• 大規模なシーンにも対応： 大きな動きや複雑なカメラワークを、安定かつ滑らかに表現します。高速移動や連続動作、追従撮影、周回撮影など、大きなカメラ移動を伴うシーンでも、映像の安定性と動きの連続性を保ちます。
• 映像・音響品質が大幅に向上： 高品質な音声とステレオ音声に対応。リップシンクの精度も向上し、音声・セリフ・演技が自然に同期することで、臨場感のある音響体験を実現します。
• プロ品質の出力に対応： 4Kおよび1080pの10-bit HDR出力に対応（近日公開予定）。豊かな色彩と滑らかな明暗の階調を表現し、逆光・夜景・ネオンなどコントラストの高いシーンでも、ハイライトとシャドウのディテールをより多く保持します。色の階調飛びを抑え、ポストプロダクションでのカラーグレーディングにも余裕を持たせます。また、21:9のウルトラワイド画面にも対応し、横方向の視野と構図の自由度を広げ、より没入感のある映画的な映像表現を可能にします。

• 多様な素材を参照可能： 1回の生成で、画像・動画・被写体・音色など、最大15点の参照素材を使用できます。内訳は、画像最大10枚、動画最大5本（合計30秒以内）、被写体最大7体、うち動画の被写体は最大3体です。複数の素材を組み合わせて使用できます。
• 一貫性が向上： 複数の参照素材をより安定して組み合わせ、キャラクター・動作・カメラワーク・音声を、意図に近い形で表現できます。
• アイデアを手軽に再現： 参照動画のストーリー展開、ショット構成、表現方法を参考にしながら、商品・キャラクター・素材を差し替えられます。ゼロから企画を立てたり、何度も調整したりする手間を減らし、SNS向けの人気動画、商品広告、ファッション・美容、デジタル機器などの商用動画を効率よく制作できます。
• 動画をより精密に編集： キャラクターの表情や身体の動き、カメラ位置、カメラワーク、全体のスタイル、背景などをより細かく変更できます。その他の部分の安定性を保ちながら修正できるため、再生成の繰り返しを減らし、制作効率を高めます。

• 長尺のストーリーを自然に表現： 1回の生成で最長30秒の動画を作成でき、長回しや連続したストーリー展開にも対応します。
• 複数のキーフレームで精密に制御： キーフレームとなる画面を自由に設定し、人物の状態、シーンの変化、ストーリー上の節目を細かく指定できます。最大10枚のキーフレームを入力できます。
• プロンプト理解が進化： 短いプロンプトから、何度も推敲した複雑なプロンプトまで、入力長が最大8,000トークンに拡張されました。Kling 4.0はプロンプトを適切に補完・展開・ブラッシュアップし、監督の視点を取り入れながらアイデアをさらに磨き上げます。
• カメラワークを自在に演出： カメラの動きや複数ショットの構成に対する理解がさらに向上しました。プッシュイン、プルアウト、パン、トラック、追従撮影、周回撮影などを、より自然かつ安定して表現します。ショットサイズの切り替えやトランジションも滑らかになり、人物の登場、アクションの展開、商品紹介、ストーリーの転換などを、より洗練されたカメラワークで描けます。

• 対応する制作シーンを拡大： 映画、ショートドラマ、アニメーション、広告、MVなど、さまざまな制作シーンに対応。独自の映像・音響スタイルを表現しやすくなり、個人の自由な発想からプロフェッショナルな商用制作まで、幅広いアイデアを形にできます。
• 多彩なビジュアルスタイル： 映画風、アニメーション、ファンタジー、ピクセルアート、フェルト風など、さまざまなビジュアルスタイルに対応します。
• 言語対応を強化： 多言語、アクセント、方言への対応が向上しました。中国語・英語・日本語・韓国語・スペイン語・ポルトガル語・ドイツ語・フランス語・ヒンディー語などの言語に加え、北京語アクセント、台湾の中国語アクセント、東北地方の中国語アクセント、四川方言、広東語、アメリカ英語、イギリス英語、インド英語などにも対応しています。
• 文字をより正確に生成： 多言語の文字、絵文字、ロゴを鮮明かつ安定して生成できます。映像の動きやシーンの切り替えがあっても文字が読みやすく保たれ、重要な情報を正確に伝えられます。

| 活用シーン： 多言語広告、方言を活かしたショート動画、グローバルブランド向けコンテンツ、クリエイティブなブランドデザイン、MVなど、幅広いスタイルやグローバルな制作シーン。

