OpenSora 2プロンプト実践ガイド

OpenSora 2 プロンプトは、気分だけのアイデアではなく、制作指示として扱うとより効果的に機能します。 OpenSora 2 ホームページ で開始し、シーンを探索しているときに テキストをビデオに を選択し、シーンを探索しているときに 画像をビデオに に切り替えます。すでにフレームを持っています。生成する前に、件名行、モーション行、カメラ行、照明行、環境行、制約行を 1 つずつ書きます。

シーンを狭くし、モーションを測定可能な状態に保ち、テキストからビデオへのアイデアを解決するのか、画像からビデオへの制御を解決するのかを決定します。 OpenSora 2 ジェネレーター は、OpenSora ドラフト モデルが選択された現在のテキストからビデオへのフローにリダイレクトします。

このガイドの OpenSora 2 の意味

この記事では、一般的なインターネットの略記ではなく、サイトの実際の現在の製品マッピングを使用しています。リポジトリでは、OpenSora ラベル付きの text-to-video オプションが、異なるラベルを持つ 3 つの個別の選択肢として公開されています。

• 「OpenSora ドラフト」
• 「OpenSora 2 Lite」
• 「OpenSora 2」

これらのオプションはコード内のさまざまなプロバイダー モデルに関連付けられていますが、同じ広範なプロンプト規律を共有しながら、明確なシーンを作成し、モーションを定義し、短い 1 行でスタイル、タイミング、フレーミング、オブジェクトの動作をすべて一度に伝えることを避けます。

実際の意味は、最適なプロンプトは最長のプロンプトではないということです。最良のプロンプトは、次世代の決定を明確にするものです。件名が間違っている場合は、どの行を修正すればよいかを知っておく必要があります。カメラが間違っている場合は、どの行を修正すればよいかを知っておく必要があります。タイミングが間違っている場合は、どの行を修正する必要があるかを知っておく必要があります。

最も効果的な 6 部構成のプロンプト構造

ほとんどの OpenSora 2 テキストからビデオへのタスクでは、6 つの部分を次の順序で使用します。

1. 主体と行動
2. 環境
3. カメラの動作
4. 動作タイミング
5. 照明と質感
6. 制約と除外

この順序は、読者が通常失敗を診断する方法を反映しているため、重要です。 「潜在空間に違和感を覚えた」という人はほとんどいません。 「被写体が変わった」「カメラが流れた」「背景がカオスになった」と言います。構造化されたプロンプトにより、編集ハンドルが表示されます。

Subject:
A young woman in a loose white shirt practices a slow contemporary dance phrase.

Environment:
Sunlit industrial loft studio with tall windows, wooden floor, light dust in the air.

Camera:
Medium-wide shot, slow dolly in, eye-level framing, no sudden angle changes.

Motion timing:
She steps forward, turns once, lifts both arms, pauses, then leans into a final reach.

Lighting and texture:
Soft morning light, warm highlights, realistic skin texture, natural cloth movement.

Constraints:
No duplicate limbs, no background crowd, no hard cuts, no extra props, no text overlay.

この記事のパターンを 1 つだけコピーする場合は、そのパターンをコピーしてください。

スタイル設定する前にベースライン プロンプトから開始します

失敗する OpenSora 2 プロンプトのほとんどは、「単純すぎる」ものではありません。ベースラインが証明される前に変数が多すぎるため、不安定になります。最初に 1 つの接地バージョンから始めます。

Create a realistic cinematic video of a woman practicing contemporary dance in a sunlit loft studio. Medium-wide shot. Slow dolly in. She takes three steps, turns once, raises both arms, pauses, and finishes with a controlled side reach. Natural fabric movement, warm morning light, realistic skin tone, clean wooden floor, no text, no extra people.

