プロンプトエンジニアリングとは、生成AIが求める答えを安定して返すように、指示(プロンプト)を設計し、試して直していく作業のことです。
1回うまく頼めればよい日常の使い方と違い、どんな入力が来ても同じ質の答えが返るように、例や決まりを足して確かめていきます。
この記事では、プロンプトエンジニアリングの意味と代表的な手法8つを例で説明し、例と決まりを足すと答えがどう変わるかを実際に試した結果を紹介します。
OpenAI、Anthropic、Google、Microsoftの公式のガイドから2026年のベストプラクティスをまとめ(2026年11月19日に確認)、コンテキストエンジニアリングとの違い、「古い」と言われる理由、資格や本での学び方も説明します。
プロンプトエンジニアリングとは
AIが要件どおりに答え続けるよう、指示を設計して直すこと
OpenAIは開発者向けのガイドで、プロンプトエンジニアリングを、モデルが要件を満たす内容を安定して作るように、効果的な指示を書く作業と定義しています(OpenAI「Prompt engineering」 )。
同じガイドは、AIの出力は毎回同じとは限らないこと、推論するモデルとそうでないモデルでは頼み方を変えたほうがよいこと、同じ系列のモデルでも版によって結果が変わりうることも書いています。
Google Cloudは、プロンプトを更新してはモデルの答えを評価する、という繰り返しをプロンプトエンジニアリングと呼ぶことがあると説明しています。
簡単な作業ならプロンプトエンジニアリングをしなくても十分な答えが返ることが多い一方、複雑な作業では今も大切な役割を持つ、とも書いています(Google Cloud「Introduction to prompting」 )。
対象は、ChatGPTやClaude、Geminiなどの文章を作るAIを動かしているLLM(大規模言語モデル) が中心で、画像や動画を作るAIへの指示にも同じ考え方が使えます。
プロンプトの書き方との違い
プロンプトの書き方は、1回の依頼で意図を伝えるための書き方です。
プロンプトエンジニアリングは、その書き方を土台に、いくつもの入力で答えを確かめ、ずれたところを直して、使い回せるプロンプトに仕上げるところまでを含みます。
AIをサービスや社内の仕組みに組み込む開発者は、多くの利用者の入力に同じプロンプトで答えるので、試して直す工程が欠かせません。
ChatGPTなどをふだん使う人も、部署で同じ頼みごとを繰り返すときは、同じ考え方でプロンプトのひな型を整えておくと、誰が使っても答えがそろいます。
目的、背景、材料などの基本の書き方と例文は、プロンプトの書き方 で詳しく説明しています。
プロンプトエンジニアリングでできること
答えの形をそろえる :表、箇条書き、決まった1行の形など、後の作業で使いやすい形で毎回返させる。
自社の基準で判断させる :分類の決まりや文体の見本を渡し、一般論ではなく自社のやり方に沿った答えにする。
資料にもとづいて答えさせる :社内の規程や商品の資料を渡し、その中身から答えさせる。
複雑な作業を分けて進める :調べる、まとめる、書くを分けて頼み、段階ごとに確かめる。
同じプロンプトを使い回す :確かめたプロンプトを社内で共有したり、アプリに組み込んだりする。
代表的な手法8つ
プロンプトエンジニアリングでよく使われる手法を、することと向く場面で比べました。
多くは論文で名前が付いた手法で、OpenAI、Anthropic、Google、Microsoftの公式のガイドでも使い方が説明されています。
プロンプトエンジニアリングの代表的な手法
手法 すること 向く場面 ゼロショット 例を付けず、指示だけで頼む まず試すとき フューショット 入力と答えの例を数個付ける 形や判断の基準をそろえたいとき 役割の指定 AIの立場や前提を決めておく 口調や観点を固定したいとき 思考の連鎖 答えの前に考えの途中を書かせる 計算や推論が多いとき 自己整合性 何通りか答えさせ、多い答えを採る 答えが1つに決まるとき プロンプトの連鎖 作業を分け、前の出力を次の入力にする 段階を踏んで進めるとき ReAct 考えることと、検索などの行動を交互にさせる 調べながら進めるとき RAG 探した資料をプロンプトに入れて答えさせる 社内の資料や新しい情報で答えさせたいとき
