Seedance 2.5 プロンプト最適化ツール は何をしますか?
トリガー前の自己アップデート
セッション中にこのスキルが最初にトリガーされた場合、エージェントはまず以下のコマンドを実行して、ローカルのスキルコピーを最新バージョンに更新してから、「## 目的」以降のすべてのワークフローに進む必要があります。同じセッション内で以前に実行された場合(成功または失敗/ダウングレードに関わらず)、後続のトリガーで繰り返し実行する必要はなく、直接ワークフローに進みます。新しいセッションが開始されると、最初のトリガーが再カウントされます。
npx --yes skills@latest update sd25-pe -y
コマンドは上記で固定されています:スキル名は sd25-pe と記述し、引数は -y(CLIにグローバルまたはプロジェクトスコープを自動検出させる)のみを保持します。install、list などの他のサブコマンドに拡張したり、他の引数を変更または追加したりしてはいけません。
実行戦略はベストエフォートに従います:
- 成功時:静かに通常のフローに進み、ユーザーにアップデートの詳細を報告する必要はありません。
- 失敗時(非ゼロ終了、タイムアウト、オフライン、
npxが利用不可、パッケージが存在しないなど):このタスクをブロックせず、最初にユーザーに1行のプロンプト今回は sd25-pe を自動更新できませんでした。現在のローカルバージョンで続行します。を出力し、その後、残りのワークフローを続行します。アップデートの失敗を理由にプロンプトの生成を拒否してはいけません。
このアップデートコマンドはローカルスキルメンテナンスアクションであり、「不可違反の原則」で禁止されているビデオ生成インターフェースの呼び出しには該当しません。
目的
ユーザーの生のテキスト、小説の断片、およびオプションの画像、動画、音声参照を、Seedance 2.5 に直接送信できるクリーンなプロンプトにコンパイルします。ユーザーの核となる意図を保持し、素材の役割、主体のマッピング、イベントの状態、および維持すべき関係を明確にします。
このスキルの責任は、入力を理解してプロンプトを出力することに限定されます。いかなる状況でも、生成インターフェースを自身で呼び出してはいけません。ユーザーが明示的にビデオ生成を要求した場合、まずこのスキルでクリーンなプロンプトを生成し、その後、独立した生成ツールまたはプロセスに送信します。このスキルは常に素材を読み取り専用として扱い、元の素材を変更したり、自動的に補助素材を作成したりしません。
適用シナリオ
以下の場合にこのスキルをロードします:
- ユーザーが Seedance 2.5 プロンプトの最適化、書き換え、または補完を要求した場合。
- ユーザーが簡潔なアイデア、長編のストーリー、小説の断片、または整理されていない複雑なプロンプトを提供した場合。
- ユーザーが画像、動画、音声、ファイルパス、またはマルチモーダルリクエストを提供し、素材の役割を確立する必要がある場合。
- ユーザーがマルチ素材生成、長尺ビデオ、キーフレーム制御、グリッドストーリーボード、ホワイトボックスレンダリング、ビデオ編集、オーディオ編集、またはビデオ延長を希望する場合。
- ユーザーが感情表現、カメラワーク、オーディオ、セリフの言語、または製品フローの表現を改善したい場合。
以下の場合、このスキルを自動的に実行しないでください:
- ユーザーがプロンプトの生成を必要とせず、インターフェースパラメータ、価格、クォータ、エラー、またはモデルの機能についてのみ質問している場合。
- ユーザーがプロンプトの書き換えを必要とせず、完成したビデオの評価のみを要求している場合。
ユーザーが明示的にビデオの直接生成を要求した場合でも、最初にこのスキルを使用して生の入力をクリーンなプロンプトにコンパイルし、後続の生成プロセスに渡します。このスキル自体はタスクを送信しません。
不可違反の原則
- 意図優先:キャラクターのアイデンティティと数、キーとなる小道具、シーン、イベントの因果関係、空間関係、編集対象、延長方向、およびストーリーの結果を変更してはいけません。
- テンプレート優先:元のプロンプトが完全かどうかに関わらず、現在のタスクに対応するテンプレートに従って再編成する必要があります。単なる同義語の書き換えを行ってはいけません。
- 素材ごとの責任:実際に使用される各素材について、何に使用されるかを説明します。実際に利用可能だが役割が割り当てられていない素材は、個別に
【未採用素材】にリストアップし、後続の PE が再アクティブ化するのを防ぎます。 - ユーザーマッピング優先:ユーザーが明示的に指定した素材の役割、主体名、および関係は、自動的な判断で上書きされてはいけません。対応するスロットがすでにカバーされている場合、同じ役割を強化するために名前が指定されていない素材を追加してはいけません。
- 最小限の明確化:テキスト、素材、およびコンテキストから合理的に判断できる内容は直接完成させます。コアとなる結果を変更し、かつ複数の同等の解釈が存在する問題についてのみ、統合された質問を1回行います。
- 送信可能なもののみを記述:プロンプト内に分析プロセス、評価説明、実験グループ、モデルバージョン、実行マーカー、インターフェースキー、または修正理由を含めてはいけません。
- パラメータの分離:アスペクト比、総再生時間、解像度、フレームレート、およびサウンドのオン/オフは、プロンプトに記述しません。通常の生成タスクでは、これらのパラメータはページまたはインターフェースで設定します。ビデオ編集、最初のフレームまたは最初と最後のフレーム生成、ビデオ延長は、それぞれの自動ロックルールに従います。ユーザーが元々記述したイベントの時間帯はクリエイティブコンテンツに属します。ページまたはインターフェースの目標時間のみに基づいて、新しいデジタル時間帯を逆生成してはいけません。
- 制約を過剰に追加しない:ユーザーが要求していない画質パック、安定化パック、透かし、ロゴ、字幕、分身、またはその他の汎用的な否定的制約を自動的に追加してはいけません。アスペクト比と時間が互換性がない場合に互換性ゲートに従って追加されるルーティング曖昧性解消宣言は、汎用的な画面の否定的制約には該当せず、そのゲートがトリガーされた場合にのみ追加できます。
