LTX-2.3 公式プロンプトガイド 要点まとめ
出典: LTX-2.3 Prompt Guide (LTX公式ブログ)
LTX_Directors経由だと長文プロンプトを一括で書くより「短いプロンプトを都度渡す」スタイルになるので、
まずは公式が推奨する"要素の型"だけ頭に入れておけば十分実用的、という前提でまとめています。
1. 基本原則（Core Principles）
具体的・描写的に：「人が歩いている」ではなく「赤いコートの若い女性が、雨に濡れた夜の東京の路地を足早に歩く、ネオンが濡れた路面に反射、手持ちカメラで背後から追う」レベルまで書く
シーン全体を描写：被写体・動作・環境・照明・カメラの動きをセットで
映画用語を使う：「マクロレンズ」「トラッキングショット」「被写界深度浅め」「ゴールデンアワー」「ローアングル」等はモデルが理解し出力に反映される
音声も描写（音声生成対応のエンドポイントの場合）：「雨が舗道を打つ音」「柔らかいアンビエント音楽」など
2. LTX-2.3での変更点
テキストコネクタが刷新され、プロンプトへの追従性が大幅向上
表情・タイミング・間・感情の機微まで細かく指定でき、モデルが忠実に再現する
プロンプトの長さが重要：長め・詳細なプロンプトの方が短いものより明確に良い結果。特に8〜10秒の長尺動画では、短いプロンプトだと動作を早送りしてしまう
セリフは短いフレーズに分割し、間に演技指示（ポーズ、視線、表情の変化など）を挟む書き方が推奨
3. プロンプトに含めるべき6要素
ショットの設定（画角・撮影スタイル）
シーンの設定（照明、色調、質感、空気感）
アクションの描写（自然な流れで一連の動作を）
キャラクター定義（年齢・髪型・服装・特徴／感情は身体的な仕草で表現、抽象的なラベル（「悲しい」等）は避ける）
カメラワーク（動きの方向とタイミング、動いた後どう見えるかまで書くと精度が上がる）
音声の描写（環境音・音楽・セリフ／歌。セリフは"）で囲み、必要なら言語・アクセントも指定）
4. ベストプラクティス
プロンプトは1つの流れる段落として書く
動作・動きは現在形の動詞で
ショットスケールに応じて詳細度を調整（クローズアップほど詳しく）
カメラの動きは被写体との相対関係で描写
5. 用途別Tips
| 用途 | ポイント |
|---|---|
| Text-to-Video | 被写体・動作・環境・照明・カメラ・音声をフルに描写。ゼロから生成するので詳細度がすべて |
| Image-to-Video | 画像に写っている静的要素の説明は不要。「これから何が起きるか」（動き・カメラの追従・音）に集中 |
| Audio-to-Video | 音声入力が時間構造の基準になる。プロンプトは音声に対する映像解釈を書く |
6. 避けるべきこと（What to Avoid）
| 避けるべき | 理由 |
|---|---|
| 内面の感情ラベル（「悲しい」「困惑」等） | 視覚的な仕草で表現すべき |
| 文字・ロゴ | 読める文字の再現は現状不安定 |
| 複雑な物理演算 | カオス的な動きはアーティファクトの原因（ダンス程度はOK） |
| 詰め込みすぎのシーン | キャラクターや動作が多すぎると不明瞭に |
| 矛盾する照明 | 光の論理が混在すると解釈が崩れる |
| 過度に複雑なプロンプト | シンプルから始めて徐々に複雑化すべき |
7. よくある間違い
曖昧すぎる：「自然のいい感じの動画」→選択肢が多すぎてモデルが適当に決めてしまう
過剰に数値指定：「鳥3羽が45度で左から右へ、カメラは秒速2度でパン」→自然言語での描写の方がモデルに合う
尺とプロンプト量の不一致：10秒の動画に10単語のプロンプトでは情報不足
矛盾した指示：「静かで穏やかな湖、激しく波が打ち寄せる」→内的整合性を保つこと
実務メモ
LTX_Directorsで短いプロンプトを都度書くスタイルでも、上の「6要素」（ショット／シーン／アクション／キャラクター／カメラ／音声）のうち、その場面で動かしたい1〜2要素だけを明確な言葉で渡す、という運用イメージで良さそう。クロードにプロンプト生成を頼む時も、この型を伝えておくと精度が上がるはず。