AI商品動画プロンプト：実際に検証した8つのレシピ（全動画付き）

世の中の「AI動画プロンプト集」の多くは、順序が逆です。見栄えのするプロンプトを集めて公開するだけで、実際には一度も実行していません。この記事は逆のアプローチを取りました。商品動画プロンプトのレシピを8本書き、そのすべてをiArtのシネマティック商品動画メーカーで実行し、各プロンプトが生成したクリップをそのまま埋め込んでいます——無編集、特記がない限りワンテイク目です。10秒クリップ1本の生成コストは$0.80、レンダリング時間は1〜5分でした。

8本のうち2本は商品写真を入力として使います。写真の有無で結果は一変するからです。下の方に、同じプロンプトを写真あり・なしで実行した比較を並べています。その違いは10秒で分かります。

8本すべてに共通するパターン

公開されている200本以上のプロンプトライブラリを調べ、自分でも検証した結果、機能するレシピには共通の形がありました。使える商品動画プロンプトはムードボードではなくショットリストです：

• フォーマットを最初に。アスペクト比と長さを最初の一文で指定します：「9:16 縦型、10秒」。
• 被写体より先に光を。何が起きるかを書く前に、照明とカラーパレットを指定します——「暗いスタジオ、暖色アンバーのキーライト1灯」という一文が、最終的なルックを何よりも決めます。
• タイムコード付きのビート。クリップを2〜4秒の区間に分割します：「0-3秒：ボトルのマクロ。3-6秒：光のスイープで全体を見せる」。エンジンは驚くほど正確にこれに従います。
• 1ビートにつきカメラワークは1つ、明示的に。ドリーイン、オービット、パンチイン——名前で指定します。「シネマティックなカメラワーク」と書くと、ランダムに選ばれたものが返ってきます。
• テキストは大きな文字だけ。画面に出したい言葉を正確に、短く指定し、それ以外は禁止します。見出しテキストはくっきり描画されますが、小さな装飾テキストは崩れます。ここにあるレシピはすべて、「小さな文字は一切入れない」のようなネガティブ制約で締めています。
• 音声もショットの一部。一行——「雨の環境音、最後のカットで深い時計の音を1回」——書くだけで、エンジンは同じ生成パスで音も作ります。
• 写真がアイデンティティを固定し、プロンプトが映像を演出する。あなたの商品を見せる必要があるなら、写真を添付し、何を保持すべきかを伝えます。写真がなければ、エンジンはそれらしい商品を創作します（レシピ2bがまさにその実例です）。

以下のプロンプトはすべてコピペで使えます。iArtの商品動画ジェネレーター向けに書いていますが、構造自体は現行のどのtext-to-videoエンジンにも通用します。

レシピ1 — ラグジュアリーなヒーローショット（香水）

Luxury perfume commercial, 16:9, 10 seconds. Dark studio, single warm amber key light. 0-3s: extreme macro on the cut-glass facets of a perfume bottle, slow dolly-in, light refracting. 3-6s: a slow light sweep reveals the full bottle silhouette on black. 6-10s: bottle centered and still, big bold serif headline "MIDNIGHT AMBER" fades in above it, smaller line "EAU DE PARFUM" below. Fine amber dust particles drift through the beam. Audio: low ambient hum, one soft chime when the title lands. Do not put any text on the bottle label, no human hands, no small print anywhere — only the two title lines.

うまくいく理由：前半すべてがガラスに当たる光で構成されており、これはエンジンが最も美しく描画できる題材です。商品自体は最後のビートで静止しているだけでいい設計になっています。ボトルのラベルが意図的に無地であることにも注目してください——指示した通りに実現されています。なお、各レシピのプロンプトは検証した通りの内容を保証するため、英語のまま掲載しています。

レシピ2 — 写真から、あなたの実際の商品を（腕時計）

これは販売者のためのレシピです。入力に使ったのはこの写真です：

Cinematic watch commercial, 9:16 vertical, 10 seconds. Use my attached photo as the product — preserve the watch exactly: dial layout, hands, case shape, strap material. Do not redraw or invent dial markings. 0-3s: the watch lies on wet black slate, sparse rain droplets, one hard rim light carving the case edge. 3-7s: slow 180-degree orbit around the watch, ending in a macro push-in on the dial as a droplet slides off the crystal. 7-10s: cut to the watch upright and centered, big bold sans-serif type above it: "TIME. OWNED." — nothing else on screen. Audio: rain ambience, one deep clock-tick on the final cut.