- 単一の最適バージョン:デフォルトでは、判断後最も適切なプロンプトを1つだけ出力します。ユーザーが明示的にバージョンの比較を要求した場合にのみ、複数のプロンプトを出力します。
- 事実と観察の分離:キャラクターのアイデンティティ、年齢、関係、イベント、および結果は、ユーザーのテキストを基準とします。素材は、直接見えるまたは聞こえる属性のみを補足し、視覚的な推測をプロットの事実に昇格させてはいけません。
- 主体数のマッチング:単一キャラクターの設定画像は、同時に登場する2人の名前付きキャラクターを定義してはいけません。複数の利用可能な単一キャラクター候補がある場合は、まず1人につき1つの画像を割り当てる必要があります。複数の利用可能なグループ候補がある場合は、まず1グループにつき1つの画像を割り当てる必要があります。同じ主体の複数のビュー、または素材フレーム自体が明らかに同じストーリーグループを含む場合にのみ、参照をマージすることが許可されます。
入力状態
まず入力がどの状態に属するかを判断し、その後コンテンツを処理します。
純粋なテキストからのビデオ生成
ユーザーが素材を持たず、テキストが特定の人物、製品、シーン、アクション、カメラワーク、またはオーディオへの参照を表現していない場合。直接、主体、イベント、シーン、ビジュアル、カメラワーク、およびオーディオを抽出し、ビデオ生成テンプレートを適用します。素材番号をでっち上げたり、ユーザーに素材の追加を提案したりしてはいけません。
参照が必要だが素材が提供されていない場合
ユーザーの元のプロンプトにすでに記述されている素材参照は、@画像N、@動画N、@音声N、または実行環境の同等のタグを含め、そのまま保持する必要があります。参照関係を削除、番号変更、または参照なしの生成に書き換えてはいけません。現在のメッセージに対応する素材が添付されていない、または現在のエージェントが読み取れないという理由で、参照関係を変更してはいけません。
ユーザーの元のテキストに従ってプロンプトを通常どおり最適化し、そのタスク編成、素材の役割、および参照関係を保持します。素材を確認したと主張したり、素材を確認して初めて確認できる詳細を補足したりしてはいけません。ユーザーが素材参照を記述していない場合、新たに追加してはいけません。
素材が添付されていないか読み取れないことは、確認できる事実を制限するだけであり、プロンプトの最適化をブロックしたり、プロンプト外で素材欠落の説明や補足提案をトリガーしたりしません。アスペクト比と時間の意図は、引き続き「アスペクト比と時間の互換性ゲート」に従って判断されます。
素材が読み取り可能な場合
ユーザーが提供した画像、動画、および音声を能動的に読み取ります。最初にすべての素材を棚卸しし、次にプロンプトと組み合わせてマッピングを確立します。ファイル名のみに基づいて推測したり、すべての素材を強制的にプロンプトに記述したりしてはいけません。
現在のエージェントが読み取れない場合
ユーザーが添付ファイル、パス、またはURLを提供したが、現在の実行環境がアクセスできない場合、「参照が必要だが素材が提供されていない場合」のルールに従って最適化を続行します。ユーザーの既存の素材参照を保持し、テキストから確認できる情報のみを使用し、素材を確認したふりをせず、素材欠落の説明や補足提案を追加しません。
破損しているか読み取れない素材についても、ユーザーがすでに記述した参照関係を保持します。ファイル名、パス、またはURLに基づいて、その外観、音色、または内容を推測してはいけません。
素材仕様の事前チェック
まず、ハードな入力範囲と安定性の推奨事項を区別します:
- 画像は最大30枚、1枚あたり4Kを超えない。
- 動画は最大10本、すべての動画の合計再生時間は30秒を超えない。
- 音声は最大10本、すべての音声の合計再生時間は30秒を超えない。
- 画像、動画、音声を合わせて最大50の参照素材。
推奨範囲はハードな上限ではありません。主体画像は通常1〜8つの主体が適切です。主体の動画/音声は通常1〜5つの主体、1つのセグメントあたり5〜10秒が適切です。ビデオ編集では、通常20秒以内の元の動画と1〜5枚の参照画像を優先します。推奨範囲を超えているがハードな入力範囲内にある場合は、最適化を続行し、素材の多さでブロックしません。素材ごとの役割、主体マッピング、およびシーンごとのアクティベーションを通じて、相互汚染を低減します。
ハードな入力範囲を超えている場合は、ユーザーが明示的に指定した素材、必須エンティティをカバーする素材、唯一の編集マスターまたは延長元の動画、およびキーとなるアクション、サウンド、バウンダリーフレームの素材を優先的に保持します。残りの素材はプロンプトに記述せず、本文の後に 素材ヒント: という行で、送信前に素材を削減する必要があることを説明します。プロンプトだけで入力上限を回避できると主張してはいけません。
コアワークフロー
1. ユーザー目標の解析
最初にユーザーのテキストから「ストーリー契約」を確立し、その後素材を確認します。以下を抽出してロックします:
- 主体とその数。
- アクション、イベント、および因果関係の順序。
- シーン、時間、天候、および空間関係。
- 小道具の所有権、受け渡し、および最終状態。
- ビジュアルスタイル、カメラワーク、サウンド、セリフ、および字幕の要件。
- ユーザーが明示的に保持または除外するよう要求したコンテンツ。
- タスクが生成、編集、または延長のいずれか。生成タスクがキーフレーム、グリッドストーリーボード、またはホワイトボックスを採用するかどうか。編集タスクがサウンドのみを変更するかどうか。
ストーリー契約は、後続の書き換えに対する事実上の境界です。素材に、より印象的な人物、服装、小道具、またはシーンが表示されているという理由で、ストーリー契約のキャラクターやイベントを置き換え、マージ、または削除してはいけません。
ユーザーのマーカーのセマンティクスを保持します。ショット45、ショット 45、Shot 45 などの表記は、デフォルトでショット番号と見なされ、「45度のカメラアングル」とは見なされません。ユーザーが明示的に「45度」「四十五度」または同等の撮影角度を記述した場合のみ、その数字をカメラアングルとして解釈します。ショット番号、素材番号、チャプター番号、またはステップ番号を撮影パラメータに書き換えてはいけません。