1. ゼロショット:例なしで指示だけで頼む
例を付けずに、してほしいことだけを書いて頼む方法です。
OpenAIは推論するモデルについて、まず例なしで試し、うまくいかないときに例を足すよう勧めています(OpenAI「Reasoning best practices」 )。
次の問い合わせを「経費」「勤怠」「IT」「その他」のどれかに分類してください。
問い合わせ:有給休暇があと何日残っているか知りたいです。
2. フューショット:入力と答えの例を見せる
入力と答えの組を数個プロンプトに入れ、AIにその型をまねさせる方法です。
2020年にTom B. Brownらが、GPT-3が追加の学習なしに、文章で与えた数個の例だけで新しい作業をこなせることを示しました(Language Models are Few-Shot Learners )。
Anthropicは、例を見せることは答えの形式、口調、構成をそろえるもっとも確かな方法の1つで、3〜5個入れるとよいとしています(Anthropic「Prompting best practices」 )。
OpenAIは、いろいろな種類の入力の例を見せることと、例と指示の中身を食い違わせないことを勧めています。
実際の例は、後の章の「実際に試した例」で紹介します。
3. 役割の指定:AIの立場と前提を決める
「あなたは〜です」のように、AIがどの立場で答えるかを最初に決める方法です。
Anthropicは、システムプロンプト(会話の前に設定しておく指示)で役割を決めると、答えの振る舞いと口調が用途に合い、1文でも違いが出るとしています。
OpenAIのガイドも、APIで開発者が与える指示(instructions)は、利用者の入力より優先されると説明しています。
あなたは、中小企業の経理担当者に会計の決まりを説明する税理士です。
専門用語を使うときは、短い説明を添えてください。
4. 思考の連鎖(Chain-of-Thought):考えの途中を書かせる
答えだけでなく、答えに至るまでの途中の考えを書かせる方法です。
2022年にJason Weiらが、途中の考えを書いた例を見せると、規模の大きいモデルで、複雑な推論の正確さが大きく上がることを示しました(Chain-of-Thought Prompting )。
同じ年にTakeshi Kojimaらは、例を付けずに「Let’s think step by step(ステップごとに考えよう)」と添えるだけでも効果があることを示し、算数の文章題の正解率は17.7%から78.7%に上がりました(Large Language Models are Zero-Shot Reasoners 、text-davinci-002での結果)。
定価3,000円の商品を2割引で5個買い、1,000円分のクーポンを使います。
支払いはいくらですか。答えの前に、計算の途中を順に書いてください。
ただし、答える前に自分で考える「推論モデル」には、この指示は要りません。
OpenAIは、推論モデルは内部で考えるので「ステップごとに考えて」と頼む必要はなく、かえって妨げになることもあるとしています。
Microsoftも、この手法は推論モデルでないモデルにだけ当てはまると明記しています(Microsoft「Prompt engineering techniques」 )。
思考の連鎖を広げた方法に、いくつもの考えの道筋を試して比べる「Tree of Thoughts(思考の木)」があります。
論文では、4つの数字で24を作るパズルで、GPT-4の成功率が思考の連鎖の4%から74%に上がりました(Tree of Thoughts )。
5. 自己整合性(Self-Consistency):何通りか答えさせて多数決をとる
同じ問いに何通りかの考え方で答えさせ、いちばん多く出た答えを採る方法です。
2022年にXuezhi Wangらが、思考の連鎖と組み合わせると、算数の問題で正解率が上がることを示しました(Self-Consistency )。