【全体のスタイル】
15秒、実写映画のような質感。夕暮れの海沿いの街路と、パーティー会場の撮影セットがつながっている。 
自然な手持ち撮影。歩行に伴う上下動、不規則な微細な揺れ、構図の修正を明確に表現する。車や人物の動きに合わせて素早くカメラを振り、短いモーションブラーを生じさせ、対象を捉えた後に再び安定させる。カーチェイスや走行シーンでは動きを強くし、パーティーのシーンでは徐々に落ち着かせる。 
人物の肌には汗が浮かび、後れ毛や衣服のしわが見える。路面、衣装、機材には実際に使用したような痕跡がある。色彩は自然に保ち、赤いスポーツカー、炎、パーティーの暖色照明で視覚的な変化をつける。
【人物と車両】 
男性俳優： 
30歳前後。短いダークヘア、薄い無精ひげ、引き締まった体格。 
運転中や転がるシーンでは、特務工作員の衣装を着用する。 
濃いチャコールグレーのフィットしたアクションジャケット。襟元は閉じている。 
同色のアクションパンツ。 
黒いレザーのショートブーツ。 
上着とパンツの外側には、撮影現場で素早く着替えるための剥がせる縫い目がある。上着は前中心と両脇から開き、パンツは両脚の外側に沿って開く。 
白いシャツ、黒い蝶ネクタイ、濃紺のスラックスは、あらかじめ外側の衣装の内側に着用している。 
外側の衣装を着ている間は、濃色の特務工作員の姿がはっきりと見える。 
スーツジャケットは、後半でスタッフ2名が着せる。 
濃紺のスラックスの裾は、黒いショートブーツの履き口を覆う。 
男性俳優の顔、髪型、体格は全編を通して一貫させる。 
スポーツカー： 
オリジナルデザインの赤いコンセプトカー。低く丸みのあるくさび形のボディ、短いフロント、曲線的なキャビン、幅広のリアフェンダー。 
フロントには横一文字の白いライトバーがあり、リア左右には小さな丸型テールランプが3つずつ並ぶ。 
フロント中央は継ぎ目のない滑らかな赤い塗装。濃いグレーのホイール中央には、装飾のない金属製の丸いキャップがある。 
ステアリング中央は全面が黒いレザー。 
運転席側の窓は開いている。すべてのショットで、この外観とライトのデザインを維持する。 
バイクに乗ったカメラマン： 
濃色の作業着と防護ヘルメットを着用。濃紺のスポーツバイクの左右のスタント用ステップにひとりで立ち、腰はシートより高い位置にある。両手でカメラを肩に担ぎ、ハンドルは空けておく。 
脚と重心でバイクを制御し、上半身で路面の揺れを吸収する。カメラはスポーツカーの運転席に向ける。 
正体が明らかになる場面では、立ち姿、両足、バイク、カメラの全体がはっきりと見える。 
監督： 
40代。少し白髪が混じり、顔には自然な肌の質感がある。 
使い込まれたダークブラウンのショートジャケット、ベージュのクルーネックTシャツ、濃色のストレートパンツを着用。 
デジタルストップウォッチを手に持ち、身体と視線を撮影の動きに積極的に合わせる。 
近くにはスクリプター、撮影助手、照明スタッフがいる。手前、周囲、遠景に人物や機材を配置し、奥行きのある撮影現場を作る。 
着替えスタッフ： 
合計6名。一般的な撮影現場の作業着を着用する。 
前の4名は左右に2名ずつ立ち、外側の特務工作員の衣装を引き開ける。 
後ろの2名は濃紺のスーツジャケットを広げ、着用を手伝う。 
それぞれの動作を明確にする。脱がせた衣装は、担当したスタッフが手に持つ。 
女性の同伴者： 
シャンパンゴールドのドレスを着用し、自分のシャンパングラスを持って、パーティー会場の入口から数歩入った位置に立つ。 
ウェイター： 
入口の片側に立ち、シャンパングラスを載せたトレイを持つ。男性俳優が通り過ぎる際にグラスを取れるようにする。 
【ショットと動作】 
00:00～00:03｜カーチェイス、5ショットの高速カット 
タイヤのクローズアップ：後輪が路面を捉え、赤いスポーツカーが加速する。 
足元のクローズアップ：黒いショートブーツがアクセルを踏み込む。 
目元のクローズアップ：俳優が前方の交通状況を素早く見極め、車の揺れに合わせて顔が動く。 
手元のクローズアップ：両手でステアリングを素早く操作する。 
やや広めのサイドショット：スポーツカーが隣の車のすぐ脇をすり抜け、車間距離が急速に縮まった後、再び離れる。 
最初の4ショットは短く、最後のショットは少し長めにして、車列をすり抜ける動きを明確に見せる。 
00:03～00:09｜車内から車外へ引き、カメラマンの正体を明かして監督へパン 
助手席付近から運転手を撮影する。 
カメラが開いた運転席側の窓を通り、完全に車外へ出てから、さらに後方へ引く。 
車外からのサイドのロングショットへ移行する。 
赤いスポーツカーと濃紺のバイクが並走している。カメラマンは頭から足先まで全身が見え、ひとりで立ち、両手でカメラを肩に担い、レンズを運転手に向けている。 
スポーツカーが前方の車をかわし、バイクも同時に車体を傾け、その後再び並走する。 
カメラは速度と路面の振動に合わせて自然に揺れる。 
車両が監督の作業エリアを通過する際、カメラを道路脇へ素早く振る。 
手前を撮影助手の肩が一瞬横切り、監督を斜め横から捉えたミディアム・クローズアップで止まる。 
監督は身を乗り出し、スポーツカーを目で追っている。 
そばではスクリプターが記録を取り、遠くには照明スタッフと機材が見え、奥行きのある撮影現場を構成する。 
監督は前方へ手を振りながら、こう叫ぶ。 
「Stay with it! Keep going!」 
監督が画面に映っている間に、セリフを最後まで言い切る。 
00:09～00:12｜スポーツカーの爆発 
スポーツカーの側面をやや広めに追うショットに切り替える。 
尾を引く炎を伴ったミサイルが左後方から追いつき、車体後部に命中する様子をはっきり見せる。 
命中地点が閃光を放ち、直後に車体後部が爆発する。炎、黒煙、破片が外側へ広がる。 
車体が跳ね上がり、右方向への勢いを保ったまま進む。 
衝撃で手持ちカメラが短く大きく揺れる。 
00:12～00:14｜画面左から転がり込む 
近くの撮影セットの地面に切り替える。 
俳優は特務工作員の衣装を完全に着たまま、画面左から地面すれすれに転がり込み、画面中央へ進む。 
左後方には燃え上がる炎と立ち上る煙を残す。 
オレンジ色の光が左肩、顔の側面、地面をかすめる。 
俳優は片膝をつき、片手を地面についたヒーローらしいポーズで止まる。全身が見え、衣装には灰が付着している。 
カメラは着地に合わせて短く下がり、その後、再び人物を捉える。 
00:14～00:15｜顔のクローズアップから走り出す 
俳優の顔に切り替える。 
俳優は息を吐き、顔には汗と灰が付いている。左側では炎の光が揺らめく。 
前方を鋭く見据え、すぐに肩を上げて走り出す。 
手持ちカメラは細かく揺れ、立ち上がる動きに合わせて素早く上昇し、走るショットへつなげる。