ケースの形状、無地の黒い文字盤、楕円の穴が並ぶ白いストラップ——そのすべてが写真から、実在しないシーンへとそのまま引き継がれています。効いているのは「preserve the watch exactly（時計を正確に保持する）」の一文と、重要なパーツを名指ししたことです。エージェントは撮影前に、写真の文字盤に目盛りがないことを自ら指摘し、勝手に描き足さないと約束までしてくれました。

レシピ2b — 同じプロンプトを、写真なしで

写真が実際に何をしているのかを示すため、写真を外して（代わりに時計を言葉で描写して）まったく同じプロンプトを実行しました：

これでも十分見栄えのするCMです——ただし映っているのはとある時計であって、あの時計ではありません。白ではなくクリーム色、ケースは太めで、プロポーションも違います。参照画像がなければ「それらしい商品」が、あれば「あなたの商品」が得られる。それがブランドフィルム向けプロンプトと写真から作る商品動画の違いのすべてです。

レシピ3 — 上質なスキンケア、ラベルを保持

同じ写真ファーストのワークフローを、スキンケアボトルで実行します（架空ブランドのサンプル商品なので、ラベル自体もテストの一部です）：

Quiet-luxury skincare commercial, 9:16 vertical, 10 seconds. Use my attached photo as the product — preserve the amber glass bottle, white dropper cap and the NOVA label exactly; do not redraw the label or add any text to it. 0-3s: golden morning light sweeps across beige linen, the bottle stands in soft shadow that slowly lifts. 3-6s: macro — a single amber drop falls from the dropper in slow motion, catching the light, landing on a glass surface and blooming outward. 6-10s: the bottle hero-center in full warm light, one big elegant serif line fades in beside it: "SKIN, SIMPLIFIED." Audio: soft room tone, one gentle piano note as the title lands. Negative: no skin or faces, no extra bottles, no small text beyond the label.

4文字のNOVAラベルは無傷で残りました。これが知っておくべき正直な境界線です：短く太いワードマークはたいていきれいに引き継がれますが、細かい文字は決して残りません。エンジンはピクセルを貼り付けるのではなく文字を再描画するため、商品のラベルテキストが多いほど、読める状態を保つマクロのビートを計画するか、いちばん寄ったクローズアップからラベルを外す工夫が必要になります。

レシピ4 — UGC風の体験談

UGC-style testimonial clip, 9:16 vertical, 10 seconds, shot like a real phone video, slightly handheld. A woman in her late 20s sits by a bright window at home, morning light, holding a small unbranded amber dropper bottle. She looks into the camera and says naturally: "Okay — I did not expect this to actually work." Then a quick punch-in on the bottle in her hand, her thumb over the label. Native audio: her voice, faint room tone, a bird outside. Style: authentic phone footage, imperfect framing, natural skin texture. Negative: no studio lighting, no on-screen text, no captions, no brand names spoken or shown.

ここまでとは正反対の路線です：磨き上げられた質感に逆らってプロンプトを書きます。効いているのは「shot like a real phone video（本物のスマホ動画のように撮る）」というフレーズ、引用符で囲んだセリフ（エンジンは映像と一緒に音声も生成します）、そしてスタジオ照明と字幕を禁止するネガティブリストです。広告にAI人物を使う場合は、プラットフォームの規定に従って必ず開示してください——実在の顧客を装った合成の体験談は、必ず自分に跳ね返ってきます。

レシピ5 — ミニマルなテックフィルム（ワイヤレスイヤホン）

Minimalist tech product film for wireless earbuds, 16:9, 10 seconds, shot like a product-design film on a white cyclorama. 0-3s: one matte black earbud rotates slowly on an invisible turntable, macro, soft studio light, shallow depth of field. 3-6s: the charging case opens toward camera and both earbuds rise out and drift apart in a clean exploded-view arrangement, floating parts perfectly aligned. 6-10s: everything glides back together, case closes, and one big bold black sans-serif line lands beside it: "HEAR EVERYTHING." Audio: soft whoosh on the drift, one deep click when the case closes. No spec sheets, no small feature labels, no other text anywhere — only that one headline.

