短すぎるプロンプトは、モデルにすべてを推測させます。長すぎるプロンプトは、唯一意味のあった一行を埋もれさせます。中間 — 視点、シーン、感情を名指す 6〜7 文 — こそが、生成が BGM のような響きをやめて重みを背負い始める地点です。
まず視点を固定する
楽器より前、テンポより前に、誰が誰に向かって歌っているのかを名指してください。「午前 3 時、新米の親が眠る赤ちゃんに語りかけている」は、リリックジェネレーターに落とし込むべき姿勢を与えます。「温かいアコースティック・インディー」は質感を与えるが、狙いは与えない。姿勢が定まれば、質感は後から自然についてきます。
次にシーンを置く
1 枚のイメージ — キッチンカウンター、電車の窓、廊下、ホテルの駐車場 — が、汎用的なムードを特定のムードに引き寄せます。シーンを説明する必要はありません。1 つ手渡すだけでいい。モデルは、自分では思いつかなかったような形で隅々まで埋めていきます。それが、結果が「注文された」のではなく「発見された」と感じられる理由です。
プロダクションのメモは最後に取っておく
ジャンル、テンポ、楽器編成は、プロンプトの最後に置きます。曲が何についてのものかをモデルがすでに知っている、そのあとです。「120 BPM、歪んだベース、女性ボーカル」から始めると、リリック層が育つ土壌がなくなります。シーンと姿勢から始めれば、プロダクションのメモは既存のものを置き換えるのではなく、すでにあるものを研ぎ澄ます役割になります。
出発点となるテンプレート
[WHERE] にいる [WHO] が、[WHAT] について考えている。コーラスは [TWIST] に気づいた瞬間に転換する。ムードは [TWO ADJECTIVES]。プロダクション：[GENRE]、[TEMPO]、[ONE PRODUCTION DETAIL]。
これは一字一句コピーするための公式ではありません — モデルが仕事を始める前に、プロンプトに入っていなければならない 5 つの決断のチェックリストです。どれか 1 つを飛ばすと、結果は「決定不足」のように感じられ、何度再生成しても直りません。