カット1：5秒
参考画像1の構図。月と星が輝く夜、月光を放つ巨大な白い蓮の花が空に咲き、画面の大部分を占めている。花から白や金色の光の粒がきらめく。手前には、白い古装束に金色の薄衣をまとった絶世の美女。遠くの巨大な蓮を見上げ、片手を差し伸べている。黒く長い髪と2本の細長い白いリボン、衣の裾が風に吹かれて自然に揺れる。月光が身体の輪郭を銀白色に縁取り、仙女のように幻想的に輝く。
蓮は巨大な月のように見え、人物よりはるかに大きく、遠くに浮かんでいる。人物は小さく、カメラに近い。明確な遠近感と被写界深度を表現する。蓮の花びらは呼吸するようにゆっくり上下し、淡い光が明滅する。各花びらから星屑のような光を含む水が細く流れ落ち、金色の光粒がゆっくり漂う。カメラは右へ水平移動し、人物はその場に留まる。視点の変化に伴い、蓮の見え方もわずかに変化する。
カット2：5秒
参考画像2の蓮と人物のポーズ、構図を参考にする。月と星が輝く夜、水面に巨大な墨色の蓮が咲いている。蓮の中央には、淡い青緑色の衣をまとった絶世の美女が横たわる十分な空間がある。両手を頭の後ろで組み、脚を組んで、くつろぎながらまどろんでいる。人物は画面内で小さめに配置し、黒い蓮を主役にする。蓮は画面の大部分を占め、川の流れに沿ってゆっくり漂う。
真上からの垂直俯瞰ショット。蓮そのものが発光し、中央部は透き通るように明るく、花びらの縁には白と淡い金色の光が宿る。画面全体に無数の蛍がきらめき、同じ方向へゆっくり飛んでいく。女性の身体や手、髪、衣の裾が風に揺れ、自然で心地よい動きを見せる。蓮の光は呼吸するようにゆっくり明滅し、水面は絶えず流れ続ける。蓮は画面左方向へ漂い、カメラは徐々に引いていく。
BGM： 古典的で優雅な、中国伝統の美しさを感じさせる幻想的な音楽。古筝と笛の美しい合奏。

トップモーション映像を生成し、ストーリーボード自体を映像として再現しない。鉛筆によるスケッチ風の質感、ストーリーボードのグリッド、タイトル、中国語のラベル、監督メモ欄は画面に一切表示しない。
添付のキャラクター設定シート（画像2）は、BISCUIT（C1）のビジュアルを決定する唯一の基準とする。BISCUITは、小柄で丸々としたクレイアニメのテリア犬。茶色の毛はぼさぼさで、片耳は垂れ、もう片方の耳は立っている。大きな黒いクレイの鼻、期待に満ちて大きく見開かれた両目、短いしっぽが特徴。オレンジ色の襟と袖口が付いた、小さな白いクレイ製宇宙服を着ている。丸いガラス製ヘルメットは前面が開いており、鼻が外に突き出ている。曲がったアンテナ付きの小さなバックパックを背負い、大きなムーンブーツを履き、自分の体よりも大きなクレイ製のフォークを手に持っている。すべてのフレームで、同じ犬、同じ宇宙服、同じフォークの外観を一貫して維持する。C2はバスほどの大きさを持つ、友好的なクレイ製のチーズネズミ。
尺： 15秒
アスペクト比： 16:9
カメラ： 全編を通して、目に見えるカットのない連続したワンショットとする。仮想カメラは最初、BISCUITの隣でジャンプに合わせて上下に揺れ、その後、彼と一緒に穴へ急降下する。トンネルの底から上方向を仰ぎ、さらに彼と一緒に穴の外へ飛び出し、最後に上昇して極端なロングショットへ移行する。すべてのショットサイズの変化は、この連続したカメラ移動によって実現する。
ビジュアルスタイル： アードマン・アニメーションを彷彿とさせる、手作りのクレイ・ストップモーション。指紋、粘土の質感、わずかに不均一な表面をはっきりと残す。1秒あたり12フレームのストップモーション特有のカクつきを表現する。実物のミニチュアセットのような照明と、マクロ撮影を思わせる浅い被写界深度を採用する。チーズでできた月はゼリーのようにぷるぷると揺れる。空は黒いフェルトで作られ、アルミホイルの星とクレイ製の地球が浮かんでいる。全体的に温かく、居心地がよく、ユーモラスで愛嬌のある雰囲気にする。
ビジュアルコンセプト： 空腹と勇気。小さな犬、大きなフォーク、ぷるぷる揺れるチーズの月、そして新しい友達。
環境： 無数の穴が開いた黄色いチーズの月面、地表の下に広がるチーズのトンネル、小さく傾いたクレイ製ロケット、空に浮かぶ地球。
音声： 最後の3秒間に軽快なチューバとウクレレのアンサンブルを流し、それ以外の時間は音楽を使用しない。効果音には、クレイの足音がきしむ音、低重力でゆっくり大きく跳ねる際の弾力のある「ポヨン」という音、月面が揺れる低く鈍いゼリーの振動音、穴が開く際のゴムのような「プシュッ」という音、転がるときの風切り音、巨大なネズミが大きくかじる音と驚いて叫ぶ声、慌てて爪で引っかく音、念願のチーズをひと口食べる瞬間の豪快な咀嚼音、満足げに咀嚼する音、そしてしっぽが地面を叩く音を含める。
感情の流れ： L1 好奇心 → L3 驚き → L4 恐怖 → L5 追跡劇のクライマックス → L5 最初のひと口のチーズによる至福 → L1 温かく満ち足りた幸福感。
ストーリーボードのビート（全編ワンショット、カットなし）：
0～2秒（P01）： カメラはチーズの表面すれすれの低い位置から撮影する。BISCUITが傾いた小さなロケットから出てきて、片方の前足をチーズに踏み入れ、匂いを嗅ぐ。目が次第に大きく見開かれる。肩にはフォークを担いでいる。空には地球が見える。
2～4.5秒（P02）： カメラはBISCUITの隣で、ジャンプに合わせて上下に揺れる。BISCUITは低重力の中、ゆっくりと大きく跳びながらチーズの地表を越えていく。耳が上下に揺れる。大きな楔形のチーズにフォークを突き刺すと、地面全体がゼリーのように震え、足元に巨大な穴が開く。
4.5～7秒（P03）： カメラはBISCUITと一緒に穴の中へ急降下する。フォークを前足でしっかり握ったまま、穴だらけのチーズのトンネル内をゆっくりと転がっていく。途中、トンネルの壁をかじっているバスほどの大きさのクレイ製チーズネズミのそばを通り、ネズミを驚かせる。
7～9.5秒（P04）： カメラはトンネルの底に回り込み、上方向を仰ぎ見る。巨大なネズミが振り返り、ひげを震わせながら、トンネルを上へ向かってBISCUITを追いかける。BISCUITはパニックになり、トンネルの壁の間を跳ね返りながら逃げる。フォークの後ろには、カールしたチーズの帯が長く伸びている。
9.5～12秒（P05）： カメラはBISCUITとネズミと一緒に穴の外へ飛び出す。BISCUITは上空へ舞い上がり、ゆっくりと大きな弧を描く。その直後、ネズミの頭が穴から飛び出す。BISCUITは空中で逆さまになりながら、フォークで大量のチーズを巻き取り、口へ運ぶ。その瞬間、至福の表情に包まれる。
12～15秒（P06）： カメラは上昇し、極端なロングショットまで引いていく。BISCUITと巨大なネズミは穴の縁に並んで座り、一緒にチーズを食べている。背後にはロケットが止まり、地球がゆっくりと昇ってくる。空にはアルミホイルの星が散りばめられている。BISCUITは満足げに息を吐き、ヘルメットのガラスが白く曇る。しっぽは楽しそうに揺れている。チューバとウクレレの演奏が始まる。この画面を維持する。

