はじめに

動画生成AIを使っていると、プロンプトがどんどん長くなり、気づけばメモ帳に似たような文章が何十個も並んでいる……という状態になりがちです。「被写体だけ差し替えたい」「カメラワークは前回のものを流用したい」と思っても、長文をコピペして手で直すのはミスのもとです。

そこで私は、プロンプトを 要素ごとにYAMLで管理し、Pythonで1本の文字列に組み立てる 運用に切り替えました。この記事ではその最小構成を紹介します。

方針：プロンプトを5つの要素に分解する

動画向けのプロンプトは、だいたい次の5要素に分けると扱いやすくなります。

キー	内容	例
subject	何が映っているか	木のテーブルに置かれた白いマグカップ
motion	何がどう動くか	湯気がゆっくり立ちのぼる
camera	カメラの位置・動き	ローアングルからゆっくりドリーイン
lighting	光の質・時間帯	窓からの柔らかい朝の自然光
aspect	画面比率	9:16

要素を分けておくと、「camera だけ3パターン試す」といった比較がとても楽になります。

YAMLファイルの例

shots.yaml に共通設定（defaults）とショットごとの設定を書きます。ショット側で書いたキーだけが defaults を上書きする仕組みです。

shots.yaml

defaults:
  lighting: 窓からの柔らかい朝の自然光
  aspect: "9:16"

shots:
  - id: mug_01
    subject: 木のテーブルに置かれた白いマグカップ
    motion: 湯気がゆっくり立ちのぼる
    camera: ローアングルからゆっくりドリーイン
  - id: mug_02
    subject: マグカップを両手で包む人の手元
    motion: 指先がわずかに動く
    camera: 真上からの固定ショット
    lighting: 夕方の暖色の逆光

aspect は "9:16" のようにクォートしておくのがポイントです。クォートしないと YAML 1.1 のパーサーによっては 9:16 が六十進数として数値に解釈されることがあります。

Pythonで組み立てる

PyYAML（pip install pyyaml）だけで動きます。

build_prompts.py

import sys
import yaml

ORDER = ["subject", "motion", "camera", "lighting"]


def build_prompt(shot: dict, defaults: dict) -> str:
    merged = {**defaults, **shot}
    missing = [k for k in ORDER + ["aspect"] if not merged.get(k)]
    if missing:
        raise ValueError(f"{shot.get('id', '?')}: 不足しているキー {missing}")
    body = "、".join(str(merged[k]) for k in ORDER)
    return f"{body}。画面比率 {merged['aspect']}。"


def main(path: str) -> None:
    with open(path, encoding="utf-8") as f:
        data = yaml.safe_load(f)
    defaults = data.get("defaults", {})
    for shot in data["shots"]:
        print(f"[{shot['id']}] {build_prompt(shot, defaults)}")


if __name__ == "__main__":
    main(sys.argv[1] if len(sys.argv) > 1 else "shots.yaml")

実行結果はこうなります。

$ python build_prompts.py shots.yaml
[mug_01] 木のテーブルに置かれた白いマグカップ、湯気がゆっくり立ちのぼる、ローアングルからゆっくりドリーイン、窓からの柔らかい朝の自然光。画面比率 9:16。
[mug_02] マグカップを両手で包む人の手元、指先がわずかに動く、真上からの固定ショット、夕方の暖色の逆光。画面比率 9:16。

キーが欠けている場合は ValueError で止まるので、「カメラ指定を書き忘れて生成してしまった」という事故を防げます。

運用してみて良かった点

差分が見やすい：YAMLをGitで管理すると、どの要素を変えたら結果が良くなったのかが履歴で追えます。
比較実験がしやすい：camera だけ違うショットを並べれば、カメラワークの影響を切り分けて確認できます。
言語の切り替えが楽：要素ごとに英語版のYAMLを用意すれば、ツールに合わせて言語を変えるのも簡単です。

逆に注意点として、要素を「、」でつなぐだけなので、文章としての自然さは多少犠牲になります。気になる場合は build_prompt の中でテンプレート文字列（例："{subject}。{motion}。カメラは{camera}。"）を使うように変えると読みやすくなります。

おわりに

プロンプトを「文章」ではなく「データ」として扱うだけで、試行錯誤のスピードがかなり変わりました。生成ツールが変わってもYAMLはそのまま使い回せるのも利点です。私は普段、ここで組み立てたプロンプトを Everygen に貼り付けて動画を試作していますが、どのツールを使う場合でも同じ考え方で応用できると思います。

ぜひ自分なりのキー構成を作ってみてください。