動画分析 → 再利用可能なプロンプティングテンプレート は何をしますか?
誰かが気に入った動画スタイルを見つけました。あなたの仕事は、それを再利用可能なプロンプティングテンプレートに分解することです。つまり、あらゆる製品、人物、設定を代入でき、Seedance 2.0で同じスタイルを出力できるフォーミュラです。
重要な制約:Seedance 2.0は1クリップあたり最大15秒です。 参照動画は15秒より長いことがよくあります(多くの場合30~60秒)。テンプレートは15秒の出力用に設計する必要があります。つまり、スタイルの本質を1つの15秒クリップでキャプチャできるものに凝縮し、より長い形式のスタイルを一連のクリップで再現するためのマルチクリップ戦略を提供する必要があります。
出力は単一のプロンプトではありません。テンプレートスキルであり、skills/arcads-external-api/prompting/prompt-library/に保存され、seedance-2-ugc.mdと同じように機能します(レイヤー、変数、オプション、例を備えた文書化されたフォーミュラ)。エージェントはこれを使用して、そのスタイルで無制限のプロンプトを生成できます。
依存関係
- ffmpeg / ffprobe — フレーム抽出に必須(ステップ1)。macOSでは
brew install ffmpegでインストール。 - whisper — オプション、音声文字起こし用(ステップ2)。
pip3 install openai-whisperでインストール。利用できない場合、エージェントはユーザーに手動で台詞を提供するよう依頼できます。
入力
- 動画ファイル(必須):
.mp4、.mov、.webmなどのパス - スタイル名(オプション):このテンプレートを何と呼ぶか(例:「car-review」、「unboxing-hype」、「skeptic-converted」)。指定がない場合は、観察に基づいて名前を付けます。
ステップ1:フレームと音声を抽出する
抽出スクリプトを実行します:
bash "skills/arcads-external-api/prompting/analyze-video/scripts/extract-frames.sh" "<video_path>" "/tmp/video-analysis" <num_frames>
フレーム数は動画の長さに基づきます:
- 10秒未満→8フレーム
- 10~20秒→12フレーム
- 20~30秒→16フレーム
- 30秒超→20フレーム
metadata.txtを読み、長さ、解像度、fpsを確認します。
ステップ2:音声を文字起こしする
以下の順序で文字起こしツールを試します:
whisperCLI:whisper /tmp/video-analysis/audio.wav --model base --output_format txt --output_dir /tmp/video-analysis- Python whisper:簡単なインラインスクリプト
- 何も利用できない場合、ユーザーに台詞の提供またはwhisperのインストールを依頼します(
pip3 install openai-whisper)
文字起こしは、ペース、話すリズム、フィラーワードの使用法、台詞とアクションのインターリーブ方法を理解するのに役立ちます。これらすべてがスタイルを定義します。
ステップ3:参照テンプレートを調べる
既存のSeedance 2.0プロンプティングテンプレートを読み、テンプレートの構造に関するゴールドスタンダードを理解します:
- seedance-2-ugc.md — 9レイヤーのUGCフォーミュラ(最も豊富な例)
- seedance-2-premium-reveal.md — 6レイヤーのダークボイドリビール
- seedance-2-product-hero.md — 6レイヤーのエレメンタルプロダクトヒーロー
- seedance-2-studio-lookbook.md — 7レイヤーのスタジオルックブック
- seedance-2-feature-walkthrough.md — 7レイヤーの機能デモ
また、プラットフォームルールのメインモデルガイドも読みます:
- seedance-2.md — APIパラメータ、プロンプト長、禁止ワード、適応チェックリスト
これらのテンプレートが共有する構造に注目してください:
- レイヤーを特定します(スタイルの構造的構成要素)
- 各レイヤーにはパターンがあります(
{{変数}}を含む繰り返し可能な文構造) - 変数にはオプションバンクが付属します(スタイルに合った選択肢のテーブル)
- 特定の選択がなぜ重要なのかを説明するルールと原則があります
- テンプレートを完全に埋めた完全な例があります
出力テンプレートは、これらと同じレベルの深さと使いやすさを備えている必要があります。
ステップ4:フレームを分析する—このスタイルを定義するものを特定する
抽出したすべてのフレームを読みます。特定の1つの動画を説明しているのではなく、このスタイルを特徴づける転送可能なパターンを特定しているのです。
各次元について自問してください:「これのうち、この特定の動画(人物、製品、設定)に固有のものは何か?スタイル(アプローチ、構造、感触)に固有のものは何か?」
スタイルのみがテンプレートに入ります。具体的なものは変数になります。
構造とペース
- 動画の長さは?(ソース動画は多くの場合30~60秒ですが、問題ありません。スタイルを15秒出力用に圧縮します。)
- シーン/ビートはいくつありますか?スタイルを定義する必須のビートはどれですか?(2~3個)
- ストーリーの流れは?(フック→デモ→証明→評決?それとも別のもの?)