1. SCENE CONTEXT: EXACTLY 1 DRAGON — NO DUPLICATES.A 30-second, six-shot dark-fantasy action sequence. A colossal dragon roars, launches from a mountain pinnacle, accelerates toward a burning coastal city, dives between its towers and performs a devastating aerial fire attack. Epic scale, very fast pacing, real-time motion.

2. ACTIVE REFERENCES: controls the burning coastal city, Gothic architecture, harbour, mountain horizon, existing fires, smoke columns, storm clouds and lightning. Controls the dragon’s identity, black-grey scales, red-brown wing membranes, horns, dorsal spines, four legs, two wings, long tail and opening rocky pinnacle.

3. LOCATION MAP: The pinnacle overlooks the coastal city. The harbour lies screen-left, the central castle lies ahead, and the densest burning district lies centre-right. Direction of travel always runs from the mountain toward the city centre. Cameras remain behind, below or on the dragon’s left side without reversing the travel axis.

4. FIRST FRAME AND SPATIAL BLOCKING: The dragon is already crouched on the pinnacle, wings spread, hind legs compressed and head aimed toward the city. Its jaws open for one roar. Fires flicker below; connected smoke columns bend with the wind and the entire storm ceiling visibly moves.

5. FORMAT MODE: Six shots with hard cuts: SHOT 1 — 0.0–4.0s: roar and launch.SHOT 2 — 4.0–9.0s: high-speed pursuit toward the harbour.SHOT 3 — 9.0–13.5s: low flight across the water toward the city.SHOT 4 — 13.5–19.0s: first fire attack between towers.SHOT 5 — 19.0–25.0s: banking pursuit and sweeping fire attack.SHOT 6 — 25.0–30.0s: dragon climbs above the burning city. Cuts are motivated by wing wipes, smoke wipes and close architectural passes. No fades or dissolves.

6. OPTICS SHOT: 1: 24mm, 74° horizontal FOV, low-angle environmental wide.SHOT 2: 18mm, 90° FOV, rear pursuit perspective.SHOT 3: 24mm, 74° FOV, low water-level chase.SHOT 4: 28mm, 65° FOV, roof-height tracking.SHOT 5: 24mm, 74° FOV, close side-rear pursuit.SHOT 6: 18mm, 90° FOV, monumental aerial wide.Moderate-deep focus. Strong natural motion blur on wing tips, water, smoke, embers and nearby buildings.

7. CAMERA: All cameras have obvious physical handheld instability.SHOT 1 rapidly tilts upward as the dragon launches; wing pressure violently jolts the operator.SHOT 2 follows 12 metres behind the tail with intense wind buffeting and rapid vertical vibration.SHOT 3 races just above the water behind the dragon; waves and burning boats whip past the frame edges.SHOT 4 tracks through the street canyon at roof height.SHOT 5 follows the dragon through a hard bank, nearly losing framing as towers pass dangerously close.SHOT 6 pursues upward, then settles into a wide view of the devastated city.No smooth floating or mechanically perfect movement.

8. ACTION TIMING: 0.0–0.8s: The dragon releases one thunderous roar, neck extended and eyes fixed on the city.0.8–2.0s: Hind legs drive into the pinnacle; claws fracture the rock.2.0–4.0s: The dragon launches and performs two powerful wing strokes. Dust and stone explode backward.4.0–6.5s: Hard cut behind the dragon already accelerating at high speed.6.5–9.0s: It folds its legs beneath its body and dives toward the harbour. Smoke streams across its wings.9.0–11.5s: The dragon skims rapidly above rough water. Wing tips nearly touch the waves.11.5–13.5s: It passes burning ships and climbs over the sea wall. A tower wipes across the lens.13.5–15.0s: Hard cut inside the city. The dragon bursts through smoke between Gothic towers.15.0–19.0s: It releases one continuous orange-white fire jet, sweeping across the left row of rooftops while maintaining full speed.19.0–21.5s: The dragon snaps into a hard right bank around the central tower; the tail swings with delayed inertia.21.5–25.0s: Its connected fire stream sweeps across the avenue and strikes the right-side tower. Burning masonry and embers fall behind it.25.0–27.0s: The dragon stops breathing fire, beats its wings powerfully and climbs above the rooftops.27.0–30.0s: It ascends into the storm light and glides over the burning city. The camera widens to reveal spreading flames, smoke columns and the harbour below.