入力に発話、ダイアログ、ナレーション、またはオーディオの役割が含まれている限り、各時間セグメントに対して内部の「ダイアログ台帳」を作成し、話者、発声の有無、セリフの原文、オーディオの役割、言語、および画内/画外の位置を項目ごとに記録します。発話またはオーディオの役割が指定されたセグメントを無音に変更したり、話者とオーディオを交換したりしてはいけません。ユーザーが特定のキャラクターに発話を要求し、オーディオをバインドしているが、セリフのテキストを提供していない、または現在の環境で確実に聞き取れない場合、そのキャラクターが対応するオーディオを使用して発話する役割を保持し、特定のセリフをでっち上げません。
ユーザーが引用符で囲まれたセリフの断片、キーワード、または短いフレーズのみを提供する場合、その断片のみを発話可能な原文として扱います。話者の表情、アクション、口調を補足することはできますが、断片の前後に存在しない完全な文を補足してはいけません。ユーザーが「権威で押さえつける」「言い争いを続ける」などの発話意図のみを説明し、原文を一切提供しない場合、自分でダイアログをでっち上げず、観察可能な口の動き、間、姿勢、および相手の反応を使用してその意図を表現します。
例えば、入力が彼女が「あなたは部外者よ」と言うときに権威感を伴わせるべきだとだけ説明している場合、最終的なダイアログは {あなたは部外者よ} とだけ書く必要があります。「母子関係」「権威による圧迫」などのナラティブな説明をセリフに組み込んだり、「あなたは部外者よ、そんな資格は…」などの完全な文に書き換えたりしてはいけません。
ストーリー契約のために「必須エンティティリスト」を作成し、明確に登場する各人物、グループ、キーとなる小道具、およびシーンをそれぞれ1つのスロットとしてリストアップします。このリストは内部チェックのみに使用され、ユーザーに出力されません。後で各スロットに対して、プロット上の役割、採用された素材、および観察可能な特徴を記録します。出力前に、すべてのスロットがプロンプトに含まれていることを確認します。
内面の活動を、見えるアクション、表情、セリフ、またはナレーションに変換しますが、ストーリーを変えるイベントを追加してはいけません。
「原因が現れた後にキャラクターの表情やアクションが変わる」という因果関係を示すショットでは、まずトリガーとなる原因を明確に提示してから、キャラクターの反応を提示します。原因と反応が離れている場合は、明確な視線またはカメラの移動を使用して関係を確立します。両方を同じフレームに収めることができる場合は、同じ構図内に原因と反応の両方を保持します。トリガーとなる原因が視聴者にはっきりと見える前に、純粋な顔のクローズアップに早まって移行したり、反応のクローズアップだけを与えてトリガーとなる原因を見落としたりしてはいけません。
プロットが明確に怪我のふり、模擬怪我、またはかろうじて怪我を免れたものである場合、曖昧さが生じる可能性のあるショットでは、皮膚、衣類、小道具が無傷であるなど、怪我をしていない観察可能な状態を明確に維持します。パフォーマンスや未発生のイベントを、実際の傷、出血、または損傷に書き換えてはいけません。
2. 小説と長いテキストのコンパイル
まずテキストを撮影可能なイベントに変換します:
- ユーザーが予告編、概要、または群像劇を要求する場合、テーマを要約できるモンタージュ構造を選択します。
- ユーザーが1つのシーンを要求する場合、そのシーン内で連続して発生するコアイベントを保持します。
- ユーザーが範囲を指定しない場合、因果関係が完全で、ターゲットビデオ内で成立可能な1つのメインイベントを選択し、プロンプト外で選択理由を簡潔に説明します。
- 複数の相互に排他的なメインストーリーが同等に重要で、選択がコアストーリーを変更する場合にのみ、統合された質問を1回行います。
繰り返される説明や画像化できない情報を圧縮し、キャラクター間の関係、キーとなるセリフ、トリガーイベント、および結末の状態を保持します。
3. 素材の棚卸しと理解
素材が多い場合は、2パスの理解を使用します:
- 最初のパスですべての素材を軽量に棚卸しし、人物、製品、小道具、シーン、アクション、カメラワーク、リズム、サウンド、およびスタイルの候補を特定します。
- 2番目のパスでは、プロットに一致する、競合が存在する、キーフレームとして機能する、または現在のシーンで呼び出される素材のみを深く調べます。
動画をチェックする場合、少なくとも主体、主要なアクション、カメラの変化、開始状態、および終了状態を確認します。音声をチェックする場合、少なくともサウンドのタイプ、音色、言語、セリフの内容、または環境音としての用途を確認します。
2つのタイプの情報を区別します:
- ストーリー割り当て:キャラクターの名前、年齢、関係、どのイベントを担当するか、小道具の所有者、結末。これらはユーザーのテキストに由来します。
- 素材の観察:顔の特徴、髪型、服装、素材、色、空間レイアウト、アクション、カメラワーク、音色など、直接観察または聞き取ることができる特徴。
素材は、直接観察できる特徴のみを補足します。素材の外観から、テキスト内のアイデンティティ、年齢、関係、およびプロットを逆推論または書き換えてはいけません。素材から確認できないブランド、色、職業、性格、および小道具の機能も、勝手に補足してはいけません。
ユーザーが単に「人物」または「主体」と呼ぶ場合、その中性的な呼称を使い続けます。アクション、姿勢、または服装に基づいて、勝手にダンサー、俳優、労働者、または他の身分に変更してはいけません。ユーザーがすでにキャラクター名または身分を与えている場合、その呼称を引き継ぎます。
呼称、序列、職業、および関係はプロットのスロットを定義するのみであり、自動的に幼い、年長、弱々しい、強いなどの外観や性格に変換してはいけません。ユーザーのテキストが明確に説明している場合、または素材に直接観察可能な対応する表現が存在する場合にのみ、これらの属性を記述します。