そのベースラインを 1 回実行します。次に、どの単一ディメンションをプッシュするかを決定します。

• より強力なスタイル
• より緊密なカメラ
• より速い動き
• より密な環境
• よりドラマチックな照明

5 つすべてを同時に変更しないでください。そうした場合、診断の価値は失われます。

テキストからビデオへのプロンプト式

仕事がアイデアの創出である場合、テキストからビデオへの変換が最初の目的として適切です。最も信頼できる公式は次のとおりです。

[subject doing one clear action] + [specific setting] + [camera instruction] + [timing cue] + [lighting cue] + [three exclusions]

ここでは、適応できる 3 つの実用的なプロンプト シェルを紹介します。

映画のようなリアリズム シェル

A [subject] performs [single action] in [specific environment]. [Shot type], [camera movement], [framing]. The motion unfolds in [timing pattern]. [Lighting], [surface details], [atmosphere]. Avoid [artifact 1], [artifact 2], [artifact 3].

製品説明シェル

A clean studio product video of [object]. Start with [opening framing], then [movement beat 1], then [movement beat 2]. Neutral background, precise reflections, readable silhouette, premium lighting, stable geometry. No hands, no floating objects, no text overlay.

ソーシャルクリップシェル

Create a short vertical-style feeling video of [subject] in [setting]. The first second shows [hook], then [main action], then [ending beat]. Smooth handheld energy, bright contrast, believable motion blur, no sudden morphing, no duplicate faces.

これらは魔法の言葉ではありません。これらはコントロール テンプレートです。

テキストからビデオへの切り替えから画像からビデオへの切り替えが必要な場合

主な不満が構図のズレ、キャラクターの不一致、または小道具の配置である場合は、テキストの書き換えをやめて、画像からビデオへ に進んでください。テキスト プロンプトは意図を説明するのに適しています。非常に特定の最初のフレームが必要な場合には、それらは弱くなります。

次の場合に画像からビデオへの変換を使用します。- 即時の目新しさよりもオープニングフレームが重要

• 使用可能なスチルをすでに持っています
• 対象者の身元は近くにある必要があります
• 背景レイアウトは認識可能な状態でなければなりません

次の場合にテキストからビデオへの変換を使用します。

• アイデアを素早く検討している
• 開始フレームがありません
• 複数の視覚的な方向性を迅速に必要とする
• 正確な構成よりもシーンのコンセプトが重要です

この分割により時間を節約できます。多くのユーザーは、実際に不足している入力が制御された画像であるにもかかわらず、テキスト プロンプトを書き換え続けます。

実際のサイトの制約を考慮して設計する価値がある

このサイトの現在の OpenSora ラベル付きビデオ オプションは、コード内でいくつかの実用的な特徴を共有しています。

• プロンプトの長さは構造化されたプロンプトには十分な長さになる可能性がありますが、余分な文がすべて役立つわけではありません
• OpenSora ラベルのビデオ オプションのデフォルトの長さは短いため、プロンプト内のすべてのビートがその場所を確保する必要があります
• デフォルトの解像度は控えめなので、装飾よりも構図の明瞭さが重要です

これらの制約により、コンパクトなシーンファーストのプロンプトが実現されます。 10 ショットのストーリーボードを 1 つの短い世代に詰め込もうとすると、通常、創造性が向上する前にモーションの品質が低下します。

そのため、プロンプトは 1 つのモーション アークを含む 1 つのシーンとして作成してください。シーケンスが必要な場合は、複数のショットを生成し、後でカットします。この記事は、プラットフォームネイティブのエディターがそのパイプライン全体を解決すると主張するものではありません。より安全な生成戦略を推奨しています。

タイミングのプレッシャーに耐えられるプロンプトを作成する方法

短い世代は曖昧な動詞を罰します。 「美しく動く」などの広義の言葉を、目に見えるタイミングの手がかりに置き換えます。

• 2 回前に進みます
• 1回回転します
• 1 拍停止します
• 左に見える
• カメラに向かって手を伸ばす
• 布地が動きから0.5秒遅れて跡をたどる

以下の 2 つのバージョンを比較してください。

Weak:
A dancer moves gracefully in a studio with cinematic lighting.

Stronger:
A contemporary dancer takes two measured steps toward camera, turns once, pauses, then extends both arms into a final reach in a sunlit loft studio. Medium-wide shot, slow dolly in, warm morning light, realistic cloth motion, no extra people, no sudden camera shake.