- リズムは?素早いカットか、長めのショットか?各ビートの長さは?
- 無音のビートはあるか、それともすべて台詞か?
- 15秒圧縮の質問: この動画の全体的な感触をたった3ビートと2~3行の台詞でキャプチャする必要がある場合、どの瞬間を残しますか?
カメラとフレーミング
- 主な撮影アングルは?(自撮り、置きスマホ、誰かが撮影、スクリーンレコーディングなど)
- ビート間でフレーミングはどう変化するか?(よりタイト、よりワイド、異なるアングル、常に同じアングル)
- このスタイルを定義する特徴的なカメラムーブやフレーミングの選択はありますか?
編集スタイル
- テイク間のジャンプカット?連続ショット?タイムラプス?分割画面?
- トランジションはどう機能するか?ハードカット、ディゾルブ、テキストオーバーレイ?
- 繰り返し現れる視覚的モチーフは?(製品のクローズアップショット、反応顔、Before/After)
台詞とスクリプト構造
- フックの形式は?(質問、大胆な主張、アクションの最中、反応)
- 台詞はどのように構成されているか?(スクリプト、即興、ナレーション、画面上のテキスト)
- トーンを定義する話し方のパターンは?(フィラーワード、文の長さ、語彙レベル)
- 話された行は画面上のアクションとどのように関連しているか?
トーンとエネルギー
- 雰囲気を捉える3~4個の感情ワードは?
- 動画全体でエネルギーはどのように変化するか?(上昇、フラット、ピーク後に下降)
- 視聴者との関係は?(友人に話す、フォロワーに語りかける、考えを口に出す)
照明と技術的品質
- 照明のアプローチは?(自然光、リングライト、ムーディー、露出オーバー)
- スマホ品質か洗練されているか?美的要素の一部である技術的な「欠陥」は?
- 音声品質 — スマホマイク、ラペル、ナレーション、環境音?