人物素材は、デフォルトで顔の特徴、髪型、服装、アクセサリー、および直接観察可能な姿勢のみを記述し、「少女らしさ」「成熟した感じ」「弱々しい気質」「強い気質」などの要約ラベルで、見える特徴を置き換えてはいけません。ユーザーがこれらのパフォーマンスの方向性を明示的に要求した場合にのみ、それらを表情、姿勢、およびアクションに書き換えます。
マッピングの優先順位は固定です:
ユーザーの明示的な指定 > プロンプト内の記述 > 素材の内容 > ファイル名とメタデータ > アップロード順
ユーザーの明示的なマッピングがすでにすべての必須エンティティをカバーしている場合、ユーザーが指名していない他の利用可能な素材は、デフォルトでアクティブ化されません。内容が類似しているという理由だけで、2番目の人物、2番目のシーン、または補助的な参照として補完したり、同じ役割を強化するために名前が指定されていない素材を追加したりしてはいけません。総称としての背景のゲスト、家具、装飾、または環境要素は、素材のギャップを構成しません。これらは、指定されたシーン素材とテキストの説明によって対応します。ユーザーが明示的にすべての素材からの選択を要求した場合、複数の参照の組み合わせを要求した場合、またはユーザーが明示的に要求したコアキャラクター、小道具、シーン、アクション、またはサウンドにまだ役割のソースがない場合にのみ、名前が指定されていない素材を評価します。デフォルトでアクティブ化されない番号は、引き続きプロンプトの 【未採用素材】 に記述します。
アップロード順は、アイデンティティや役割の意味論的な証拠ではなく、通常、安定した番号を生成するためにのみ使用されます。ユーザーが直接出力を要求し、候補が同等に妥当で、スロットの数と候補の数が一致する場合にのみ、アップロード順を最終的な安定タイブレークルールとして使用できます:ストーリースロットが最初に出現する順序と候補素材の順序を1対1で割り当てます。この順序は割り当ての安定性のみを解決し、実際のアイデンティティを証明するものではなく、これに基づいて年齢、関係、または性格を追加してはいけません。
入力がJSONであるか、アセットIDを含む長いテキストである場合、入力内の各メディアの出現順に従って @画像N、@動画N、@音声N マッピングを確立し、次にテキスト内のアセットIDを対応する参照に置き換えます。最終的なプロンプトにアセットIDを露出させてはいけません。
ローカルパスのみで参照ラベルがない場合、ユーザーが提供した順序に従い、メディアタイプごとに個別の安定したエイリアスを作成し、「素材理解」セクションにパスとエイリアスをリストします。最終的なプロンプトではこれらのエイリアスを使用し、後続のアップロード時に同じ順序を維持するよう注意を促します。
4. 素材の役割と主体マッピングの確立
使用される各素材は、明確な役割のみを果たします:
- 画像:キャラクターの外観と服装、製品の構造と素材、小道具、シーンレイアウト、照明、またはキーフレーム。
- 動画:アクション、カメラワーク、リズム、タイムライン、または唯一の編集マスター、延長元の動画として。
- 音声:指定された話者の音色とセリフ、環境音、効果音、または音楽。
マッピングを確立する前に、ストーリーによって要求された人物、小道具、およびシーンを項目ごとにチェックします。マッピングを確立する際は、以下の順序に従って実行します:
- 必須エンティティリストから、まだ割り当てられていないキャラクター、グループ、小道具、およびシーンを1つずつ取り出します。
- すべての素材候補をブラウズし、人数、服装の階層、シルエット、構造、小道具、およびシーンの役割を比較します。最初の利用可能な素材を見つけた後で検索を停止してはいけません。
- 現在のスロットに最もマッチする素材を選択し、次のスロットを処理します。異なる名前付きキャラクターまたはグループは、デフォルトで異なる最適な候補を使用します。
- 完了後、漏れ監査を実行します:各必須エンティティがプロンプト内で正確に1つの明確な役割を担い、アクティブ化された各素材が宣言された役割のみを担っていることを確認します。
- 完全な利用可能素材リストから割り当て済み素材を引いたものを未採用セットとして取得します。このセットが空でない限り、プロンプトの素材役割の後に
【未採用素材】を追加し、メディアタイプごとに未採用の番号を個別にリストし、それらが人物、シーン、小道具、アクション、カメラワーク、またはサウンドに使用されないことを明確にします。プロンプト外でのみ説明したり、「その他の素材」で具体的な番号を置き換えたりしてはいけません。
2人の名前付きキャラクターを1つの主体にマージしたり、特定の素材が十分に目立たないという理由で対応するキャラクターを見落としたりしてはいけません。区別可能な候補素材がある場合、同じ素材を複数の名前付きキャラクターまたはグループをカバーするために再利用してはいけません。その素材フレーム自体がこれらのキャラクターを同時に含み、より適切な独立した候補がない場合にのみ、再利用が許可されます。複数の素材が同じエンティティを共同で定義する場合、明示的に説明する必要があります。ストーリーによって呼び出されていない素材は、使用しなくてもかまいません。
最終的な素材の役割では、1行で1つの主体、グループ、小道具、またはシーンとそのメイン参照素材のみを定義します。複数の主体と複数の素材を1つの範囲マッピング文に圧縮することは禁止です。例えば、「キャラクターAとキャラクターBは @画像1、@画像2 を参照」とする代わりに、「キャラクターAは @画像1 を参照」「キャラクターBは @画像2 を参照」と分割する必要があります。
2つのコアアイデンティティがテキストに外観の手がかりを持たず、候補素材も同様に妥当である場合、画面から隠された答えを知っているふりをしてはいけません。「マッピング信頼度の処理」に従って統合された質問を1回行います。ユーザーが直接合理的な仮定に基づいてバージョンを出力するよう要求した場合、上記の安定タイブレークルールに従って1対1の保守的なマッピングを採用し、年齢、性格など確認できない区別を追加しないようにします。
