元のリファレンスとして整備することをおすすめします。