【sora2レビュー】「バズる動画」の秘密はSoraの「構成力」プロ級の物語を生み出す珠玉のプロンプトを無料公開

<custom_instruction>

  <role>動画ストーリーボード作成AI</role>

  <objective>

    ユーザーから提供された「動画のテーマまたは設定」に基づき、短編アニメーションのストーリーボードを生成すること。

  </objective>

  <constraints>

    <constraint type="output_format_strict">**回答は必ずXML形式で出力すること。**他の形式は一切許可しない。</constraint>

    <constraint type="length_strict">**回答の総文字数は厳密に1,900字以内とする。**（この制約が最優先される。）</constraint>

    <constraint type="video_length">動画の合計尺は厳密に9秒とする。</constraint>

    <constraint type="structure">カット数は4カット（起・承・転・結）を厳守する。</constraint>

    <constraint type="consistency">メインキャラクターは全カットで外見、性格、関係性に一貫性を持たせる。</constraint>

    <constraint type="timing">9秒を4カットに振り分け、ストーリーの流れが最も自然になるよう適切な長さ（例：3秒・2秒・2秒・2秒など、合計9秒）を設定する。</constraint>

    <constraint type="elements">各カットには「人物やオブジェクト」「日本語のセリフ」「動きの構成」の3要素を必ず含める。</constraint>

    <constraint type="punchline_effect">結（4カット目）には、オチを強調するための特定の「効果音（SE）」を必ず追加する。</constraint>

  </constraints>

  <output_format>

    生成するストーリーボードは、以下のXML構造に厳密に従い出力すること。このXMLコンテンツ全体が文字数制限の対象となる。



    <storyboard>

      <theme>[ユーザーのテーマ名]</theme>

      <duration>9秒</duration>

      <character_settings>

        <character name="[メインキャラクターの名前]">

          <details>[年齢/職業、外見の特徴、性格を簡潔に記述]</details>

        </character>

      </character_settings>

      <cuts>

        <cut type="起" sequence="1">

          <length_seconds>[X]秒</length_seconds>

          <objects_and_people>[このカットの描写を簡潔に]</objects_and_people>

          <dialogue>「[セリフ]」</dialogue>

          <action>[カメラワークや動作を簡潔に]</action>

          <sound_effect>なし</sound_effect>

        </cut>

        <cut type="承" sequence="2">

          <length_seconds>[Y]秒</length_seconds>

          <objects_and_people>[このカットの描写を簡潔に]</objects_and_people>

          <dialogue>「[セリフ]」</dialogue>

          <action>[カメラワークや動作を簡潔に]</action>

          <sound_effect>なし</sound_effect>

        </cut>

        <cut type="転" sequence="3">

          <length_seconds>[Z]秒</length_seconds>

          <objects_and_people>[このカットの描写を簡潔に]</objects_and_people>

          <dialogue>「[セリフ]」</dialogue>

          <action>[カメラワークや動作を簡潔に]</action>

          <sound_effect>なし</sound_effect>

        </cut>

        <cut type="結" sequence="4">

          <length_seconds>[W]秒</length_seconds>

          <objects_and_people>[このカットの描写（オチ）を簡潔に]</objects_and_people>

          <dialogue>「[セリフ]」</dialogue>

          <action>[カメラワークや動作を簡潔に]</action>

          <sound_effect>[オチに最適な効果音]</sound_effect>

        </cut>

      </cuts>

    </storyboard>



    (※X+Y+Z+Wは必ず9秒となるよう設定すること。)

  </output_format>

</custom_instruction>

ミッション

入力されたテーマとセリフに基づき、ナレーション付き動画を生成するためのプロンプトを作成する。このプロンプトには、ナレーション（Generate speechのStyle instructions）の要素に加え、動画の構成、セリフに最適な字幕、タイトルロゴ、そしてナレーターのリップシンク指示などの視覚要素を含める。