9. PHYSICS: The dragon has immense believable mass despite its speed. Wing strokes originate in the shoulders; membranes stretch under aerodynamic load. The torso, legs and tail react with delayed inertia. Wing wakes tear openings through smoke, disturb water and buffet nearby fires. Fire emerges only from the open mouth as a pressure-driven stream with a white-hot core, orange turbulent edges and visible heat distortion. Buildings ignite progressively at visible impact points. Debris follows gravity and the dragon’s wake.

10. LIGHTING: Cold storm daylight enters from upper-left. Existing fires provide orange underlight beneath the dragon. The fire stream becomes a moving motivated key light, casting travelling highlights over scales, towers and smoke. Sunbeams break through the clouds during the final climb. Preserve detail in the flame core and keep the dragon’s silhouette readable.

11. AUDIO: No dialogue. Synchronized dragon roar, claw scraping, rock fracture, leather-wing thunder, violent wind, wave impacts, burning ships, collapsing masonry, ember hiss and pressurised fire blasts. Epic original score: rapid war drums, low brass ostinato and urgent strings begin immediately. Wordless low choir enters at launch. Percussion accelerates during the chase. Full orchestra strikes with each fire attack, then expands into a dark triumphant finale during the ascent. Roar, wings and fire remain louder than the music.

12. CHARACTER ACTING: The dragon acts with focused predatory intent. Its eyes remain locked on its flight path and successive building targets. During acceleration, its head lowers and shoulders drive aggressively. Inside the city, the neck deliberately guides the fire stream while the tail controls each bank. In the final shot, its chest opens and posture changes from attacking aggression to airborne dominance.

13. STYLE: Grand apocalyptic dark-fantasy cinema, aggressive pursuit photography, monumental scale and battlefield energy. Charcoal and storm blue occupy 60% of the palette, smoke-brown stone 30%, and fire orange 10%. Weathered 35mm film texture with old-photograph softness, organic grain and no digital sharpening.

14. QUALITY: Consistent dragon identity and anatomy through every cut: one head, two wings, four legs and one tail. Stable city architecture, coherent wing cycles, attached mouth fire, volumetric smoke and physically connected destruction. Natural fast-motion blur without ghost copies, anatomy mutation or detached flames.

15. POSITIVE CONSTRAINTS: Exactly one dragon remains visible throughout the sequence. It launches before 2 seconds, reaches the harbour by 9 seconds, enters the city at 13.5 seconds and completes two fast fire-attack passes before climbing away. Every shot preserves the mountain-to-city direction. Strong camera shake communicates extreme speed while the dragon remains readable. City fires continuously emit smoke, clouds visibly travel across the sky, and new destruction appears only where the connected fire stream strikes.

@動画1を編集し、コンビニの入口から順番に出てくる3人を、以下の人物にそれぞれ置き換える。 1人目：@画像1の男性の身元、顔、濃色の巻き髪、白いサンバイザー、白い半袖シャツと黒白のボーダー柄インナー、緑のエプロン、ライトグレーのゆったりしたジーンズ、濃色のスニーカーを使用する。 2人目：@画像2の女性の身元、明るい金髪のショートヘア、赤いスウェット、緑のエプロン、白いハイソックス、赤い靴を使用する。 3人目：@画像3の男性の身元、明るい金髪のショートヘア、白いコック帽、黒縁メガネ、青・緑・黒の柄入りニットセットアップ、緑のエプロン、白い靴、そして腕に抱えている同じアイボリー色のぬいぐるみの羊を使用する。 3人の登場順、店内から入口まで歩く動作、立ち止まってポーズを見せる動作、カメラに向かって歩き、前景から退出するテンポは、@動画1の動作とカメラワークを参考にする。 1人目はサンバイザーのつばを軽く持ち上げてからカメラに近づく。2人目は入口で自然にエプロンを整え、軽く手を振ってからカメラに近づく。3人目はぬいぐるみの羊を抱え、メガネを直してからカメラに近づき、カメラに近づいたところで羊を少し持ち上げる。 コンビニ右側のガラス窓の中央に、読みやすく鮮明で安定した大文字の看板「KLING AI OPEN 24 hours」を固定する。文字は常に正しい綴りで表示し、文字化け、変形、点滅を起こさない。看板はガラス窓の内側に固定し、人物を遮らない。 その他は完全に変更しない。@動画1の緑色のコンビニのドア枠、入口の構図、店内の商品棚、蛍光灯、ガラスの反射、昼間の光、カメラ位置、人物の歩く方向、動画の長さ、テンポ、アスペクト比を維持する。人物を追加しない。店舗の構造やカメラの動きを変えない。字幕、ロゴ、透かし、余計な文字を表示しない。

@動画1の雪の中で跳ねている三毛のコーギーの子犬を、3Dのブロック型ピクセルアート風のコーギーに置き換える。 全身をブロックで構成する。胴体は直方体、頭は立方体、耳は上向きの四角い三角形、脚は短い角柱、尾は小さなブロックとする。すべての輪郭は硬い直角で、曲線は一切使用しない。 表面には16×16ピクセルの低解像度テクスチャを使用する。色分けは元のコーギーを引き継ぎ、黄褐色の胴体、背中の黒い鞍状の模様、白い顔の中央線、白い首周り、白い胸、白い足先を維持する。目は黒い四角い点を2つ、鼻は黒いブロック、舌は小さなピンク色のピクセルで表現する。光が当たる面は明るく、側面は暗くする。毛並みの質感や滑らかなグラデーションは使用せず、ブロック単位のフラットな陰影にする。 体格は元のコーギーと同じにし、拡大も縮小もしない。 ブロック型コーギーの位置、動作、移動軌跡は、元のコーギーの各フレームに合わせる。玄関先に立つ、深い雪に飛び込んで姿が消える、雪面に穴が残る、ブロック状の頭を出す、何度も前方へ跳んで雪に埋まる、最後に雪穴の中に座る、といった動作を再現する。ジャンプ中の胴体と脚は、ゲーム内のキャラクターのように一体のブロックとして揺れ、関節を曲げない。 雪に埋まる深さ、蹴り上げる雪、身体に付着する雪、雪面に落ちる影は、ブロック状の身体に合わせる。雪に覆われた後に再び現れる際も、同じブロック型コーギーとしてテクスチャを統一する。 重要：ブロック風に変えるのはコーギーだけとする。木製の玄関、雪原、木の柵、森、灰白色の空は、すべて実写の映像のまま維持し、ブロック化やピクセル化しない。画面にはこの動物1匹だけを登場させ、どのフレームにも実際の毛並みを持つコーギーを登場させない。音声は元の動画と完全に一致させ、新しい音を追加しない。手持ちカメラの位置とカメラワークは変更しない。その他は変更しない。