このスタイルを他と差別化するもの
これが最も重要な分析です。上記のすべてをカタログ化した後、このスタイルを一般的なUGC動画や一般的な製品レビューと区別する2~3の要素を特定します。ペース、フックの形式、製品の見せ方、編集のリズムかもしれません。これらの特徴がテンプレートの中核となります。
15秒最適化計画
ソース動画はほぼ間違いなく15秒より長いです。テンプレートを作成する前に、スタイルがSeedanceの15秒制限にどのようにマッピングされるかを計画します:
- このスタイルの最小実行可能バージョンは何か? 必須のビート/要素と、あれば良いものを特定します。15秒のクリップは、スタイルの本質を捉える必要があります。つまり、誰かに「ああ、これはああいう種類の動画だ」と言わせるものです。
- このスタイルにはマルチクリップ戦略が必要か? スタイルの力がストーリーの流れ(セットアップ→見返り)や機能一覧にある場合、2~3クリップが必要です。スタイルが雰囲気や単一の瞬間に重点を置いている場合、1クリップで十分かもしれません。
- 何行の台詞が収まるか? 自然なペースで、15秒には2~3の短い文が収まります。ソースの文字起こしの行数を数え、どれがスタイルの声を伝えるかを特定します。それらがテンプレートの台詞ルールに入ります。
- ビート構造は? 15秒=最大3ビート。ソース動画のビート構造を3ビートの骨格にマッピングします:フック→コアモーメント→キッカー。
ステップ5:テンプレートを構築する
再利用可能なプロンプティングスキルとして構成された新しいMarkdownファイルを作成します。ファイルは自己完結型である必要があります。誰かがそれを読み、元の動画を見ることなくこのスタイルのプロンプトを生成できる必要があります。
テンプレート構造
# [スタイル名] — Seedance 2.0
**使用場面:** [このテンプレートが生成する動画のタイプを説明する]
**モデルガイド:** プラットフォームルール、APIパラメータ、適応チェックリストについては、最初に[seedance-2.md](seedance-2.md)を読んでください。
## このスタイルを定義するもの
[このスタイルを特徴的で効果的にするものを説明する2~3段落。これは「理論」セクションです。プロンプト作成者がスタイルを直感的に理解し、空白を埋めるだけでなく、適切な変数の選択ができるようにします。]
## 構造
[このスタイルのレイヤー/構成要素を特定します。このスタイルが異なる動作をする場合、9レイヤーのUGCモデルを無理に当てはめないでください。5レイヤーのスタイルなら5つにします。12なら12にします。動画の実際の構造がテンプレートを決定します。]
## レイヤーごとのフォーミュラ
### レイヤーN:[名前]
[このレイヤーが何をするのか、そしてこのスタイルにとってなぜ重要なのかを説明します。]
**パターン:**
\```
[{{変数}}を含む繰り返し可能な文構造]
\```
**変数:**
| 変数 | オプション | 注意事項 |
|----------|---------|-------|
| `変数名` | オプション1、オプション2、オプション3 | [ガイダンス] |
[このスタイル固有のオプションバンク、ヒント、注意点を含めます]
### [... さらにレイヤー ...]
## ビート構造(15秒形式)
[このスタイルの単一の15秒クリップのための3ビートフレームワークを詳述します。ビート1(フック)、ビート2(コア)、ビート3(キッカー)は何か?どのビートに台詞があり、どのビートが無音アクションか?最大2~3行の台詞。]
## マルチクリップ戦略(該当する場合)
[フルスタイルに15秒以上が必要な場合、それを2~3クリップに分割する方法を示します。各クリップは独自のフックエネルギーで独立している必要がありますが、一緒にフルスタイルを再現します。どの機能/瞬間がどのクリップに入るかを示すテーブルを含めます。]
## トーン&ペースガイド
[このスタイルのエネルギー、話し方のパターン、リズムを調整する方法。このスタイル固有のペーシングキューバンクを含めます。]
## 技術仕様
[このスタイルのルックアンドフィールを定義する照明、カメラ品質、音声特性。それを本物にする特定の「欠陥」を含めます。]
## 完全なテンプレート
[すべての変数が{{プレースホルダー}}としてマークされた、1つの15秒クリップ用のコピーペーストブロック。最大3ビート、最大2~3行の台詞。これがコアユニットであり、このテンプレートから生成されるすべてのプロンプトは1つの15秒Seedanceクリップを生成します。]
## 例のプロンプト
[ソース動画とは**異なる**製品/人物/設定を使用したマルチクリップの例(2~3クリップ)を示します。各クリップは完全な15秒プロンプトです。これらは、スタイルが一連のクリップでどのように機能するかを示します。]