同じ主体に複数の参照がある場合、各素材が補足するビューまたは属性を個別に説明し、それらが同じエンティティを共同で定義することを宣言し、複数のコピーを生成しません。
異なる主体は、以下のように項目ごとにバインドする必要があります:
<キャラクターA>は@画像1に対応し、顔の特徴、髪型、服装のみを採用。
<キャラクターB>は@画像2に対応し、顔の特徴、髪型、服装のみを採用。
<小道具A>は@画像3に対応し、構造、素材、色のみを採用。
<シーンA>は@画像4を参照し、空間レイアウト、建築、照明のみを採用し、画像内の人物は採用しない。
【未採用素材】
@画像5、@画像6は本タスクに参加せず、人物、シーン、小道具、アクション、カメラワークには使用されません。
@音声2は本タスクに参加せず、セリフ、音色、環境音、効果音、音楽には使用されません。
複数のキャラクターの1対1マッピングを、1つの範囲文で置き換えてはいけません。
参照動画に役割が指定されていない場合、アクション、カメラワーク、リズム、シーン、およびサウンドの中から、タスクに関連する次元を選択します。生成タスクでは、デフォルトで参照動画内のキャラクターのアイデンティティ、服装、または完全なシーンを継承してはいけません。参照動画がアクション、カメラワーク、および順序を正確に提供している場合、継承する次元のみを説明し、各アクションを逐一繰り返す必要はありません。重複した書き換えは、素材自体と競合する可能性があります。
テキストのセリフと参照音声の内容が競合する場合、ユーザーのテキストがセリフの内容を決定し、音声はデフォルトで音色、アクセント、話す速度、および感情のみを提供します。ユーザーが明示的に音声のセリフを再利用するよう要求した場合は例外です。
同じ主体の複数の参照が互いに競合する場合、まずユーザーの指定に従います。ユーザーが指定していない場合、鮮明度とプロットへの適合性に基づいて、外観、服装、構造、または素材を最も適切な素材に割り当てます。コアアイデンティティがそれでも判断できない場合にのみ、明確化します。
5. マッピング信頼度の処理
- 高信頼度:自動マッピングして続行します。
- 中信頼度:最も妥当なマッピングを採用し、プロンプト外の「素材理解」で主要な仮定を開示します。
- 低信頼度だがコア結果に影響しない:その素材を使用せず、ユーザーに質問しません。
- 低信頼度かつコアアイデンティティ、数、小道具の所有権、前後左右または方向、編集対象、唯一のマスター、延長方向、またはキーフレームの役割に影響する場合:関連する曖昧さを1つの簡潔な質問にまとめます。
ユーザーの明示的なマッピングと素材の内容が明らかに競合する場合でも、ユーザーのマッピングを優先します。その競合がほぼ確実に誤った結果につながる場合にのみ、1回確認します。
スタイル、照明、一般的なカメラワーク、画質、およびその他のコンテキストから保守的に決定できる欠落項目は、ユーザーへの割り込みに使用してはいけません。
明確化が必要な場合、統合された1つの質問のみを提示し、応答を待機します。後続の送信を誤解させる可能性のある一時的なプロンプトを同時に出力してはいけません。ユーザーが回答した後、マッピングとタスクルーティングから続行します。ユーザーが最初に合理的な仮定に基づいてバージョンを提供するよう明示的に要求した場合にのみ、仮定を採用し、プロンプト外で開示することができます。
ユーザーが生成、編集、または延長の目標なしに素材のみを提供する場合、最小限のクリエイティブ目標について1回だけ質問します。素材の内容に基づいて自分でストーリーをでっち上げてはいけません。
6. 単一のメインタスクの選択
アスペクト比と時間の互換性ゲート
ユーザーの元のプロンプトを解析する際、APIリクエストを構築する前に、このゲートを積極的に実行します。APIエラーを待ったり、TaskTypeConstraintに依存して宣言を追加したりしてはいけません。まず参照動画の実際のアスペクト比と再生時間を読み取り、ユーザーが明示的に要求したターゲット出力仕様と比較します:
- ターゲットのアスペクト比が参照動画と異なる場合:ビデオ編集と判断せず、通常のビデオ生成として処理します。
- ターゲットの再生時間が参照動画と約0.3秒以上異なる場合:ビデオ編集と判断しません。ユーザーが明示的に前または後への書き足しを要求した場合はビデオ延長として処理し、その他の時間の変更は通常のビデオ生成として処理します。
- 参照動画が提供されているが仕様が読み取れない場合、またはユーザーが元の動画の参照を要求したが参照動画が提供されていない場合、最初に元のプロンプトの明確な意図に基づいて判断します。ユーザーが「横画面から縦画面へ」「縦画面から横画面へ」「8秒に短縮」「20秒に変更」、または延長方向のない「20秒に拡張」などの相対的な変更を明示的に表現している場合、アスペクト比または目標総時間の競合が存在すると保守的に判断し、ビデオ編集を回避して通常のビデオ生成として処理します。ターゲットの比率や時間のみが指定され、相対的な変更が表現されていない場合、競合が確認されたと主張してはいけません。「前に延長」「後に延長」「書き足し」などの明確な延長意図が記述されている場合は、引き続きビデオ延長として処理します。
- ターゲットのアスペクト比と基本時間が参照動画と一致するか、両方とも指定されておらず、かつユーザーが元の動画内の特定のオブジェクト、領域、またはサウンドの変更を要求している場合のみ、ビデオ編集と判断します。
「変換、調整、変更、修正、再構成」などの動詞は、それ自体ではビデオ編集を構成しません。元のプロンプトが「変換、調整、変更、維持」などの単語を使用しているという理由だけで、この宣言をトリガーしてはいけません。仕様が互換性がなく通常のビデオ生成になる場合、参照動画はコンテンツ、人物、シーン、アクション、タイミング、カメラワーク、およびサウンドの参照としてのみ使用されます。アスペクト比と総時間はページまたはインターフェースパラメータとしてのみ機能し、最終的なプロンプトは「元の動画の編集、変更、変換」などの表現を使用せず、フレームごとまたはピクセルごとの完全な一致を約束しません。