2 番目のバージョンでは、モデルに読み取り可能な動きの背骨が与えられます。

良い部分を失わずにプロンプトを修正する方法

通常、最大の品質の向上は、まったく新しいプロンプトを見つけることでではなく、改訂の規律によってもたらされます。世代ごとに、何が正しくて何が壊れたのかを書き留めます。次に、次のパスのために正しいラインをそのままにしておきます。

この 3 列のレビューを使用してください。

• 保持: すでに適切に見える部分
• 修正: 目に見えて故障した部分
• 削除: 価値を追加せずに混乱をもたらしたあらゆるフレーズ

たとえば、環境と照明が強いにもかかわらずカメラがドリフトする場合は、プロンプト全体を書き換えないでください。環境ラインを維持し、照明ラインを維持し、カメラ ラインを引き締めます。

Revision note:
Keep the loft studio, warm morning light, and final reach.
Fix the camera to one slow dolly in with no orbiting.
Remove extra style words that suggest montage or dream logic.

安定したプロンプトは累積されるため、これは重要です。信頼できる被写体と設定を見つけたら、それらを保護します。後の層が失敗したからといって、動作中の構造を破棄しないでください。

このサイト内の実践的なワークフロー

サポートされていないパラメーターを作成せずに、現在所有されているルートに適合するワークフローを次に示します。

1. Text to Video を開始します。
2. 6 つの部分からなるベースライン プロンプトを貼り付けます。
3. 最初にプレーンなリアリズム パスを 1 つ生成します。
4. プロンプト ブロックを 1 つだけ変更します。
5. 構図がずれ続ける場合は、参照フレームを使用して Image to Video に移動します。
6. サポート静止画が必要な場合は、アニメーション化する前に、Text to Image または Qwen Image 3 を使用してフレームをデザインします。

現在、サイトでは複数の作成モードが公開されており、それぞれが異なる障害クラスを解決するため、これは重要です。適切なプロンプトには、より良い形容詞を選択するだけでなく、正しいモードを選択することも含まれます。

故障診断: 結果が間違っていた場合に何を変更するか

OpenSora 2 プロンプトを改善する最も簡単な方法は、障害の種類別に診断することです。

被写体の形状が変化した場合

スタイル言語を短くし、件名を強調します。年齢、服のシルエット、ポーズの系統、アクションを優先します。

カメラがランダムに見える場合

ワンショットタイプと1つの動きを使用します。編集、モンタージュ、または複数のレンズを暗示する単語を削除してください。

シーンが乱雑になった場合環境を 2 つまたは 3 つの表示アンカーに絞り込みます。除外を追加します。

動きが弱いと感じる場合

抽象的な動詞を、タイミングを合わせた物理的なビートに置き換えます。 「元気」はビートではありません。 「一度向きを変えて前に突進する」というのがビートです。

スタイルの推進後にリアリズムが崩壊した場合

ベースライン プロンプトに戻り、一度にスタイル修飾子を 1 つだけ追加します。

開始フレームはほぼ正しいのに、ドリフトし続ける場合

画像からビデオへの切り替え。これは通常、表現の問題ではなく、コントロールの問題です。

実際に再利用できるプロンプトの例

以下は、さまざまなジョブ用に構築された 4 つの再利用可能なプロンプトです。

ダンスパフォーマンスのプロンプト

Create a realistic cinematic dance video. A young woman in a loose white shirt and charcoal practice pants performs a slow contemporary phrase in a sunlit loft studio with tall windows and a wooden floor. Medium-wide shot, slow dolly in, eye-level framing. She steps forward twice, turns once, raises both arms, pauses, and finishes with a long side reach. Warm morning light, natural dust in the air, realistic skin and fabric texture, controlled pace. No extra dancers, no text, no sudden camera shake, no duplicate limbs.

ファッションモーションプロンプト

Create a clean editorial fashion video of a model walking through a quiet concrete hallway. Full-body framing, slow tracking shot from the front, then a slight side drift near the end. The coat swings naturally with each step, the model looks past camera once, then stops at the final frame. Soft overhead light, premium fabric detail, restrained luxury mood. No crowd, no props, no fast cuts, no warped hands.