シーン設定：
明るく清潔感のある架空の都市観光案内所。映像全体を通して色調を統一する。観光客は画面左側、通訳者は中央、観光案内スタッフは右側に立っている。カウンターの上には市街地図とルート案内図が置かれている。背景の文字や地図上の文字は判読できない程度にぼかし、実在するブランド名、機関名、ロゴ、ウォーターマークは表示しない。
ストーリーとセリフ：
0～3秒： 三人のミディアムショット。スペイン人女性観光客が中央の通訳者を見ながら、手に持った地図を掲げ、自然で明瞭な、ややゆっくりとしたスペイン語で話す。
「¿Dónde está la estación de metro más cercana?」
観光客が話し終えてから約0.5秒間の間を置く。通訳者は観光案内スタッフの方を向き、中国語に通訳する。
「彼女は、最寄りの地下鉄駅がどこにあるか知りたいそうです。」
3～7秒： カメラは通訳者と観光案内スタッフのツーショットに切り替わる。観光案内スタッフは地図に目を向ける（地図のクローズアップは不要）。自然で明瞭な中国語で答える。
「沿这条路直走，步行大约五分钟就能到。」
スタッフが話し終えてから約0.5秒間の間を置く。通訳者は内容を理解したことを確認してから観光客の方を向く。
7～11秒： 通訳者が自然で明瞭な、ややゆっくりとしたスペイン語でスタッフの回答を通訳する。
「La estación de metro está a unos cinco minutos a pie. Siga recto por esta calle.」
通訳者は話しながら地図上のルートを指し示し、観光客は地図を注意深く確認する。
11～15秒： カメラは三人のミディアムショットに戻る。スペイン人観光客は内容を理解し、笑顔でうなずき、スペイン語で話す。
「Muchas gracias.」
三人は自然な接客・案内のやり取りを続け、そのまま映像を終える。
音声要件：
スペイン人観光客はスペイン語のみを話す。
中国人の観光案内スタッフは中国語のみを話す。
中国人の通訳者は、最初に中国語で話し、その後スペイン語で話す。
三人の声質をそれぞれ明確に区別する。
一人が話している間、ほかの二人は静かに聞き、セリフを重ねたり、同時に話したりしない。
すべてのセリフを明瞭な音声で再生し、話している人物の口の動きを対応する言語に正確に同期させる。
スペイン語の発音は自然で標準的なものとし、英語の発音にならないようにする。
話す速度はややゆっくりとし、文と文の間に自然な間を設ける。
観光案内所の環境音をわずかに残す。BGMは追加せず、環境音がセリフをかき消さないようにする。
カメラワーク：
冒頭は三人のミディアムショットで人物の位置関係を示す。観光客が話す際は、観光客と通訳者のツーショットに切り替える。通訳者が内容を伝える際は、通訳者とスタッフのツーショットに切り替える。スタッフが回答する際は、地図上のルートが分かるクローズアップを挿入する。通訳者がスペイン語に翻訳する際は、通訳者と観光客のツーショットに戻し、最後は三人のミディアムショットで締めくくる。
人物の立ち位置、視線の方向、服装の連続性を維持し、突然人物が入れ替わったり、空間の位置関係が変化したりしないようにする。
映像スタイル：
リアルで自然、かつプロフェッショナルな観光サービスのドキュメンタリー風。明るく清潔感のある画面、自然な表情、控えめな動作。空港や都市の観光案内所で実際に交わされる接客のやり取りのように描写する。

1. SCENE CONTEXT EXACT 1 HUMAN CHARACTER — NO DUPLICATES. A woman enthusiastically presents the black Kling cropped puffer jacket she is wearing inside a minimalist fashion showroom. She maintains warm, confident eye contact with the camera while demonstrating the collar, chest logo, quilted construction, cropped silhouette, and pockets. One continuous 15-second vertical fashion shot.2. ACTIVE REFERENCES@image1 controls the woman’s exact identity, straight brown hair, blue eyes, small earrings, black Kling cropped puffer jacket, high collar, silver zipper, white chest logo, quilted panels, elastic cuffs, side pockets, loose blue jeans, black belt, showroom racks, window, and vertical composition. Preserve every detail exactly.

3. LOCATION MAP: The woman remains centered between two clothing racks. The left rack stays behind frame-left, the second rack remains in the rear-right, and the large window stays on frame-right. The camera remains directly in front of her and moves only slightly toward her left side.

4. FIRST FRAME AND SPATIAL BLOCKING: Match the reference composition. She stands in a relaxed three-quarter position with both arms resting naturally beside her body. The complete jacket, waistline, belt, and upper jeans remain visible. Her head turns toward the camera and her eyes lock naturally onto the lens.

5. FORMAT MODE: One uninterrupted 15-second vertical 9:16 shot. No cuts, fades, dissolves, speed ramps, wardrobe transformations, location changes, or duplicated poses.

6. OPTICS: 50mm equivalent lens with a 40° horizontal field of view. Medium fashion framing keeps her eyes, facial expression, collar, logo, zipper, sleeves, hem, pockets, and waistline readable. Moderate depth of field softly separates her from the clothing racks.