ChatGPTなどで使うときは、同じプロンプトを何回か送り、答えが分かれるかを確かめます。
後の章の実際に試した例でも、同じプロンプトの答えが回によって分かれることがありました。
6. プロンプトの連鎖:作業を分けて順に頼む
1つの大きな依頼を段階に分け、前の段の出力を次の段の入力にする方法です。
Googleは、関連する作業がいくつもあるときは、プロンプトを分けてつなぐよう勧めています(Google「Prompt design strategies」 )。
段階ごとに出力を確かめられるので、どこでずれたかが分かります。
1回目:この会議メモから、決まったことと担当者を箇条書きで抜き出してください。
2回目:上の箇条書きをもとに、参加者に送る確認のメールを書いてください。
7. ReAct:考えることと行動を交互にさせる
AIに、考えること(Reasoning)と、検索などの行動(Acting)を交互にさせる方法です。
2022年にShunyu Yaoらが、考えを書かせながら外部の知識源を調べさせると、計画を立てて直したり、新しい情報を集めたりできることを示しました(ReAct )。
道具を使いながら作業を進めるAIエージェント の土台になっている考え方です。
8. RAG(検索拡張生成):探した資料を渡して答えさせる
質問に関係する資料を検索し、その資料をプロンプトに入れて答えさせる方法です。
2020年にPatrick Lewisらが名前を付けました(Retrieval-Augmented Generation )。
OpenAIのガイドも、関係する情報をプロンプトに足す手法をRAGと呼ぶことがあると説明しています。
社内の規程やマニュアルのように、AIが学習していない情報にもとづいて答えさせたいときに使います。
仕組みと、実際に動かした例は、RAGとは で詳しく説明しています。
実際に試した例:例と決まりで答えはどう変わるか
例(フューショット)を足すと答えがどう変わるかを確かめるため、社内の問い合わせを分類する作業で、4通りのプロンプトを試しました。
OpenAIのAPIでgpt-5.4-miniを既定の設定のまま使い、2026年11月19日に、6件の問い合わせを1件ずつ、各プロンプトで3回ずつ送りました。
試したプロンプト
この例では、社内のヘルプデスクの決まりとして、ログインできないなどシステムに入れない問い合わせは、どの業務のシステムでもITの担当が受けることにしました。
例の1つ目は、この決まりを示すために入れています。
例と決まりを足したプロンプトは、次のとおりです。
社内のヘルプデスクに届いた問い合わせを、「経費」「勤怠」「IT」「その他」のどれかに分類し、急ぎかどうかを「高」か「低」で判定してください。
答えは「分類:〇〇/急ぎ:〇」の形で1行だけ書いてください。
ログインできないなど、システムやアカウントに入れない問い合わせは、どの業務のシステムでも「IT」にしてください。
問い合わせ:VPNにつながらず、勤怠システムに入れません。
答え:分類:IT/急ぎ:高
問い合わせ:来月の出張の日当はいくらですか。
答え:分類:経費/急ぎ:低
問い合わせ:今日の15時までに残業の申請を直さないと、給与の締めに間に合いません。
答え:分類:勤怠/急ぎ:高
問い合わせ:会議室のプロジェクターを予約したいです。
答え:分類:その他/急ぎ:低
問い合わせ:経費精算のシステムにログインできず、今日17時の締め切りに間に合いそうにありません。
答え:
ほかの3通りは、ここから3行目の決まりの文か、4つの例か、その両方を除いたものです。
最後の問い合わせを入れ替えて、次の6件を試しました。
試した問い合わせと、決まりに沿った正解
問い合わせ 正解 経費精算のシステムにログインできず、今日17時の締め切りに間に合いそうにありません IT/高 有給休暇があと何日残っているか知りたいです 勤怠/低 社用スマホを電車に置き忘れました IT/高 先週の出張の領収書をなくしました。精算できますか 経費/低 コピー用紙が切れました その他/低 新しく入った人の名刺を作りたいです その他/低
