Wan 2.2 のプロンプトは説明文ではなく、演出指示です。モデルにはすでにシーンがあります。あなたの言葉が示すシーンか、あなたが渡した静止画か、そのどちらかです。だからプロンプトで本当に意味があるのは、何が見えているかを並べることではなく、何が起きるべきか、カメラがどう動くべきかを伝えることです。
期待外れのプロンプトは、たいていこのどれかが欠けています。そして欠けているのは決まって3つ目です。
「Slow push in on a woman in a red coat walking through a rainy street, shallow depth of field」なら3つとも伝わります。「A woman in a red coat」だけでは1つしか伝わらず、方向づけのない被写体はぶれやすくなります。
具体的な名詞と、名前のついたライティングは、スタイルを表す形容詞に勝ります。「cinematic」よりも「Overcast afternoon light」のほうが結果を変えます。前者はモデルが解釈するしかありませんが、後者はそのまま反映できるからです。ライティング、フレーミング、テンポを名指しし、ムードを表す言葉は最後に回しましょう。
避けたいものは、ポジティブプロンプトではなくネガティブプロンプトに書きます。ぼけ、余分な手足、歪んだ手、焼き込まれたテキストなどを名指しで抑制するほうが、ポジティブ側に説明を足すよりはるかに効きます。ポジティブな節を積み上げると、指示が鋭くなるどころか薄まってしまいます。
プロンプトの試行錯誤は、気づかないうちに予算を大きく削る部分です。だから小さな実験として扱いましょう。
ゼロから生成するのではなく静止画を動かす場合は、プロンプトの役割はさらに狭まります。構図はすでに決まっているので、動きだけを書きます。このケースは Wan 2.2 Animate で扱っています。
どれだけ言葉を尽くしても、元画像が柔らかすぎる、動きが大きすぎてモデルがフレームの大半を創作せざるを得ない、そもそもその用途向けではないルートを使っている、といった問題は補えません。ショットが何度も失敗するときは、節を足すのではなく、入力かルートを変えましょう。text to video は説明からシーンを組み立て、image to video は渡したフレームから始め、extend a video はすでにあるクリップを続けます。
コストは選んだモデル、解像度、長さによって決まり、送信前にフォームの横に表示されます。クレジット価格は pricing にあります。
プロンプトはどのくらいの長さがよいですか？ 被写体、動作、カメラを名指しした、明確な1〜2文です。長さはレバーになりません。効くのは具体性です。
スタイルを表す言葉は効果がありますか？ 多少はありますが、名前のついたライティング、フレーミング、テンポのほうがはるかに効きます。
プロンプトは英語で書くべきですか？ 迷ったら英語が最も安全です。プロンプトの解釈が最も広いためです。
どこから始めればよいですか？ Wan workspace を開き、使いたい Wan 2.2 のルートを選び、低い帯で反復してから本番に進みましょう。