HeyGen Video 1 の使い方:音声付き動画のプロンプトガイド

HeyGen Video 1 は、映像と音を一度に生成します。プロンプトの構成、セリフ・環境音・効果音の書き方、解像度とアスペクト比の選び方、参照画像、シーンの一貫性を、再生できるクリップとあわせて解説します。

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。

  1. Copilot を開き、シーン、動き、聞きたい音を書きます。
  2. 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。
  3. 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 を Morphic で使えますか?

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。

作例のクリップは HeyGen Video 1 で作りましたか?

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。

HeyGen Video 1 のプロンプトはどう書けばよいですか?

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。

縦型の SNS 動画を作るときの設定は?

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。

2K はいつ使う価値がありますか?

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。

reference-to-video モードとは何ですか?

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。