結果:例だけでは決まりが伝わらなかった
4通りとも、18回の答えはすべて「分類:〇〇/急ぎ:〇」の1行の形でした。
この作業では、答えの形は文章の指示だけで守られました。
差が出たのは、経費精算のシステムにログインできない問い合わせです。
例だけを足したプロンプトでは、3回とも次の答えでした。
分類:経費/急ぎ:高
例の1つ目(勤怠システムに入れない→IT)より、3つ目(残業の申請の締め切りに間に合わない→勤怠)に近い問い合わせと受け取り、3つ目と同じように業務の名前(経費精算)で分類したと考えられます。
決まりの文を1行足すと、例の有無にかかわらず、この問い合わせは6回とも「分類:IT/急ぎ:高」になりました。
18回の答えのうち、正解と一致した数
プロンプト 一致 正解と違った答え 指示だけ 16 ログインの件を経費(1回)、コピー用紙をIT(1回) 指示と例4つ 15 ログインの件を経費(3回) 指示と決まり1文 17 社用スマホをその他(1回) 指示と決まり1文と例4つ 17 コピー用紙の急ぎを高(1回)
決まりを足した後も、別の問い合わせで1回ずつ答えがずれました。
同じプロンプトでも答えは回によって変わるので、1回うまくいっただけで判断せず、何回か動かして、正しく答えた数を確かめます。
この例から分かるのは、例は答えを強く方向づける一方、例だけでは自社の決まりまで伝わらないことがある、ということです。
判断の決まりは文章で書き、例は決まりと食い違わないものを選び、テストの入力で確かめます。
この結果は、この作業とモデルで試したもので、ほかの作業やモデルでも同じになるとは限りません。
プロンプトエンジニアリングの進め方
AnthropicとOpenAIのガイドは、どちらも、プロンプトを直す前に何をもって成功とするかを決め、テストで確かめながら直すよう勧めています。
上の例で行ったことを、4つの段階に分けます。
1. 成功の基準を決める
Anthropicは、プロンプトを直す前に、成功の基準、それを確かめる方法、最初のプロンプトの3つを用意するよう勧めています(Anthropic「Prompt engineering overview」 )。
基準は、具体的で、数えられるものにします。
上の例では、「決まった1行の形で答える」と「自社の決まりどおりに分類する」の2つを基準にしました。
2. テストの入力を用意する
実際に来そうな入力を集め、迷いやすいものも入れて、正解を決めておきます。
上の例では、業務とシステムの両方にかかわる「経費精算のシステムに入れない」問い合わせが、迷いやすい入力でした。
3. 試して、基準で比べる
同じテストの入力で各プロンプトを動かし、基準に合った数を数えます。
OpenAIは、「うまく動いていそう」という感覚で評価することや、公開するまで評価を作らないことを、避けるべき点として挙げています(OpenAI「Evaluation best practices」 )。
4. 直して、版を残す
ずれた入力の原因を考えて、決まりや例を直し、同じテストで測り直します。
直したプロンプトは版を付けて残し、どの版でどの結果だったかが分かるようにします。
OpenAIは、本番で使うプロンプトはアプリのコードの中で版を管理し、モデルの版を固定して、モデルを変えたらテストし直すよう勧めています。
2026年の最新ベストプラクティス
2026年11月19日に、OpenAI、Anthropic、Google、Microsoftの公式のガイドで確かめた、今のモデルに向けた勧めをまとめます。
推論するモデルには、手順より目的と条件を伝える
OpenAIは、推論モデルにはおおまかな方向を示すだけでよく、推論しないモデルには細かく正確な指示が向くとし、前者を経験のある先輩、後者を新人の同僚にたとえています。
推論モデルには、簡潔で直接的な指示を書き、成功の条件をはっきり伝えるよう勧めています。
GoogleもGemini 3向けの勧めで、モデルは内部で考えてから答えるので、答えの中に考えの手順を書かせる必要は通常ないとしています(Google「Prompt design strategies」 )。
指示には理由を添える