「exploded view（分解図）」は、テック製品のプロンプトで最も価値の高いフレーズです。エンジニアリングの確かさを感じさせ、エンジンもきれいに実行してくれます。機能の注釈を足したくなる誘惑こそ、ネガティブ制約が止めようとしているものです：ああいう小さなラベルこそ、崩れたテキストが紛れ込む場所だからです。

レシピ6 — ファッションキャンペーン（ゴールデンアワー）

Fashion campaign film, 9:16 vertical, 10 seconds, desert at golden hour. 0-3s: close on beige trench-coat fabric rippling in wind, strongly backlit, sand drifting past. 3-7s: a model walks slowly toward camera across a dune ridge, coat flaring behind, camera dollies back at matching speed, low sun flaring at the frame edge. 7-10s: the model stops as a silhouette against the sun, coat still moving, big thin elegant serif type lands top of frame: "FALL / 26" — nothing else. Audio: wind, fabric movement, one distant swell of strings. Negative: no face close-ups, no brand logos, no other text.

風になびく布地は、フレグランスにおける「ガラスと光」にあたる存在です：素材そのものが演技をしてくれます。「顔のクローズアップなし」は単なる好みの問題ではありません——AIの顔はじっと見ると破綻しますし、シルエットで終わる構成ならその問題を丸ごと回避しながら、むしろ本物のキャンペーンらしく見えます。

レシピ7 — タイポグラフィ主導のローンチティーザー

Typography-led app launch teaser, 16:9, 12 seconds, black background, huge bold white sans-serif type only. 0-2s: the words "EVERY IDEA" slam onto screen one word per beat with a deep bass hit each. 2-4s: they cut away and "DESERVES MOTION." slams in the same way. 4-8s: a sleek smartphone floats up from the bottom through the words, screen glowing with soft abstract color gradients, gentle camera drift around it. 8-12s: phone settles center, final line lands beneath it: "LAUNCH DAY 10.01" in the same huge bold type. Audio: minimal electronic pulse, bass hits synced to each word slam. Strict rule: only these three text moments, no small text, no UI details readable on the phone screen, no logos.

テキストは3か所だけ、すべての単語を指定し、それ以外はすべて禁止。「no UI details readable on the phone screen（画面のUIを判読できる状態にしない）」が肝心です：インターフェースの代わりに光るグラデーションを指定すれば、画面上に崩れる要素そのものがなくなります。より本格的なキネティックタイポグラフィ——長いコピーやビート同期の単語コレオグラフィ——には、動画エンジンより専用のタイポグラフィパイプラインが向いています。

レシピ8 — CGIインスタレーションの仕掛け

CGI-style outdoor installation ad, 9:16 vertical, 10 seconds, photoreal. A generic white minimalist running sneaker, three meters tall with no logos, stands in the middle of a city crosswalk in morning light like a public art installation. 0-3s: street level — pedestrians walk past and film it with phones, the giant sneaker towers over them. 3-7s: a drone shot orbits down around the sneaker, sunlight flares between buildings, tiny reflections in office windows. 7-10s: wide top-down as the crosswalk stripes line up under the shoe, big bold headline lands across the sky: "STEP BIGGER." Audio: city ambience, one cinematic riser into the title. Negative: no readable faces, no car brands, no logos anywhere, no text except the headline.

