ByteDance Bernini：AI動画編集とプロンプトの完全ガイド

一貫性ロック編集

プランナーがレンダラーの描画前に意味づけを確定するため、Bernini は変更を指定していない部分をそのまま保ちます。編集内容を指定し、次に固定する部分を指定すれば、指定していない領域は動画全体を通してちらつきやズレなく静止します。これがこのモデルの最も強い編集特性です。

リファレンス誘導編集

参照画像や2本目のクリップを渡すと、Bernini はそれをソース動画に適用します。1枚の静止画から動いているサブジェクトに衣装を差し替えたり、商品や画面上の動画を挿入して元の映像に追従させたりできます。変更箇所の周囲は、ソースクリップのまま保たれます。

サブジェクト動画化

参照画像を渡し、プロンプト内でそれぞれをインデックス（image0、image1）で参照し、どのサブジェクトや属性がどの画像由来かを指定します。Bernini は動いてもその顔が判別できる形でサブジェクトを新しいシーンに引き継ぎます。これは ByteDance のサブジェクト動画化評価で際立った結果を示しています。

モーション編集

既存のクリップ内でサブジェクトの動作を変更します。人物が前かがみではなくしゃがむ、といった具合に、本人らしさ、フレーミング、ライティング、背景は据え置かれます。撮り直さずにアクションを組み直せます。

画像＋動画の統合

1つのモデルでテキスト→画像、画像編集、テキスト→動画、動画編集をカバーするため、静止画と動画編集が同じプロンプト言語から生まれます。1つの指示の仕方を覚えれば、両方の形式に適用できます。

2つの習慣が、Bernini の品質の大半を左右します。

• 説明ではなく指示を書く。編集では既存のクリップを変更するので、プロンプトは指示文になります。何を、どこに、追加・削除・変更するかです。生成（テキスト→動画、テキスト→画像）では、通常どおりシーン全体を描写します。
• 変える部分を指定し、次に残す部分を指定する。レンダラーはどの領域にも手を加えられるので、最も確実な編集は、変更を述べてから動かしてはいけないすべてを固定することです。この2つ目の習慣が一貫性ロックで、次に解説します。

詳細で構成された指示は、簡潔なものに勝ります。Bernini のプランナーは、一言で済ませるより、サイズ、配置、素材、そして新しい要素のライティングがシーンにどう合うかまで書き出したほうが、よい結果を出します。

レンダラーは指定していない領域をうまく保ちますが、それはプロンプトがその領域を伝えた場合に限ります。やり方は、編集を正確に述べ、次に変えてはいけないすべてを列挙し、最後を「変更しない（unchanged）」で締めることです。削除も同じで、埋める内容を描写してから周囲を固定します。

ロックを省くとモデルは背景を自由に描き直してしまいます。これに一文を割けば、編集は元のショットに元から馴染んだものとして読み取れます。

• ロックなし：変わらない部分を指定しないと、編集がフレームの残りに滲み出します。
• 簡潔すぎる指示：3語の命令ではなく、新しい要素を、サイズ、配置、素材、ライティングまで含めて十分に描写します。
• 曖昧な参照：サブジェクト動画化では、各画像をインデックス（image0、image1）で参照し、どの属性がどの画像由来かを述べます。「これらの参照を使って」では足りません。
• 本人らしさまで動かすモーション編集：動きを変えるときは、人物、衣装、位置、カメラを固定し、アクションだけが変わるようにします。
• 4Kを期待する：デフォルトのレンダリングは 480p・16fps で、解像度より編集の忠実度に合わせて調整されています。指定していない領域をどれだけきれいに保つかで評価してください。