Anthropicは、指示の理由や背景を伝えると、AIが目的を理解して、より的を射た答えを返すとしています。
例として、「省略記号を使わないで」より、「読み上げソフトが読むので、省略記号を使わないで」と書くほうがよいと説明しています。
長い資料は先に、質問は最後に
Anthropicは、長い資料はプロンプトの前のほうに置き、質問や指示はその後に書くよう勧めています。
テストでは、質問を最後に置くと、とくに複数の資料を渡す複雑な入力で、答えの質が最大30%上がったとしています。
GoogleもGemini 3向けに、文脈を先に渡し、具体的な指示や質問はプロンプトの最後に置くよう勧めています。
区切りの書き方を1つに決める
指示、資料、例が混ざるプロンプトは、XMLのタグ(<context>など)やMarkdownの見出しで区切ります。
OpenAIとAnthropicはどちらもこの書き方を紹介し、Googleは、1つのプロンプトの中ではどちらか1つの書き方を続けて使うよう勧めています。
「しないで」より「こうして」と書く
Anthropicは、してほしくないことより、してほしいことを書くよう勧めています。
「Markdownを使わないで」より「なめらかな文章の段落で書いて」と書く、という例です。
形式の決まった出力は、専用の機能を使う
プログラムで読み取るために、決まった項目の形(JSON)で答えを受け取りたいときは、プロンプトだけで頼むより、AIのAPIの専用の機能を使います。
OpenAIはStructured Outputs、GoogleはGemini APIのstructured outputという機能を案内しています。
これは主に、AIを組み込むアプリを作る開発者向けの方法です。
モデルを変えたら、プロンプトを試し直す
Anthropicは、特定のモデルで確かめた手法は、ほかのモデルに使う前に自分の評価で確かめ直すよう書いています。
OpenAIの最新モデル向けのガイドは、新しいモデルは既定で簡潔に答えるので、移行するときは「簡潔に」といった指示を見直すよう勧めています(OpenAI「Using the latest model」 )。
前のモデルに合わせて足した指示が、新しいモデルでは要らなくなることがあります。
コンテキストエンジニアリングとの違い
コンテキストエンジニアリングとは、AIが作業をこなせるように、AIに渡す情報の全体を選んで整えることです。
2025年6月にShopifyのCEOのTobi Lütkeが、核となる技能をよく表す言葉として「プロンプトエンジニアリング」より「コンテキストエンジニアリング」を好むとXに投稿 し、AI研究者のAndrej Karpathyも賛同する投稿 をして広まりました。
Anthropicは2025年9月の記事で、コンテキストエンジニアリングを「プロンプトエンジニアリングの自然な発展」と位置づけています(Anthropic「Effective context engineering for AI agents」 )。
プロンプトエンジニアリングは指示の書き方と組み立て方を、コンテキストエンジニアリングはAIが動くときに渡す情報の全体を扱う、という整理です。
プロンプトエンジニアリングとコンテキストエンジニアリングの違い(Anthropicの記事をもとに作成)
比べること プロンプトエンジニアリング コンテキストエンジニアリング 設計するもの 指示の文(とくにシステムプロンプト) AIに渡す情報の全体 扱うもの 指示、例、答えの形 指示に加えて、道具、外部のデータ、会話の履歴など 行うとき プロンプトを書くとき AIが動くたび(何を渡すかを毎回選ぶ) 主な場面 1回の依頼、決まった作業 何回もやり取りして作業を進めるAIエージェント
同じ記事は、渡す情報が長くなるほど、AIがその中の情報を正しく引き出す力が落ちる(context rot)と書き、目的に役立つ情報だけを最小限にそろえることを勧めています。
資料は多く渡せばよいわけではなく、何を渡し、何を渡さないかを選ぶことが、コンテキストエンジニアリングの中心です。
プロンプトエンジニアリングは古い?終わった?
