0xnirlin/ziztu-cinematic-depth

シネマティック深度（Cinematic Depth）

映像が映画的に見えるのは、視線がその中を旅できるときです。つまり、端に近くて柔らかなもの、中間距離で鋭く明るい被写体、背後で青白く柔らかに広がる場所、そしてそれらの層の間に漂う空気。AI画像・動画モデルは、単体ではこれをほとんど実現しません。このスキルは、その深度をプロンプトに書き込み、プロンプトやフレームの平坦さをチェックし、平坦なショットを修正します。

これは、奥行き演出における5つの古典的なルールに基づいています。前景・中景・背景、異なる物体ではなく異なる距離、層の間の空間、被写体よりも低コントラストな遠景、層を分離するわずかな霞やほこり。その上に、AI動画に必要な要素を追加します。どの面がシャープか、レンズ、分離光と色、視差のあるカメラワーク、背景のストーリー、モデルがレイヤードショットを壊す方法。H3 Max Turboで同じスクリプト、モデル、設定、シードを使って横並びでテスト済み。スキルありではすべてのショットがレイヤー化されて戻ってきましたが、スキルなしではクリップは背景ボケの顔アップに後退しました。

AIのフレームが平坦になる理由

モデルはそのまま放置すると、被写体を中央、レンズに対して正面に配置し、フレームに平行な壁や背景の前に置きます。光は均一で正面から当たり、すべてが同じシャープネスで、背景はペイントされた平面的なものとして読まれます。プロンプトがそれを悪化させます。オブジェクトを列挙する（「ミキサーと男性がいるパン屋の女性」）ものの、それぞれがどれだけ離れているかを決して言わないため、モデルは3つすべてを1つの平面上に並べて配置します。「シネマティック」「被写界深度」「ボケ」のような汎用的な単語もあまり役に立ちません。中央のポートレートの背後にボケた背景を与えるだけであり、それでも2つの面がくっついたままです。

修正方法は、すべての面にそれぞれ独自のオブジェクト、距離、シャープネス、トーンを与え、それらの間に目に見える空間を残すことです。

深度スタック：すべてのショットにこれを書く

面	レンズからの距離	そこに置くもの	ピント	トーン	フレーム内の位置
前景	0.3〜1.5 m	1つの単純なオブジェクト、または肩の後ろ側で、部分的にだけフレーム内に収めるもの：グラス、ドア枠、葉、ランプ、手すり、聞き手の肩	ソフト、ピンぼけ（インサートカットでのみシャープ）	最も暗く、低ディテール、しばしば半シルエット	端または隅：下3分の1、または左または右6分の1。顔にはかからない
被写体（中景）	2〜4 m（会話は2〜2.5 m）	人物とアクション、ショットの理由	シャープ	最も明るく、最もコントラストが高く、最も強い色	3分割線上、目がクリア、頭上の余白15〜25％
背景	6 m〜地平線	場所、光源、可能であればストーリー要素	よりソフトに	低コントラスト。屋外では明るく霞み、屋内では暗くまたは明るい窓。より寒色または彩度低め	フレームの背後を満たし、奥行きへと向かう線がある

面の間には、さらに2つを書きます。

• 隙間：面の間の開いた床、テーブルの長さ、道路、砂浜。これがないと層が1つの面に融合します。あると目が距離を測ります。
• 空気：被写体と背景の間の、かすかな霞、光線中のほこり、湯気、霧、雨、煙。空気は遠くのものを青白く見せ、目がそれを距離として読み取り、被写体の輪郭を浮かび上がらせます。

ショットは意図的に面を省略することがあります。クローズアップは前景を省けますし、インサートカットでは前景が被写体になります。その場合、残った面がピント、光、空気で深度を担い、その旨をプロンプトで明示します。

11のルールと、それぞれが機能する理由

最初の5つは古典的な演出ルールです。

1. ケーキのように層にする。 前景、被写体、背景をそれぞれ独自の文で指定する。名前のない面は描かれません。
2. 異なる物体ではなく、異なる距離。 3つのものを横に並べても平坦です。各面にメートル単位の距離、または関係性（「彼女の2メートル後ろ」「部屋の奥」）を与えます。
3. 層の間に空間を残す。 隙間（床、テーブル、道路）を名前で指定し、前景のグラスが手に成長するように面が融合しないようにします。
4. 遠景は被写体よりも低コントラストに保つ。 目はコントラストを近さとして読むため、高コントラストの背景は前に飛び出します。屋外では、距離が物を青白く、柔らかく、青くするか、ゴールデンアワーには暖かくします。これが空気遠近法です。
5. わずかなほこりや霞が被写体と背景を分離する。 軽く保ち、被写体の背後に配置します。被写体の前の霞は顔を洗い流します。