## 適応チェックリスト
[プロンプトを送信する前に、すべてのレイヤーがカバーされていることを確認するためのクイックチェックリスト。seedance-2.mdからの標準のSeedance 2.0チェックを常に含めます。]
テンプレートの主要原則
-
すべてのプロンプトは15秒です。 これはSeedance 2.0のハードな制約です。テンプレートは15秒以内に収まるプロンプトを生成する必要があります。最大3ビート、最大2~3行の台詞。スタイルにそれ以上が必要な場合、テンプレートには2~3つの個別の15秒プロンプトに分割する方法を示すマルチクリップ戦略を含める必要があります。
-
変数は意味のある選択肢であるべきで、自由形式の穴埋めではありません。 各変数について、このスタイルに合った厳選されたオプションバンクを提供します。「任意の照明」は役に立ちません。「自然な窓からの光、頭上キッチンライト、ゴールデンアワーバルコニーライト」は実際のガイダンスを提供します。
-
ルールをキャプチャし、構造だけでなく。 フックが質問でなければならない場合、そう言います。正確に1つの無音ビートが必要な場合、そう言います。テンプレートは、悪いプロンプトを書くのを難しくする必要があります。
-
例のプロンプトはソース動画とは異なるコンテンツを使用する必要があります。 ソース動画が女性が寝室で美容液をレビューしている場合、例は男性がキッチンでプロテインバーをレビューしているもの(または何でも)である必要があります。これにより、テンプレートが一般化可能であることが証明されます。
-
テンプレートパターンに
@(img1)製品画像参照を含めます。Seedanceプロンプトは製品の画像参照を受け入れるためです。 -
スタイルの声を保持します。 元の動画が特定のタイプのフィラーワード、特定の文構造、特定のエネルギーパターンを使用している場合、それらをテンプレートの台詞ルールとトーンガイドにエンコードし、それから生成されるすべてのプロンプトが正しく聞こえるようにします。
-
台詞は15秒に収まる必要があります。 自然な人間は15秒で約2~3の短い文を休止を入れて話します。ソース動画に密度の高い速い台詞がある場合、テンプレートは話者のペースが速く、各行はパンチが効いていて短くなければならないことを記載します。単語を数えます。30~40の話し言葉が15秒の現実的な上限です。
-
Seedance 2.0プラットフォームガイドに従います。 すべてのテンプレートはseedance-2.mdに準拠する必要があります。プロンプト長(100~260語)、禁止ワードがない(「シネマティック」、「プロフェッショナル」、「スタニング」、「8K」、「スタジオ」、「パーフェクト」)、明示的な動きの指定、製品参照のための一貫性アンカー。
ステップ6:保存して提示する
- テンプレートを
skills/arcads-external-api/prompting/prompt-library/seedance-2-<style-name>.mdに保存します。 - 会話にサマリーを出力します:
- 特定されたスタイル
- 主要なレイヤー/構造
- それを特徴的にするもの
- 保存されたファイルパス
- 質問:「このテンプレートを使用してテストプロンプトを生成し、機能するか確認しますか?」
ユーザーが「はい」と答えた場合、ソース動画とは異なる製品/人物/設定のプロンプトを生成します。これにより、テンプレートが真に再利用可能であることが検証されます。
ステップ7:Arcads APIに送信する
プロンプトを生成して保存した後、動画生成のためにArcadsに送信するオプションを提供します。
APIエンドポイント: POST /v2/videos/generate
リクエストボディ:
{
"model": "seedance-2.0",
"productId": "<product-uuid>",
"prompt": "<生成されたプロンプト>",
"aspectRatio": "9:16",
"duration": 15,
"resolution": "720p",
"audioEnabled": true,
"referenceImages": ["<presigned-uploadからのファイルパス>"]
}
送信前に:
- ユーザーに
productIdを尋ねます(または以前の会話から既存のものを使用します)。 productIdがない場合、製品について説明してもらい、APIを呼び出して作成します(該当する場合)。- 製品画像がまだアップロードされていない場合、
/v2/uploads/presignedエンドポイントを使用してプリサインドアップロードURLを取得し、画像をアップロードし、返されたファイルパスをreferenceImages配列で使用します。 - 何を送信しようとしているのかをユーザーに明確に伝え、確認を求めます。
- 確認後、APIリクエストを行い、生成ステータスを提供します。