古い、終わったと言われる理由
モデルが良くなり、少し前によく使われた工夫が要らない場面が増えたことが、主な理由です。
「ステップごとに考えて」という指示は、推論モデルには不要だとOpenAIが書いています。
Anthropicも、モデルが賢くなるほど、プロンプトの細かな書式は重要でなくなりつつあるようだと書いています。
言葉としても、2025年からコンテキストエンジニアリングという呼び方が広がりました。
今も必要とされる理由
一方で、目的を伝え、材料と例を渡し、結果を確かめるという中身は、今も各社の公式のガイドの中心にあります。
Google Cloudは、簡単な作業ではプロンプトエンジニアリングなしでも十分なことが多いとしつつ、複雑な作業では今も大切な役割を持つとしています。
上の実際に試した例でも、指示の文だけで答えの形は守られた一方、自社の決まりは書き足すまで伝わりませんでした。
日本プロンプトエンジニアリング協会のPEP検定は、2026年9月20日のシラバスの改定で、「AIエージェントとコンテキストエンジニアリング」の章を新しく設けました(PEP検定 )。
決まった言い回しで答えを良くする工夫から、目的、材料、例、評価を設計する仕事へと、扱う範囲が広がっていると言えます。
プロンプトエンジニアの求人と年収
求人検索サイトの求人ボックスでは、「プロンプトエンジニア」の求人の平均年収が708万円と表示されていました(求人ボックス 、2026年11月19日に確認)。
同じページの平均求人数は、2025年9月から2026年10月までで2,123件です。
この金額は求人に書かれた給与から出した値で、表示は日によって変わります。
プロンプトエンジニアリングの学び方
各社の公式のガイドを読む
いちばん新しい情報は、AIを作っている会社の公式のガイドにあります。
どれも無料で読め、新しいモデル向けの勧めも載っています。
資格:PEP検定と生成AIパスポート
プロンプトエンジニアリングを名前に含む資格には、日本プロンプトエンジニアリング協会のPEP検定があります。
生成AIの基礎と注意点を幅広く学ぶなら、生成AI活用普及協会(GUGA)の生成AIパスポートもあります。
プロンプトや生成AIの資格(2026年11月19日に各団体のページで確認)
資格 実施団体 受け方 時間と問題数 受験料(税込) PEP検定 日本プロンプトエンジニアリング協会 テストセンター、随時 60分、100問 11,000円 生成AIパスポート 生成AI活用普及協会 オンライン、年5回 60分、60問 11,000円
PEP検定は、全国のテストセンターでパソコンを使って受ける試験で、70%以上の正解で合格です。
生成AIパスポートは、2月、4月、6月、8月、10月の年5回、自宅などからオンラインで受けられ、学生の受験料は5,500円(税込)です(生成AIパスポート )。
ほかのAIの資格と目的別の選び方は、AI資格の種類と選び方 で詳しく説明しています。
本:目的で選ぶ6冊
書名に「プロンプトエンジニアリング」を含む本から、出版社の紹介で内容を確かめた6冊を紹介します(2026年11月19日に版元ドットコムと出版社のページで確認)。
プロンプトエンジニアリングの本
書名 出版社と発売 内容 生成AIのプロンプトエンジニアリング オライリー・ジャパン、2025年7月 モデルが変わっても使える原則と、出力の安定化と評価 LLMのプロンプトエンジニアリング オライリー・ジャパン、2025年5月 LLMを使うアプリの開発でのプロンプトの設計 大規模言語モデルを使いこなすためのプロンプトエンジニアリングの教科書 マイナビ出版、2024年3月 基本から高度な手法、テンプレート集、APIの使い方 ChatGPT はじめてのプロンプトエンジニアリング スタンダーズ、2025年3月 プロンプトを要素に分けた説明と、事例と演習 プログラミング知識ゼロでもわかる プロンプトエンジニアリング入門 第2版 秀和システム、2025年3月 基本の手法から、生成AIを使ったアプリの作り方まで 生成AIプロンプトエンジニアリング入門 翔泳社、2023年12月 ChatGPTとMidjourneyで、文章と画像の基本の手法