残りはAI動画にも必要なものです。

6. どの面がシャープかを言う。 ピントは深度の手がかりであり、ポインターでもあり、シャープな面が見る人の視線を集めます。「浅い被写界深度」だけでは汎用的なポートレートボケになります。「前景のグラスと遠くのスカイラインはソフトに、ミアはシャープフォーカスに」と書きましょう。
7. 望む深度に合わせてレンズを選ぶ。
   • 広角、18〜28 mm：面間の距離を引き伸ばす。ワイドショットや奥行き演出に使い、顔から1.5 m以内では使わない。
   • 標準、35〜50 mm：会話シーン。
   • 望遠、85〜135 mm、後方から撮影：面を圧縮し背景を溶かす。これにより近くの顔が孤立します。
8. ピントだけでなく、光と色で分離する。
   • リムライトや逆光が被写体の輪郭を描く。
   • 異なる深度の実用的な光源（部屋の奥へと続くランプ、ストリングライト）が距離をマークする。
   • 暖色の被写体と寒色の背景、またはその逆は、すべてがシャープでも面を分割する。
9. 動画では、カメラを動かして層が異なる速度で動くようにする。 前景オブジェクトを通り過ぎるトラック、ドリー、アーク、ペデスタル、クレーンは、動きの中で最も強力な深度手がかりである視差を生み出す。ズームはすべての面を一緒に拡大し平坦化する。固定ショットには、動く面を1つ必要とする。湯気、後方を通り過ぎる人物、カーテン、雨。
10. 背景にストーリーの仕事をさせる。 戸口の目撃者、到着するライバル、時計、隣のテーブルのリングボックス。奥行き演出は、視聴者に同時に2つのものを読ませ、セリフなしで劇的アイロニーを生み出す。ラックフォーカスは、正確なビートで一方の面から他方へ注意を移す。
11. 顔を安全に保つ。
    • 前景は顔やアクションを横切らない。
    • 話す顔は中距離の被写体面に留める。背景の小さな顔はAI動画でドリフトするため、話さず、ショットのポイントにもしない。
    • すべての人物をすべての面で名前指定する。動画モデルは伝えられていない人物を落とし、伝えた人物をでっち上げる。

プロンプトに書き込む

画像またはキーフレームの場合、面ごとに1文を前から後ろへ書き、次に空気と光を書きます。

<ショットサイズ>、<アングル>、<レンズ>、<距離>から。 前景：<オブジェクト>、ピンぼけ、フレームの<端>。中景：<被写体とアクション>、シャープフォーカス、<被写体への光>。背景：<場所、光源、ストーリー要素>、よりソフトで低コントラスト。<空気>が<被写体>と<背景>の間に漂う。<キーライト、リムライト、色分離>。

動画の場合は、視差を生み出す1つのカメラムーブを追加し、各面で何が動くかを言います。

カメラは小さな振幅で低速で右にトラックし、前景のグラスが左端をミアよりも速く滑り、スカイラインはほとんど動かない。

スタックはショットの説明の中、モデルが構図を読む場所に保持します。複数ショットの動画プロンプト（H3の[Shot N]、SeedanceのShot N:）では、各ショットに独自の短いスタックを与え、冒頭で1つの文を共有しないでください。

例：同じアイデアの平坦版とレイヤー版

平坦版（ほとんどのプロンプトが書かれるように）：

夜のレストランのテーブルで言い争う女性と男性、シネマティック、被写界深度、4k。

レイヤー版：

ミディアムワイドツーショット、アイレベル、35 mm、3 mから。前景：隣のテーブルの半分空のワイングラスとキャンドル、ピンぼけ、左下隅。中景：ミア、29歳、銅色のカールを低いおだんごにまとめ、エメラルドグリーンのシルクドレス、白いクロスのテーブルに向かって身を乗り出す、ダミアン、31歳、チャコールグレーのスーツの方を向く。両者シャープフォーカス、2人の間のキャンドルで暖かく照らされる。背景：屋上テラスが遠ざかり、ストリングライトと夕暮れのかすんだ街のスカイラインへと続く、よりソフトで低コントラスト。白いジャケットのウェイターが遠くのドアの横で待つ、小さくソフトに。彼らの背後に薄い霞がかかる。冷たい青の夕暮れのリムライトが、暖かいテラスに映えるミアの髪の輪郭を描く。

2つ目のプロンプトは、すべての面にモノ、距離、シャープネス、トーンを与えています。また、背景に小さなストーリー要素（ウェイター）を与えており、後でビートを担うことができます。

プロンプトまたはフレームのチェック（平坦テスト）

プロンプトを送信する前、または生成されたフレームをレビューするときに、次の質問に答えてください。

1. 3つの面を名前指定できますか？ できない場合、フレームは平坦です。
2. それらは異なる距離にありますか？ 横並びではなく、それらの間に見える床、地面、テーブルがありますか？
3. 被写体が最もシャープで最もコントラストが高いものですか？ 目を細めて見てください。被写体が最も目立つ塊であるべきです。
4. 背景は被写体よりも低コントラストで、ソフトまたは霞んでいますか？
5. 分離ツール（リムライト、霞、色コントラスト、ピント）はありますか？
6. 前景が顔やアクションを横切っていますか？
7. 動画の場合、カメラムーブは視差を生み出していますか？ ズームはカウントされません。
8. すべての面の全員が名前指定されていますか？ 群衆には人数とアクションが指定されていますか？