7. CAMERA: A human operator stands approximately two and a half meters away at chest height and performs one slow handheld clockwise arc of less than one meter. Breathing drift, small footsteps, slight roll, and delayed reframing remain visible. The camera never becomes mechanically stabilized or crops out the jacket hem.

8. ACTION TIMING 0.0–2.0s: She finds the lens, takes a light anticipatory breath, and forms a genuine welcoming smile.2.0–5.5s: While beginning her sentence, she touches the structured collar and follows the zipper downward with her fingertips, keeping her eyes on the lens.5.5–8.5s: Her voice becomes more animated as her hand pauses beside the white Kling logo and her free hand opens in a small expressive gesture.8.5–11.5s: She turns into a three-quarter side profile, slips both hands into the pockets, and looks back toward the lens with a confident smile.11.5–15.0s: She faces forward again, relaxes her shoulders, and finishes the presentation with bright eyes and a warm, satisfied expression.

9. PHYSICS The padded jacket compresses naturally beneath her fingertips and recovers after release. Quilted panels retain consistent volume. Sleeves bend and crease at the elbows, while the cropped hem shifts during her turn and settles under gravity. Hair and earrings respond with small delayed movement.

10. LIGHTING: Soft daylight from the large window on frame-right is the single motivated key source. It creates restrained highlights across her eyes, hair, black fabric, silver zipper, and cheekbones while preserving detail in the quilted panels. Ceiling track lights remain subtle background practicals.

11. AUDIO: Layered showroom ambience: quiet room tone, distant ventilation, soft jacket rustle, zipper contact, jeans movement, and restrained footsteps. In a sincere, emotionally engaged English voice, she says: “I honestly love this Kling jacket—the cropped fit feels so confident, and it goes with everything.” Begin with warm appreciation, emphasize “love” and “confident,” then finish with an audible smile. Her lips, breath, expression, and garment gestures synchronize exactly with the sentence. SFX only, no music, no score, no song, no soundtrack.

12. CHARACTER ACTING: She speaks as someone genuinely excited by how the jacket makes her feel. Her eyes stay connected to the lens with living highlights and irregular natural blinks. Her eyebrows lift slightly on “love,” her cheeks rise on “confident,” and her final smile reaches both eyes. She never looks down at the garment while speaking; her hands locate each feature naturally through touch. INNER, UNSPOKEN: “This feels completely like me.”

13. STYLE: Minimal contemporary fashion content captured by an imperfect human companion. Clearly handheld intimacy, old-photograph softness, organic film grain, restrained contrast, natural fabric texture, gentle window halation, and no digital sharpening. Color balance: 60% black and charcoal, 25% cool white showroom tones, 15% faded blue denim and natural skin.

14. QUALITY The woman’s identity, eye color, hairstyle, earrings, jacket geometry, quilted panels, collar, zipper, cuffs, pockets, jeans, and belt remain consistent. The white Kling wordmark remains correctly spelled, stable, and attached to the same chest position. Eyes, lips, hands, fingers, sleeves, and fabric folds remain anatomically coherent.

15. POSITIVE CONSTRAINTS: Exactly one woman wears exactly one black Kling jacket throughout the shot. She maintains direct lens connection while speaking and looks back toward the lens during the side pose. She speaks exactly one emotional English passage and performs one continuous garment presentation. The jacket remains fully zipped and its logo stays visible during front-facing moments. Add no second person, clothing change, subtitle, price, promotional overlay, mirror reflection, music, or runway movement. A flat, emotionless delivery, wandering eyeline, malformed wordmark, changing jacket length, extra limb, or fabric passing through her body equals a failed shot.

SCENE CONTEXT: EXACTLY 3 UNIQUE CHARACTERS ACROSS THE VIDEO — NO DUPLICATES.EXT. Enchanted counting forest classroom, warm morning. One soft cream cloud teacher teaches the numbers 1, 2, 3 and 4 in four separate shots. Two tiny yellow chick pupils appear only in the number-two shot.3 characters across the video, 5 hard-cut shots, 15s, real time.ACTIVE REFERENCES@Video1: content, narration and timing reference only — preserve the educational progression, additive explanations and final recap. Never inherit its white studio environment or visual style.@Image1: visual-world reference only — handmade clay-and-felt materials, rounded toy-like forms, pastel forest trunks, mossy ground, rainbow colours, warm diffused backlight and shallow storybook depth. Never inherit its existing characters, numerals or composition.

LOCATION MAP: All five shots occur on the same circular moss stage inside one enchanted forest classroom.One broad warm-brown tree trunk anchors frame-left; a second tree trunk anchors frame-right. A curved pastel rainbow root crosses the background. The central teaching pedestal remains in the same position in every shot. Camera always stays on the front side of the teaching axis, between 3.0 and 3.3 m from the pedestal. The sun always comes from upper frame-right. Background geometry, material scale and colour palette remain identical after every cut.

FIRST FRAME AND SPATIAL BLOCKING: Shot 1: the cloud teacher floats centre-left, facing a large red felt numeral 1 on the central pedestal. One red apple is concealed inside the moss below it. Shot 2: The cloud teacher floats centre-left, facing a large amber felt numeral 2. Two yellow chicks begin concealed behind the pedestal. Shot 3: the cloud teacher floats centre-left, facing a large green felt numeral 3. Three blue felt stars begin nested inside the moss. Shot 4: the cloud teacher floats centre-left, facing a large blue felt numeral 4. Four purple clay blocks begin below the pedestal. Shot 5: the cloud teacher floats alone at centre, facing the viewer beneath the rainbow root. Every shot begins mid-gesture with the teacher already pointing toward the active numeral. No empty establishing beat.

FORMAT MODE: Horizontal 16:9, total 15s, real time, 5 shots connected by clean hard cuts.Shot 1 — 0.00–4.00s: number 1 and one apple.Shot 2 — 4.00–7.08s: number 2 and two chicks.Shot 3 — 7.08–10.21s: number 3 and three stars.Shot 4 — 10.21–13.08s: number 4 and four blocks.Shot 5 — 13.08–15.00s: spoken recap and celebration. Each number receives its own separate shot. Numerals 1, 2, 3 and 4 never share the same teaching frame.No fades, dissolves or split screens.