初めて学ぶ人は、要素に分けて説明する本や入門書から読むと、手法の名前と使いどころをつかめます。
AIを使うアプリを作る人には、開発の中での設計や評価を扱うオライリー・ジャパンの2冊が合います。
本は発売の時点のモデルで書かれているので、モデルごとの細かな書き方は、公式のガイドで今の情報を確かめます。
研修:自社の業務の題材で学ぶ
会社で学ぶなら、研修会社や団体の企業研修を使う方法があり、日本プロンプトエンジニアリング協会も企業研修を行っています。
研修に国の助成金を使うときは、題材に注意が要ります。
人材開発支援助成金の事業展開等リスキリング支援コースは、2026年8月3日からの改正で、生成AIを使うための汎用的なプロンプトの作り方を学ぶ訓練を、助成の対象外の例に挙げています(厚生労働省のお知らせ )。
営業の担当者が生成AIで商品の提案書を作る方法を学ぶ訓練のように、特定の業務に直接使う内容なら対象になる例も示されています。
研修の種類、費用、助成金の条件は、AI研修の選び方 で詳しく説明しています。
動画を作るAIでも、例と材料を渡す
例を見せる、材料を渡す、という手法は、動画を作るAIにも使えます。
ここでは、作りたい動画の内容を文章で伝えると、AIが構成からナレーション、仕上げまでを行って動画にするNoLangを例に説明します。
参照動画で、作りたい動画の例を見せる
NoLangでは、ホームの「公式サンプル」の動画を開くと、その動画が入力欄に「参照動画」として入ります。
参照動画は、文章のプロンプトでいうフューショットの例に当たり、入力欄には、その動画の構成で作りたい題材を書きます。
この動画と同じ構成で、新入社員向けに、情報セキュリティの基本ルールを3つ伝える動画にしてください。
参照動画が入ると、入力欄の右下に「プロンプトサンプル」の番号が出て、押すと、その動画から続けて作るための例文が入力欄に入ります。
入力欄の左下の「+」(追加設定・添付)にある「お手本への忠実度」で、参照動画の作風(素材、構成、テンポ)をどれだけ保つかの目安を選べます。
高くするほど参照動画の作風を保ち、低くするほど題材に合わせて組み直します。
「おまかせ」のままにすることもできます。
忠実度は目安で、入力欄に書いた指示のほうが優先されます。
資料を添付して、材料を渡す
同じ「+」のメニューの「ファイルをアップロード」から、資料や画像を添付できます。
前に使ったファイルは「過去のファイルを添付」から選べます。
プロンプトには、資料のどこを伝えたいかを書きます。
何を書けばよいか迷うときは、同じメニューの「生成の進め方」で、AIの質問に答えてから動画を作る進め方も選べます。
手順は、プロンプトの書き方 の「動画を作るAIへのプロンプトの書き方」で詳しく説明しています。
NoLang作りたい動画を文章で伝えて、 例と資料から動画を作ろう
NoLangで動画を作る
会社でプロンプトの工夫を共有する
部署で確かめたプロンプトや、決まりの書き方は、社内の手順として共有しておくと、誰が使っても答えがそろいます。
共有したい手順や社内のルールは、NoLangで資料から研修動画にして伝えることもできます。
手元の資料から研修動画を作る流れは研修動画のページ にまとめており、自社に合う使い方はお問い合わせ から相談できます。
詳しい資料は、下のボタンから請求できます。
資料をダウンロード
NoLang編集部
動画生成AIサービス「NoLang」運営チーム(株式会社Mavericks)
NoLang編集部は、動画生成AIサービス「NoLang」を開発・運営する株式会社Mavericksのメンバーで構成されています。動画生成AIの開発・運営を通じて得た一次情報をもとに、動画制作・動画活用にすぐ活かせる実践的なノウハウをお届けしています。