はじめに
Wanで動画を生成するとき、短い日本語の指示だけでは、狙った動き・構図・雰囲気が十分に反映されないことがあります。そんなときに試したいのが、プロンプトを具体的な映像描写に広げる Prompt Expansion(プロンプト拡張・拡写) です。
本記事では、提供資料をもとに、日本語プロンプトの注意点、prompt_extendの使い分け、意図しない補完を減らす設計方法を整理します。
本記事のAPI例・パラメータ表は、提供資料にある wan2.x系の説明 をもとにしています。Wan 3.0を含め、利用するモデル・APIごとに対応パラメータや既定値を確認してください。例示はリクエストの抜粋であり、そのまま送信できる完全なAPIリクエストではありません。
この記事でわかること
- 短い日本語プロンプトに不足しがちな情報
- Prompt Expansionと
prompt_extendの役割 - 拡写をON/OFFにする判断基準
- ユーザー入力を詳細化し、確認してから生成する設計パターン
なぜ「簡単な日本語」では効果が悪いのか
提供資料では、Wan 3.0に短い日本語の指示を与えたとき、意図どおりに反映されにくいケースが指摘されています。ただし、これを「日本語は必ず苦手」「英語なら必ず成功する」と一般化することはできません。言語だけでなく、指示の具体性や生成条件も切り分けて考える必要があります。
たとえば、短文だけでは次のような情報が曖昧になりがちです:
- 「夕暮れの街を歩く女性」だけでは、光の色・影の長さ・構図が明示されていない
- 「ゆっくり歩く」だけでは、歩く速さとカメラの動きの関係が曖昧になる
- カメラの高さ・距離・追従方法が未指定だと、想定外の画角になることがある
大切なのは、プロンプトの文字数そのものよりも 映像を決める情報が入っているか です。被写体、動き、背景、光、カメラワークを具体化すると、意図を伝えやすくなります。
短い日本語入力を否定するのではなく、「ユーザーは短く入力できる」「生成前に必要な情報を補う」という設計を目指します。
prompt_extend: プロンプト拡写を利用する
Prompt Expansionは、短い指示を具体的な描写へ広げる考え方です。資料では、その機能をON/OFFにするパラメータとして prompt_extend が紹介されています。
以下はwan2.6-t2vを使った設定例の抜粋です。パラメータの配置などは、実際に利用するAPI仕様に合わせてください。
{
"model": "wan2.6-t2v",
"prompt": "猫が雪の上を歩く",
"size": "1280*720",
"duration": 5,
"prompt_extend": true
}
拡写のイメージを比較してみます。以下は説明用の例で、実際の拡写結果ではありません。
入力:
猫が雪の上を歩く
拡写後のイメージ:
冬の朝、白い猫が降り積もった雪の上をゆっくり歩く。
足跡が雪に残り、吐く息が白く見え、柔らかい逆光が毛並みを照らす。
カメラは低い角度からゆっくり追う。
被写体・光・質感・カメラワークが具体化され、生成に渡す情報が増えます。日本語の短い指示を受け付けるUIでは、このような補完が使いやすさにつながります。ただし、拡写による品質向上や指示の遵守は保証されません。
拡写の副作用: 意図しない補完に注意
拡写は、AIが不足する詳細を補う処理です。そのため、補われた内容がユーザーの意図から外れる可能性があります。
たとえば、猫の色が未指定のため白猫と補完されたり、背景の小物やカメラ演出が追加されたりするケースを想定しておく必要があります。
広告・商品紹介などでは、商品形状、色、数量、ブランド表現といった「変えてはいけない条件」を明示してください。拡写をOFFにしても、生成結果が条件を守る保証はないため、最終確認は必要です。
true / false の使い分け
| 判断軸 |
trueを試すケース |
falseを試すケース |
|---|---|---|
| 入力の具体性 | 短文・曖昧なアイデア | 十分に詳細化済みの指示 |
| 補完の許容度 | 構図・光・背景をAIに補わせたい | 未指定の小物・演出を増やしたくない |
| 用途 | 気軽な試作・ユーザー投稿 | 商品やブランド表現を確認する制作 |
| 運用 | 手軽さを重視する | 入力と出力の差を追いやすくしたい |
精度を重視する場合は、被写体・動き・光・カメラ・禁止事項を自分で具体化してから、prompt_extend: falseで比較します。英語への変換を試す場合も、言語を変えただけで品質が保証されるわけではありません。
実運用の設計パターン
手軽さ優先と確認重視の2つのモードを用意する方法があります。
ユーザー入力(日本語短文)
│
├─ モードA: prompt_extend=true
│ → 自動補完を利用して生成
│
└─ モードB: アプリ側のLLMで詳細化・必要に応じて翻訳
→ ユーザーが内容を確認・修正
→ prompt_extend=falseで生成
モードBでは、LLMへの詳細化指示にも「明示された色や数量を変えない」「禁止事項を維持する」といった制約を含めます。生成前に確認できることが利点ですが、LLMによる詳細化にも意図との乖離はあり得ます。
その他の主要パラメータ
資料に登場する主要パラメータを整理します。対応値・既定値はモデルごとに異なるため、下表は確認項目として利用してください。
| パラメータ | 役割 | 確認すること |
|---|---|---|
model |
使用するモデル | 正式なモデルID、T2V/I2Vの区別 |
prompt |
動画内容の指示文 | 対応言語、長さ制限、被写体・動き・光・構図 |
prompt_extend |
プロンプト拡写ON/OFF | 対応有無、既定値、補完を許容できるか |
size / ratio
|
解像度・アスペクト比の指定 | 実際のAPIで使う項目名と対応値 |
duration |
動画の長さ | 対応秒数、既定値、上限 |
negative_prompt |
避けたい要素の指定 | 対応有無、指定が結果にどう反映されるか |
今回の中心は、promptとprompt_extend の2つです。解像度や秒数を変える前に、映像を決める指示が十分かを確認しましょう。
negative_promptに対応するモデルでは、blurry, low qualityなどの品質上避けたい要素を指定して比較できます。ただし、指定した要素を必ず排除できるわけではありません。
PGC か UGC か: prompt_extend の設計判断
- PGC(Professionally Generated Content): 専門家が制作する広告、ブランドムービー、番組など。
- UGC(User Generated Content): 一般ユーザーが制作するSNS投稿、レビュー動画など。
UGC向けのUIでは、ユーザーが短い言葉で入力できるよう、拡写ONを初期候補にする方法があります。一方、PGCでは商品やブランドの条件を確認しやすくするため、詳細化したプロンプトと拡写OFFを比較する方法が適します。
ただし、PGC/UGCだけで機械的に決めるのではなく、追加された表現をどこまで許容できるかを判断軸にします。
まとめ
- 短い日本語入力では、言語だけでなく指示の具体性も確認する
- Prompt Expansionで被写体・光・構図・動きを補う
-
prompt_extendのON/OFFを、補完の許容度で使い分ける - 重要な色・形・数量・禁止事項は明示し、生成後も確認する
- アプリ側で詳細化し、ユーザーが確認してから生成する方法もある
- API例はwan2.x系の抜粋。Wan 3.0の仕様にそのまま当てはめない
まずは同じ意図を「短文+拡写ON」と「詳細な指示+拡写OFF」で比較し、狙った内容の再現度や意図しない追加の有無を確認してみてください。
Wanのプロンプトを工夫して生成結果がどう変わったか、実際に試した結果があればコメントで共有いただけるとうれしいです。