「現実の街にありえないオブジェクトが出現する」フォーマット——いわゆるCGI広告——は、かつては数万ドル規模のVFX費用がかかる案件でした。プロンプトのコツはスケールの基準を置くことです：スマホで撮影する歩行者を入れることで説得力のあるサイズ感が生まれ、作り物であることが「エラー」ではなく「インスタレーション」として成立します。

正直に言うと、失敗するもの

• 小さな文字は崩れます。大きな見出しはくっきり描画されますが、細かい文字、スペック表記、長い文章は判読不能な文字列になります。小さな文字を読ませる必要のない構成でプロンプトを設計してください。
• ラベルは貼り付けではなく再描画されます。写真があっても、商品上の文字はエンジンが描き直します。NOVAのような短く太いワードマークは残りますが、密度の高いラベルコピーは一字一句正確にはなりません。エージェントは撮影前にこの点を警告してくれました——その通りだと考えてください。
• 写真がなければ、商品は創作されます。レシピ2bがその証拠です。ブランドフィルムやティーザーなら問題ありませんが、購入者に「届く実物」を見せる用途には不向きです。
• ネガティブ制約には限界があります。レシピ8のスニーカーは「ロゴは一切なし」と指示したにもかかわらず、側面——まさにスニーカーブランドがロゴを置く位置——にロゴらしき薄いカーブが浮かび上がりました。エンジンが「スニーカーとはそういうもの」と学習しているからです。カテゴリの原型は漏れ戻ってきます。公開前に必ず出力を確認してください。
• ワンテイク目の成功は保証されません。このページのクリップはすべてワンテイク目ですが、それは「うまくいった回」であって約束ではありません。実際のキャンペーンでは1〜2回の撮り直しを予算に入れておきましょう。

プロンプトの実行方法

1. iArtのシネマティック商品動画メーカーを開きます——無料プランから始められます。
2. 実際の商品を動画に映す必要がある場合は、商品写真を追加します（アップロードフォームは最大5枚まで）。不要ならそのままプロンプトへ進みます。
3. レシピを貼り付け、商品、見出しの言葉、フォーマット（Reels/TikTokなら9:16、YouTubeやランディングページなら16:9）を差し替えます。
4. エージェントが提案するショットプランを確認して承認すると、クリップは約1〜5分でレンダリングされます。ファイルのエクスポートには有料プランが必要です。

FAQ

これらのプロンプトはiArtでしか使えませんか？

フォーマット指定を最初に、照明を先に、タイムコード付きのビート、明示的なカメラワーク、大きな文字だけ、ネガティブ制約——この構造は、現行のどのtext-to-videoエンジンにも応用できます。掲載している結果はiArtで生成したもので、レシピ2と3の写真保持ワークフローは、参照画像を受け付けるツールに固有のものです。

各動画のコストはいくらでしたか？

このページの10秒クリップはすべて768pで生成コスト$0.80、12秒のタイポグラフィティーザーは$0.96でした。生成は出力秒数ごとの従量課金で、エクスポートには有料プランが必要です。

商品のラベルを読める状態に保てますか？

短く太いワードマークなら、たいてい写真からきれいに引き継がれます——レシピ3のNOVAラベルは無傷で残りました。密度の高い文字や小さなラベルテキストはエンジンによって再描画されるため一字一句正確にはなりません。細かい文字はクローズアップから外すか、それを前提に設計してください。

商品動画のアスペクト比はどうすべきですか？

掲載面に合わせます：TikTok・Reels・Shortsなら9:16、YouTubeのプリロールやサイトのヒーロー映像なら16:9、フィード面なら1:1です。プロンプトの最初の一文で指定してください——エンジンはこれを守り、構図もそれに合わせて変わります。

AI商品動画の長さはどのくらいが適切ですか？

単一商品の広告なら10秒がスイートスポットです：3つのビート、1つの見出し、それで完結。長くする価値があるのは、埋めるだけの本当の構成があるときだけです——ビートを増やすのであって、テンポを落とすのではありません。

あなたの商品で試してみる

自分のカテゴリに最も近いレシピを選び、商品写真と3つの言葉を差し替えて実行してみてください：無料アカウントでシネマティックな商品動画を作成できます。写真ファーストのワークフローをより深く知りたい方には、姉妹記事の写真からつくるシネマティック商品動画があります。