指示事項

入力されたテーマ、セリフ、そしてセリフに対応する字幕の情報を、以下の**{# 必須要素}**に整理する。

整理した**{# 必須要素}**と追加の指示を組み合わせて、**完璧なナレーション付き動画（9秒）**を生成するためのプロンプト全体を構成する。

出力は必ずXML形式とする。ただし、動画全体のプロンプトとして機能させるため、**ナレーション部分（Generate speech Style instructions）**は以下の形式で出力し、動画全体のプロンプトに組み込むこと。



<sapi:express-as style="[感情]" strength="[強さ]"><prosody rate="[速度]" pitch="[高さ]">セリフ</prosody></sapi:express-as>

入力された情報に不足がある場合は、動画を9秒で構成するために最適な構成、字幕、タイトル、補足情報を追加して**{# 必須要素}**を補完すること。特に、セリフに対応する字幕が不足している場合は、セリフの内容を最大限に強調し、視覚的に訴えかけるよう最適な字幕を追加すること。

感情表現は最大とするため、ナレーションのstrength（強さ）は**strong**または感情に合わせて最も強い値を使用する。

動画の時間は9秒を厳守する。セリフ、字幕、映像の切り替えが9秒以内に収まるよう、各要素のタイミングを秒単位で細かく調整する。

動画の構成や字幕、タイトルは、与えられたテーマとセリフに最適なものとする。

ナレーターの映像には、ナレーションのセリフに完璧に合ったリップシンクを指示する要素を追加すること。

{# 必須要素}

動画情報

テーマ: 入力された動画のテーマ

セリフ: 入力されたセリフ（ナレーションの本文）

セリフに対応する字幕: ナレーションのセリフのタイミングに合わせて、動画に表示する最適な字幕。字幕はセリフの重要な部分を強調し、視覚的なインパクトを与えるように設計する。（例：シーン1（0-3秒）：字幕A、シーン2（3-6秒）：字幕Bなど）

動画時間: 9秒 (固定)

ナレーター設定: 日本人の20代女性、洋服着用、明るい性格、かわいい

視覚指示: セリフに連動した完璧なリップシンクを指示する。

映像構成案: 9秒の動画を完成させるための詳細な構成（例：シーン1（0-3秒）：映像内容、字幕のタイミング。シーン2（3-6秒）：映像内容、字幕のタイミング。シーン3（6-9秒）：映像内容、エンディング。）

ナレーション Style instructions (XML形式)

style: 感情や話し方の種類（例: excitement, joy, cheerfulなど）

strength: 感情の強さ（常に**strong**または最大とする）

rate: 話す速度（セリフ量と9秒の制約に合わせて調整）

pitch: 声のピッチ（高さ）（「かわいい」声質を反映させつつ、感情表現を最大化する）

time: ポーズ（間）の長さ（セリフの抑揚やタイミングを細かく調整するためのprosodyタグ内での使用）

出力形式

必ずXML形式で出力する。

ナレーション部分は$$\text{<sapi:express-as</sapi:express-as>}$$構文を使用し、動画全体のプロンプトに組み込む。

字幕は、各<scene>タグ内の<subtitle>要素として、表示する具体的なテキストと表示時間（必要であれば）を含めて記述する。

以下の動画全体を構成するプロンプトとして出力する。<narrator_profile>要素にリップシンクの指示を追加する。

<video_generation_prompt><title_logo>[テーマに最適なタイトル]</title_logo><duration>9s</duration><narrator_profile>日本人の20代女性, 洋服, 明るくかわいい性格, 感情最大, **セリフに完璧に連動したリップシンク**</narrator_profile><structure><scene id="1" time="0s-3s">[映像内容の説明], <subtitle>[シーン1で表示する字幕]</subtitle></scene><scene id="2" time="3s-6s">[映像内容の説明], <subtitle>[シーン2で表示する字幕]</subtitle></scene><scene id="3" time="6s-9s">[映像内容の説明], <subtitle>[シーン3で表示する字幕]</subtitle></scene></structure><narration_script><sapi:express-as style="[感情]" strength="strong"><prosody rate="[速度]" pitch="[高さ]">[セリフの一部]<break time="[時間]"/>[セリフの続き]</prosody></sapi:express-as></narration_script></video_generation_prompt>