プロンプトを機械的にチェックするには、python3 scripts/depth_check.py <ファイル>（動画プロンプトの場合は--videoを追加）を実行します。[Shot N]マーカーを読み取り、各ショットについて3面、距離、ピント、トーンと空気、分離光、レンズ、視差ムーブ、否定語、前景が顔を隠すリスク、名前のない背景群衆をチェックします。各ショットを10点満点でスコアリングし、前景も背景も名前指定されていないショットをFLATと判定します。スコアは目安であり、最終判断ではありません。フレーム自体が最終的な判断を下します。

平坦なフレームの修正

最も安価なものから順に、次の手順を試してください。

1. 端に前景を追加する：会話シーンでは聞き手の肩、ドア枠、グラス、葉、手すり。
2. 背景を後ろに押しやる：距離を書き、後退する線（廊下、道路、ランプの列）とその前の隙間を追加する。
3. 空気とトーンを追加する：被写体の背後に薄い霞、より青白い背景、より暗い前景。
4. リムライトまたは色の分割を追加し、どの面がシャープかを指定する。
5. 動画の場合、ズームや固定カメラを前景を通り過ぎるトラックやドリーに置き換える。
6. 被写体をレンズに対して15〜30度回転させ、2人目の人物を横ではなく、フレームの奥に配置する。

画像から動画へのクリップの最初のフレームが平坦な場合、モーションプロンプトではなくフレームを修正してください。動画は最初のフレームの構図を保持します。

モデルがレイヤードショットをどのように処理するか

各モデル用のペースト可能なテンプレートはreferences/model-templates.mdにあります。簡単にまとめると：

• H3 Max Turbo：各[Shot N]内にスタックを配置し、距離をメートル単位で指定し、すべての面のすべての人物に名前を付けます。カメラタイプ、振幅、速度を使用します（「低速、小振幅で左にトラック」）。prompt_expansion_modeをdisabledに設定しないと、リライトが面を削除します。背景の人物には役割とアクションを与え、小さくソフトにします。
• SeedanceおよびKling：肯定文のみ、Shot N:行ごとに1つのスタック、視差ムーブを平易な言葉で指定します。
• FLUX、GPT Image、Nano Bananaキーフレーム：面ごとの文をよく理解します。レンズと距離を指定し、「フレーム上3分の1に顔をフォーカス」という言葉は避けてください。カメラを近づけすぎます。
• MidjourneyおよびNiji：ショットと面でリードし、--arを続けます。Nijiはレイヤードアニメ言語（前景セル層、キャラクター層、ペイント背景）をよく読み取ります。

references/depth-recipes.mdには、一般的な状況（会話のツーショット、オーバーザショルダー、シングルクローズアップ、ラックフォーカスによる背景の開示、屋外ワイド、ドア越しの室内、窓光、夜の通り、歩きながらの会話、インサートカット、パーティー、車内、アニメのマルチプレーン）用のレディメイドレシピが用意されています。ショットに合ったレシピを先に読んでから書き始めてください。

Ziztuでの作業

• マイクロドラマ：Ziztuマイクロドラマライタースキル（ziztu-micro-drama）と併用する場合、各定常的な場所に、一度だけ深度キット（固定前景ピース、演技エリア、背景とその光）をバイブルで定義し、その後その場所のすべてのショットでそれを再利用します。これにより、深度と場所の両方の一貫性が保たれます。フックとクリフハンガーは深度内で演出します。多くの場合、背景に明かしが含まれます。
• Ziztuでの制作（https://getziztu.com）：Ziztuはショットを計画し、各ショットの最初のフレームを作成し、アニメーション化します。H3 Max Turbo、Seedance 2.5、Kling 3、FLUX 3 Max、GPT Image 2.5、Nano Banana、Seedreamを実行するため、ここでのテンプレートをそのままプロンプトボックスに貼り付けられます。ディレクターに「すべてのショットにレイヤー深度：ソフトな前景、シャープな被写体、霞む背景」と依頼してください。モーションに支払う前に平坦テストで最初のフレームを確認してください。動画は最初のフレームの構図を保持するからです。
• アニメ：マルチプレーンで考えます。パンでは前景セル層がキャラクター層よりも速く滑り、ペイント背景の上を動きます。
• アプリをZiztuに接続する：Claude Code claude mcp add --transport http ziztu https://getziztu.com/mcp；claude.aiおよびClaude Desktop：カスタマイズ、コネクタ、カスタムコネクタの追加、https://getziztu.com/mcp；Codex codex mcp add ziztu --url https://getziztu.com/mcp。