HeyGen Video 1 のプロンプトの書き方
HeyGen Video 1 は、映像と音を一度に生成します。そのため、プロンプトでも両方を書く必要があります。まずショットの被写体、動き、場所を書きます。続けて、一緒に聞こえる音を書きます。音の指定が具体的なほど、サウンドトラックは動きに近づきます。縦型の SNS 動画や商品紹介のように、声と環境音が印象を左右する動画ほど、この書き方が効きます。
映像と音の両方を書き込んだ、屋台料理のシーン:鉄板のジュージュー、ヘラの音、市場の人混みがショットと一緒に付いてくる
次の6つを押さえれば、モデルに十分な手がかりを渡せます。ほとんどのクリップは、最初の4つで足ります。
| 要素 | 書く内容 |
|---|---|
| 被写体 | 画面に映る人や物と、その見た目を、平易な言葉で |
| 動き | クリップの中で起きること。5〜15秒なら、はっきりした1つの動きで十分 |
| 場所 | どこで、どんな光か。見た目と環境音が揃う |
| 音 | 聞きたい音を、平易に名指しする。セリフ、環境音、効果音 |
| カメラ | ショットと動き。ゆっくり寄る、固定の引きなど |
| フレーミング | アスペクト比。21:9 のワイドから 9:16 の縦型まで |
プロンプトに音を書き込む
多くの動画プロンプトが飛ばすのがここで、HeyGen Video 1 の持ち味が出る部分です。音は映像と一緒に作られるので、クリップの出来は、頼んだ音で決まります。感情ではなく、音を名指ししてください。セリフは、正確な言葉を引用符に入れて書きます。クリップの中で言い終わる短さにしましょう。
プロンプトに引用符つきで書いた正確なセリフ:口の動きと部屋の音が、それに付いてくる
| 望むもの | 書く内容 |
|---|---|
| セリフ | 彼女がカメラを見て言う:「Here's how it works in three steps.」 |
| 部屋の環境音 | 静かなオフィス、キーボードの軽い打鍵音と、声の下の低いうなり |
| 動きに付く効果音 | 砂利を踏むブーツの音、歩みに合わせて |
| にぎやかなシーン | 市場の人混みのざわめき、ジュージューと鳴る鉄板、金属をこするヘラ |
| 静かなシーン | 夜の住宅街、遠くの踏切の音とかすかな虫の声、ほかには何もなし |
押さえておきたい設定
出力を左右する選択は4つです。ショットが決まるまでは低い解像度で下書きし、決まってから上げます。上位の段階ほど費用がかかるためです。
| 設定 | 選び方 |
|---|---|
| 解像度 | 下書きは 480p か 768p、完成版は 1080p か 2K。上位の段階は、より高い料金で課金されます |
| 長さ | 5〜15秒。長いほどセリフや1つの流れが収まりますが、モデルが一貫性を保つ対象も増えます |
| アスペクト比 | 横長は 21:9 か 16:9、縦型は 9:16。ほかに正方形と縦長もあります。縦型の SNS 動画か横型かは、公開先に合わせて選びます |
| 参照 | 特定の被写体や見た目に沿わせたいときは、reference-to-video モード(参照画像から動画を生成)で画像を渡します |
出典:HeyGen Video 1 のモデル一覧と、HeyGen のドキュメント。
作例
下のクリップは、どれも映像と音の両方を名指ししたプロンプトで作りました。音を有効にして、音が動きにどう付いてくるか聞いてみてください。
設定から生まれる環境音:鳥のさえずり、松林を抜けるそよ風、砂利を踏むブーツ。セリフはなし
効果音と短いセリフ:テープをはがす音、段ボールと包装のカサカサ音、ひとことのつぶやき
参照画像を使う
ほとんどのクリップは、テキストから動画を生成すれば足ります。特定の被写体や見た目に沿わせたいときは、画像を使います。HeyGen Video 1 の reference-to-video モードで、画像を渡してください。参照を中心にシーンを組み立て、フレーミングも参照に合わせて調整します。商品、顔、スタイルを言葉で説明して毎回作り直させる必要はなく、そのまま引き継げます。
シーンの一貫性を保つ
HeyGen Video 1 はシーンを安定して保ちます。ただ、プロンプトを詰め込みすぎると、1回の生成には荷が重くなります。次の習慣で、結果が安定します。
| 習慣 | 理由 |
|---|---|
| 1クリップに1つの動き | 5〜15秒に1つの動きのほうが、時間を取り合う3つの動きより安定する |
| 短いセリフ | クリップをはみ出したセリフは途中で切られるので、長さに収まる分にとどめる |
| 主役の音を1つ | いちばん大事な音を先に、背景をその後に書くと、ミックスが濁らない |
| 被写体にアスペクト比を合わせる | 横に広い風景を縦のフレームに入れると左右が切れるので、先にフレーミングを決める |
| 小さく下書きし、大きく仕上げる | 低い解像度でショットを固めてから上げる。2K で試行錯誤するのは避ける |
Morphic で音声付き動画を作る
HeyGen Video 1 は Morphic にはありませんが、映像と音を一度に作る考え方は同じです。Morphic H3 は、映像と同期したサウンドトラックを一緒に生成します。セリフが主役のクリップには、Veo 3.1 が向いています。
- Copilot を開き、シーン、動き、聞きたい音を書きます。
- セリフがあるときは、正確な言葉を書いて Veo 3.1 を指定します。環境音と効果音は、Morphic H3 が映像と一緒に生成します。
- 公開先に合わせてアスペクト比と解像度を選び、結果をダウンロードします。
よくある質問
HeyGen Video 1 は Morphic にはありません。ただ、同じ考え方は Morphic H3 で使えます。Morphic H3 は、映像と一緒にネイティブの音声を生成します。セリフと口の動きの同期が必要なら、Veo 3.1 が向いています。このガイドのプロンプトの構成は、どちらにも当てはまります。
いいえ。HeyGen Video 1 は Morphic にないため、クリップは Morphic で作りました。環境音と効果音のクリップは Morphic H3、セリフのクリップは Veo 3.1 です。
まずショットを書きます。被写体、動き、場所、カメラです。続けて、一緒に聞きたい音を書きます。セリフ、環境音、効果音です。音は映像と一緒に作られるので、音の指定は映像の指定と同じくらい大切です。セリフを入れるなら、正確な言葉を引用符に入れて、誰が話すかも書きます。クリップの中で言い終わる短さにしてください。
アスペクト比は 9:16 にします。長さは 5〜15秒の範囲で、1クリップに1つの動きにとどめます。ショットが決まるまでは 480p か 768p で下書きし、仕上げに 1080p か 2K を使います。縦のフレームでは横に広い風景の左右が切れるので、被写体に合わせて先にフレーミングを決めてください。
ショットと音が決まるまでは、480p か 768p で下書きします。最終のクリップだけ、1080p か 2K で出力してください。HeyGen Video 1 を提供するサービスでは、上位の段階ほど費用がかかります。試行錯誤の間は、使う必要がありません。
テキストのプロンプトだけでなく、HeyGen Video 1 に画像を渡して沿わせるモードです。その参照を中心にシーンを組み立て、フレーミングも参照に合わせて調整します。特定の被写体や見た目が、クリップ全体で保たれます。