上記のアスペクト比または時間の競合が確認されたか保守的に判断された場合にのみ、最適化された最終プロンプトに完全な文 これはビデオ編集ではないことに注意してください。 を積極的に追加します。構造化プロンプトでは、この文は 【生成目標】 の目標文の直後に続き、新しい段落を開始しません。この文はルーティング曖昧性解消宣言であり、画面コンテンツに対する否定的な制約ではありません。実際のビデオ編集、ビデオ延長、最初のフレームまたは最初と最後のフレーム生成、または仕様競合のない通常の生成タスクには追加してはいけません。ユーザーがすでに同じまたは同等の宣言を記述している場合、1回だけ保持し、繰り返してはいけません。
例えば、動画1を9:16の縦画面に変換し、元のコンテンツを完全に維持し、構図のみを調整する は通常のビデオ生成と判断されるべきです。動画1は純粋な参照役割のみを果たし、9:16は生成パラメータとして機能します。
挿入位置の例:
【生成目標】
@動画1を完全なコンテンツ参照としてビデオを生成し、元のコンテンツを維持し、構図のみを再適応します。これはビデオ編集ではないことに注意してください。
【参照素材の役割】
@動画1は、見える主体、シーン、アクション、イベントのタイミング、カメラワーク、およびサウンドの参照に使用されます。
【イベントスクリプト】
@動画1内のイベント順序、アクションの軌跡、カメラの変化、および開始/終了状態を完全に継承し、元のイベントを追加、削除、または書き換えません。
【一致を維持】
@動画1内の見える主体とその数、シーン、小道具、空間関係、アクション順序、カメラワークとサウンドの関係、および結末の状態を一致させ、構図編成のみを調整します。
ターゲットのアスペクト比は、ページまたはインターフェースパラメータを介して設定され、最終的なプロンプトには記述されません。
3つのメインタスクのうち1つだけを選択できます。まず既存の動画を変更するかどうかを判断し、次に既存の動画の前後に新しいコンテンツを追加するかどうかを判断します。その他の場合は生成に入ります:
- ビデオ編集:1つの元の動画を唯一のマスターとして、その中の指定されたオブジェクト、領域、またはサウンドのみを変更します。
- ビデオ延長:元の動画の前または後に新しい連続したセグメントを生成し、元のセグメントを書き換えません。
- ビデオ生成:テキストとオプションの参照素材から新しいビデオを生成します。
マルチ素材、長尺ビデオ、時間帯、キーフレーム、グリッドストーリーボード、ホワイトボックス、サウンド、感情、および撮影表現は、アドオンモジュールであり、新しいメインタスクではありません。ホワイトボックスビデオがアクション、スペース、または完全な構造参照として再レンダリングされる場合、ビデオ生成に属し、入力にビデオが存在するという理由だけで自動的にビデオ編集にルーティングされません。
ユーザーが同時に元の動画の編集と延長を要求する場合、いずれかの操作を破棄したり、強制的に1つのプロンプトにマージしたりしてはいけません:
- 置き換えるコンテンツが元の動画から新しいセグメントに継続する必要がある場合、最初に元の動画を編集して新しいマスターを取得し、次に編集された新しいマスターを延長します。
- 新しい主体が延長セグメントにのみ登場し、元の動画を変更しない場合、延長のみを行い、新しい素材を延長セグメントの参照役割として記述します。
- 操作順序にまだ複数の同等の解釈がある場合、統合して1回確認します。
明確に2つの順序操作が必要な場合、2ステップの実行プロンプトを出力します。これらは同じタスクの連続したステップであり、代替バージョンではありません。
7. タスクパラメータルールの適用
これらのルールは計画とプロンプト作成にのみ使用され、最終的なプロンプトには記述されません:
- 通常のビデオ生成:アスペクト比と総再生時間はページまたはインターフェースによって設定され、構図とイベント密度の計画に使用できます。
- ビデオ編集:ビデオ編集は、入力動画のアスペクト比と基本再生時間を自動的にロックします。これらは別途設定できません。出力時間は入力フレーム処理の影響を受け、元の動画と最大約0.3秒の差異が生じる可能性があります。
- 最初のフレームまたは最初と最後のフレーム生成:最初のフレームまたは最初と最後のフレーム生成は、最初のフレーム画像のアスペクト比で出力比率をロックします。再生時間は設定可能です。最初のフレームと最後のフレームは同じアスペクト比を使用する必要があります。現在のエージェントが画像を読み取れる場合は積極的に確認し、読み取れない場合は確認したふりをしてはいけません。
- ビデオ延長:ビデオ延長は、入力動画のアスペクト比を自動的にロックします。延長時間は設定可能です。
ユーザーがタスクによって自動的にロックされるパラメータの設定を要求した場合、質問せず、その要求をプロンプトに記述したり、誤った計画に使用したりしません。それでも最初に最適なプロンプトを出力し、本文の後に最大1つの パラメータヒント: 行を追加します。最初と最後のフレームのアスペクト比が一致しない場合も、1つのパラメータヒントを使用し、送信前に同じアスペクト比に調整して、最後のフレームの引き伸ばしを避ける必要があることを説明します。競合がない場合、パラメータヒントは出力しません。
8. テンプレートの適用とクレンジング
以下から該当するテンプレートを選択し、現在のタスクに必要な段落のみを保持します。すべての <プレースホルダー> は具体的な内容に置き換える必要があり、テンプレートの説明を最終的なプロンプトに残してはいけません。
完了後、「最終自己チェック」を実行し、その後「出力契約」に従って納品します。
ビデオ生成テンプレート
基本生成
純粋なテキストまたは少数の参照、シンプルなイベントのテキスト生成タスクに適しています:
<主体>が<シーンと環境>で<主要なアクションまたはイベント>を行います。
画面は<ビジュアルスタイルまたは感情>を表現します。
カメラは<ショットサイズ、アングル、動き、またはカット>を採用します。
サウンドには<ダイアログ、環境音、効果音、または音楽>が含まれます。
不要なビジュアル、カメラ、またはサウンドの行は削除できますが、主体と主要なアクションまたはイベントは明確でなければなりません。
記入例:
若い陶芸家が早朝の作業場で轆轤を挽き、両手で回転する粘土を安定して支え、最終的に細口の花瓶を形成します。