製品の美しさに関するプロンプト

Generate a premium product video of a matte black perfume bottle on a stone pedestal. Start with a close-up on the cap, then slow pull back to reveal the full bottle while soft mist moves behind it. Controlled reflections, dark neutral background, elegant rim light, stable geometry, realistic glass and metal surfaces. No hands, no labels changing shape, no floating fragments, no text overlay.

環境第一のコンセプトのプロンプト

Create a cinematic video of a narrow neon street after light rain at blue hour. Start with an empty frame, then a cyclist enters from the left, passes a glowing shop sign, and disappears into the distance. Slow forward camera movement, wet reflections, soft haze, believable wheel motion, restrained color palette. No crowd buildup, no chaotic signage, no abrupt weather shift.

正直に言うべき制限

プロンプト ガイドは、公開されているサンプルからの正確なランキング、正確な視覚的忠実度、または正確な元のプロンプト リカバリを保証するものではありません。また、このガイドでは、OpenSora ラベルが付いた 1 つのオプションが、サイト上の他のすべてのビデオ モデルよりも常に優れているとは主張しません。それよりも狭いです。

このガイドが主張していることは次のとおりです。

• 構造化されたプロンプトは、気分のみのプロンプトよりもデバッグが簡単です
• 短い世代は測定可能なビートに報酬を与える
• 画像からビデオへの変換は、多くの場合、構図のずれを適切に修正します。
• このサイトが所有するルートは現在そのワークフローをサポートしています

それ以外はすべて実際のタスクでテストする必要があります。

この記事が次のワークフローに適合する場所

最初から始める場合は、OpenSora 2 ホームページ に戻り、Text to Video を開いて、ベースライン プロンプトを 1 つテストします。必要な正確なフレームがすでにわかっている場合は、Image to Video を使用します。最初に静止画が必要な場合は、Text to Image または Qwen Image 3 でビルドしてからアニメーション化します。

これは、単一の巨大なプロンプトを追うよりも信頼性の高いワークフローです。

よくある質問

OpenSora 2 プロンプトの長さはどれくらいが最適ですか?

被写体、設定、カメラ、モーション、照明、制約を指定するのに十分な長さ。すべての行がシーンの目に見える部分を変更するのに十分な短さです。通常、構造化された中程度の長さのプロンプトは、スタイルワードの密集した段落よりもデバッグが簡単です。

テキストからビデオへの変換と画像からビデオへの変換のどちらを最初に使用するべきですか?

テキストからビデオへの変換をアイデアの創出やシーンの発見に使用します。開始フレーム、文字の一貫性、またはレイアウトが探索よりも重要な場合は、画像からビデオへの変換を使用します。

プロンプトが長い場合でも、結果が一般的に見えるのはなぜですか?

なぜなら長さとコントロールはイコールではないからです。一般的な結果は通常、弱いアクションビート、曖昧なカメラ言語、または件名と競合する多すぎるスタイル修飾子から生じます。

1 つのプロンプトにはいくつのアクションを含める必要がありますか?

短いビデオ生成の場合、完全なシーケンスよりも 1 つのモーション アークの方が安全です。 1 つの始まり、展開ビート、終わりビートが 1 つある 1 つのシーンで考えてください。

テキストだけから文字の正確な一貫性を強制できますか?

確実ではありません。アイデンティティと構成を近づける必要がある場合は、テキスト プロンプトを繰り返し拡張するのではなく、参照フレームを使用して画像からビデオに移行します。

結果が壊れた場合、最初に何を削除する必要がありますか?

まず余分なスタイル用語を削除してください。主題、アクション、カメラのラインを維持します。ベースラインが安定したら、一度に 1 つの制御されたレイヤーにスタイルを追加し直します。

メソッドをテストする準備ができたら、OpenSora 2 ホームページ に戻り、OpenSora 2 ジェネレーター を開き、テキストからビデオへのワークスペースに進みます。 OpenSora Draft モデルから開始して、ベースライン生成を 1 つ作成し、次のパスでプロンプト ブロックを 1 つだけ変更します。