柔らかな朝日が左側の窓から差し込み、木製の机と粘土は自然な暖かみのある色を保ちます。
カメラはまずミディアムショットで手の動きを観察し、その後ゆっくりと花瓶の口元に寄ります。
サウンドは、轆轤の低い回転音、手が湿った粘土をこする音、および遠くの窓の外からの鳥のさえずりを保持します。
参照素材付き生成
【生成目標】
<動画のタイプまたはコアイベント>を生成します。コア主体は<主体>、主要イベントは<概要>です。
【参照素材の役割】
@画像1は<主体>の<外観、服装、構造、または素材>に使用されます。
@動画1は<アクション、カメラワーク、またはリズム>に使用され、<誤って持ち込まれやすいアイデンティティ、服装、またはシーン>は採用されません。
@音声1は<キャラクターまたはサウンドタイプ>の<音色、セリフ、環境音、または音楽>に使用されます。
【未採用素材】
@画像2、@動画2、@音声2は本タスクに参加せず、人物、シーン、小道具、アクション、カメラワーク、またはサウンドには使用されません。
【主体と関係】
<主体A>は@画像1に対応し、常に<固定特徴>を維持します。
<主体A>と<主体B>の空間、小道具、またはアイデンティティの関係は<関係>です。
【イベントスクリプト】
開始時:<人物、小道具、およびシーンの状態>。
主要イベント:<連続アクションまたはイベント>。
終了時:<人物の位置、小道具の所有権、または最終画面状態>。
【一致を維持】
<人物のアイデンティティと数、服装、小道具の所有権、空間方向、およびサウンドの関係>を安定して維持します。
テンプレートを埋めるために、ユーザーが要求していないビジュアルスタイル、カメラワーク、またはサウンドをでっち上げてはいけません。シンプルなタスクでは隣接する段落をマージできますが、実際に使用されている素材の役割を省略してはいけません。
記入例:
【生成目標】
古い木製の椅子を修復するビデオを生成します。木工がまず緩んだ背もたれをチェックし、次に木工用接着剤を塗布して継ぎ目を固定し、終了時に椅子は安定した状態に戻ります。
【参照素材の役割】
@画像1は木工の顔の特徴、短髪、および濃紺の作業エプロンに使用され、画像の背景は採用されません。
@画像2は古い木製の椅子のアーチ型の背もたれ、濃い木目、および摩耗箇所に使用され、画像内の人物は採用されません。
@動画1は接着剤の塗布と継ぎ目を圧着する手の動きに使用され、動画内の人物のアイデンティティ、服装、および作業台は採用されません。
【主体と関係】
木工は常に@画像1で定義された濃紺のエプロンを着用します。全体を通じて@画像2で定義された古い木製の椅子1脚のみで、工具は常に木製の机の右側に置かれています。
【イベントスクリプト】
開始時、椅子は木製の机の中央にあり、背もたれの継ぎ目が緩んでいます。木工が継ぎ目をチェックした後、木工用接着剤を塗布し、両手で背もたれを元の位置に押し戻して固定します。終了時、木工は手を離し、背もたれは安定した状態を保ち、椅子の数と外観は変わりません。
【一致を維持】
木工のアイデンティティと服装、椅子の構造と数、工具の位置、および作業場の方向を安定して維持します。
マルチ素材の編成
マルチ素材は以下の順序で編成します:
素材ごとの役割 → 主体マッピング → タイプ別グループ化 → 主体設定 → シーンごとの呼び出し
素材の数が多いからといって、すべての素材がプロンプトに入るわけではありません。現在のストーリーとシーンに関連する素材のみを使用します。実際に利用可能だが役割が割り当てられていない素材は、プロンプト内の 【未採用素材】 に配置し、未採用の番号を個別にリストしてアクティブ化を禁止します。未採用素材は、画像、動画、音声ごとにそれぞれコンパクトな1行にマージできますが、番号を省略したり、主体範囲マッピングとして記述したりしてはいけません。
Seedance 2.5 は最大50の参照素材を受け入れ可能です。上限に近い場合でも、人物、小道具、シーン、アクション、およびサウンドごとに素材を分類し、シーンごとにアクティブ化します。モデルに自身で割り当てさせるような総括的な文を使用したり、数を示すためにすべての素材を同時に出現させたりしてはいけません。
タイプ別グループ化
【人物】
<キャラクターA>は@画像1に対応し、外観、髪型、服装のみを採用。
<キャラクターB>は@画像2に対応し、外観、髪型、服装のみを採用。
両者の外観、服装、アクション、立ち位置、セリフは互いに交換されません。
【小道具】
<小道具A>は@画像3に対応し、<キャラクターA>にのみ属します。
<小道具B>は@画像4に対応し、<キャラクターB>にのみ属します。
【シーン】
<シーンA>は@画像5を参照し、空間、素材、照明のみを採用。
<シーンB>は@画像6を参照し、空間、素材、照明のみを採用。
【アクションとサウンド】
@動画1は<キャラクターA>の<アクションまたはカメラワーク>に使用され、動画内の人物とシーンは採用されません。
@音声1は<キャラクターB>の<音色および指定されたセリフ>に使用されます。
主体設定とシーンごとの呼び出し
【主体設定:キャラクターA】
外観と服装:@画像1。
固定小道具:@画像3の<小道具A>。
許可シーン:<シーンA>および<シーンB>。
アクション参照:@動画1の<アクション>。
不採用:<他の主体の服装、小道具、またはサウンド>。
シーン一|<シーン名>
使用:<本シーンでアクティブ化される主体、小道具、シーン、アクション、およびサウンド>。
イベント:<1つの主要イベント>。
終了時:<観察可能な状態>。
シーン二|<シーン名>
使用:<本シーンでアクティブ化される主体、小道具、シーン、アクション、およびサウンド>。
イベント:<1つの主要イベント>。
終了時:<観察可能な状態>。
同じ主体の複数ビューの参照は、画像ごとの役割として記述する必要があります。例えば、正面、左側面、右側面、背面が同じエンティティを共同で定義し、最終ビデオ内のエンティティの数を明確にします。
空間と立ち位置
ドア、テーブル、車両、カウンター、道路などの安定したオブジェクトを中心に、内/外、前/後、方向、距離、および遮蔽の関係を説明します。画面の左側や右側だけを記述してはいけません。例えば:
<店員>は常にガラスカウンターの内側に立ち、体はカウンターの外側を向いています。<客A>と<客B>はカウンターの外側に並んで立ち、カウンター越しに<店員>と会話しています。
ユーザーがクリーンな立ち位置図を提供した場合、それを構図、人物の位置、方向、および空間関係に使用します。図内の矢印、注釈ボックス、または説明テキストを最終ビデオのコンテンツとして扱ってはいけません。
マルチ素材の記入例:
【人物】
巡視員は@画像1に対応し、顔の特徴、短髪、およびオレンジ色の防風アウターのみを採用。
資料員は@画像2に対応し、顔の特徴、眼鏡、およびグレーのニットカーディガンのみを採用。
両者の外観、服装、アクション、およびセリフは互いに交換されません。
【小道具】
携帯記録計は@画像3に対応し、巡視員にのみ属し、全体を通じて1台のみ。
【シーン】
山頂観測所は@画像4を参照し、建築構造、金属プラットフォーム、および曇天の照明のみを採用。
資料室は@画像5を参照し、本棚のレイアウト、木製の机、および室内の暖かい照明のみを採用。
【アクションとサウンド】
@動画1は巡視員が機器収納庫を開けて記憶カードを取り出すアクションに使用され、動画内の人物とシーンは採用されません。
@音声1は巡視員の音色とセリフに使用されます。
【イベントスクリプト】
段階一:巡視員が山頂観測所の機器収納庫の前に一人で立ち、携帯記録計を腰に下げている。彼は機器収納庫を開け、唯一の記憶カードを取り出す。終了時、記憶カードは巡視員の右手にのみある。
段階二:巡視員が観測所内で記憶カードを携帯記録計に挿入する。終了時、記録計の画面にデータ読み取り完了が表示され、記憶カードは依然として機器内にある。
段階三:画面が資料室に切り替わり、資料員が木製の机の内側に立ち、巡視員が机の外側に立っている。巡視員は記録計を机の中央に置き、自然な標準語で{今週の観測データはエクスポート済みです。}と言う。
段階四:資料員が記録計を手に取りデータを確認し、巡視員は自然に口を閉じて待つ。終了時、記録計は資料員の手にのみある。
段階五:資料員が記録計を机に戻し、2人で画面の完了状態を共に見る。人物のアイデンティティ、小道具の数、および立ち位置が明確なミディアムショットで締めくくる。
【一致を維持】
両者のアイデンティティと服装、記録計の数と所有権、2つのシーンの空間方向、および話者の関係を安定して維持します。
長尺ビデオと時間帯
Seedance 2.5 は最大30秒のビデオをサポートします。総再生時間は生成パラメータによって設定されます。プロンプトは、この時間内でイベントを編成する責任のみを負います。
ユーザーが明示的に記述したイベントの時間帯はクリエイティブコンテンツであり、保持する必要があります。パラメータの分離は、「N秒のビデオを生成」「アスペクト比を16:9に」などのインターフェース設定のみを削除します。ユーザーの元の数値時間帯がページやAPIの目標総時間と競合する場合、イベント順序、相対的なリズム、およびストーリーの結果を優先的に保持し、数字のない「段階」を使用して編成します。ユーザーが元の時間帯がハードな制約であると明確に述べている場合のみ、数字を保持し、ユーザーにパラメータの競合を解決するよう依頼します。
長尺ビデオでは「段階」を優先的に使用し、各段階で1つの主要な状態変化のみを配置し、終了状態を明確に記述します:
【段階一】
開始時:<初期状態>。
主要イベント:<1つの主要なアクションまたはイベント>。
終了時:<観察可能な状態>。
【段階二】
前の段階からの継続:<維持すべき状態>。
主要イベント:<1つの主要なアクションまたはイベント>。
終了時:<観察可能な状態>。
【段階三】
主要イベント:<収束イベント>。
終了時:<最終的な画面状態>。
段階の数はイベントの数によって決定され、増減可能であり、3段階に固定されません。プロンプトが長い場合、主体マッピング、素材の役割、イベント、および終了状態を優先的に保持し、繰り返されるスタイル用語、繰り返される制約、および非アクティブな素材を圧縮します。固定のワード数上限は設定しません。
目標時間のカバレッジ
生成ページやAPIコンテキストによって指定された目標時間がユーザーの元のイベントタイムラインよりも長い場合、まず人物、イベント順序、因果関係、およびストーリーの結果を保持し、次に既存のイベントのリズムを再配分します。目標時間がページやAPIのみから提供される場合、数字のない段階編成を使用し、各段階が共同で目標時間の物語容量をカバーするようにします。このパラメータに合わせるために、プロンプト内に 0-8秒、8-18秒 などの新しい数値時間帯を作成してはいけません。
アクションプロセス、反応、間、またはシーン遷移のみを延長できます。例えば、視線の移動、呼吸の変化、物を取り出すプロセス、および入室後の反応を自然に展開させます。新しい人物、メインストーリーイベント、またはストーリーの結果を追加したり、繰り返しのアクションや空ショットで機械的に時間を埋めたりしてはいけません。目標総時間は、依然としてインターフェースパラメータとしてプロンプトに記述しません。
受け渡し、掴み、および配置のタスクでは、ユニークな物体の所有権の変化を説明します。例えば、渡した後は元の所有者は保持せず、終了時には受け取った者の手にのみあるようにします。
ユーザーがすでに数値時間帯を提供している場合、または時間帯による受け渡し、出入り、またはテンポの制御を明示的に要求している場合にのみ、連続した整数の時間帯を使用します。イベントが少ない場合、段数を揃えるために分割してはいけません。イベントが多い場合、まずマイナーイベントをマージします:
0-5秒:<開始状態>;<主要イベント>;終了時<観察可能な状態>。
5-10秒:前のセグメントからの<状態>の継続;<主要イベント>;終了時<観察可能な状態>。
10-15秒:<収束イベント>;終了時<最終状態>。
ユーザーが数値時間帯を要求した場合、時間帯は連続しており重複してはいけません。これらはイベントの予算を示しており、フレームレベルの編集ポイントではありません。0.5秒単位で正確であると主張したり、検証されていない最大時間帯数を提供したりしてはいけません。
[truncated]