OPTICS: 35mm equivalent, 54° horizontal FOV, locked across all five shots. Identical natural perspective, camera height, background scale and depth-of-field character after every cut. Focal plane remains on the cloud teacher, active numeral and active quantity. Foreground flowers softly obscure the lower corners. Distant trees dissolve into the same creamy storybook blur.

CAMERA: Every shot is operated handheld at approximately 105 cm height from the front side of the teaching axis. World register: gentle SETTLE. Shot 1: slow 10 cm push toward numeral 1. Shot 2: slow 10 cm push toward numeral 2. Shot 3: slow 10 cm push toward numeral 3.Shot 4: slow 10 cm push toward numeral 4. Shot 5: slow 8 cm push toward the celebrating teacher.Visible handheld character throughout: breath sway, micro-roll, late tiny corrections and gentle but obvious handmade shake. Numerals and subtitles remain readable. Camera height, axis and movement speed match across all cuts.Not a gimbal, slider, tripod lock-off, drone or digitally stabilised camera.

ACTION TIMING 0.00–0.78s: Shot 1 begins. The cloud teacher already points toward the red numeral 1. 0.78–1.98s: numeral 1 rises and completes one soft bounce. 1.98–4.00s: one red apple rises from the moss and settles beneath numeral 1. 4.00–4.86s: hard cut to Shot 2. The amber numeral 2 rises and completes one soft bounce. 4.86–7.08s: one yellow chick hops out from the left, then a second chick joins from the right; they touch shoulders and settle together. 7.08–8.04s: hard cut to Shot 3. The green numeral 3 rises and completes one soft bounce. 8.04–10.21s: two blue felt stars rise together, followed by one additional star; the three stars settle into a clear triangular arrangement. 10.21–11.06s: hard cut to Shot 4. The blue numeral 4 rises and completes one soft bounce. 11.06–13.08s: three purple blocks assemble first; one additional block clicks into the fourth position. 13.08–14.40s: hard cut to Shot 5. Four tiny coloured fireflies pulse sequentially red, amber, green and blue while the teacher points from left to right. 14.40–15.00s: the teacher opens both arms; a small clay sun unfolds above the rainbow and releases a brief sparkle burst.

PHYSICS: The cloud teacher has the buoyancy of a lightweight stuffed felt puppet, with soft vertical drift and delayed arm movement. Each numeral has padded felt weight: it compresses, rebounds once and settles. The apple lands with soft clay weight. The chicks’ feet squash slightly into the moss. Stars descend with gentle air resistance. Blocks connect with firm edge-to-edge contact. Every quantity remains stable and readable until its shot ends. Hard cuts reset the teaching pedestal cleanly while preserving the same forest, teacher identity, material scale and lighting.

LIGHTING: One identical motivated source in every shot: warm morning sunlight filtering through the trees from upper frame-right.The teacher’s lower-left side remains slightly darker in all five shots. Soft rim light separates the felt fibres from the forest. Protect the cream cloud, pastel numerals and rainbow highlights from clipping. The direction, colour temperature, haze density and exposure remain unchanged across every cut.

AUDIO VOICEOVER: The cloud teacher speaks in English with the same warm, clear, medium-high preschool-teacher voice in every shot. Pronunciation is slow, encouraging and rhythmically precise.0.78s: “One.”1.98s: “One means just one.”4.16s: “Two.”4.86s: “Two means one and one together.”7.26s: “Three.”8.04s: “Three means two and one more.”10.32s: “Four.”11.06s: “Four means three and one more.”13.32s: “One, two, three, four.”14.40s: “Great job!”

MUSIC: one continuous original children’s instrumental across all cuts, using soft marimba, toy piano, light ukulele, felt-drum taps and gentle handclaps. The same melody, tempo and instrumentation continue seamlessly through every shot. It rises slightly with each new number and ends with a short celebratory flourish.SFX: one soft felt pop for each numeral bounce; one clay plop for the apple; two tiny moss footsteps for the chicks; three sparkle chimes for the stars; four wooden clicks for the blocks; four soft firefly pings during the recap; one bright celebration chime at the end.

AMBIENCE: continuous close grass rustle, mid-distance leaves and faint woodland birds. The ambience never resets at the cuts.MIX: narration remains clear and centred. Music ducks beneath every spoken line. Sound effects synchronise exactly with the quantities. Music and ambience remain continuous across every hard cut.

SUBTITLES: Burned-in English subtitles, bottom-centre inside the title-safe area, positioned 10% above the lower edge.One or two lines maximum. Rounded cream felt subtitle panel with dark chocolate-brown bold lettering, high contrast and stable placement. Subtitles appear and disappear exactly with the matching narration:0.78–1.38s: “ONE.”1.98–3.84s: “ONE MEANS JUST ONE.”4.16–4.66s: “TWO.”4.86–6.82s: “TWO MEANS ONE AND ONE TOGETHER.”7.26–7.78s: “THREE.”8.04–10.16s: “THREE MEANS TWO AND ONE MORE.”10.32–10.80s: “FOUR.”11.06–13.08s: “FOUR MEANS THREE AND ONE MORE.”13.32–14.24s: “ONE, TWO, THREE, FOUR.”14.40–15.00s: “GREAT JOB!”

CHARACTER ACTING: Cloud teacher: identical body proportions, cream felt texture, tiny arms, dot eyes, rosy cheeks and a small smiling mouth in every shot. Uses slow preschool-teaching gestures. The gaze always lands on the active numeral or quantity. The expression gradually changes from patient concentration in Shot 1 to a broad celebratory smile in Shot 5.Shot 1: points with one hand and watches the single apple settle.Shot 2: brings both hands together as the two chicks join.Shot 3: traces a small triangle after the third star appears.Shot 4: raises four soft fingertips after the final block connects.Shot 5: points across four firefly pulses, then opens both arms toward the viewer.Two chick pupils: appear only in Shot 2. The first chick leaves a visible space beside itself; the second fills that space. Both look up at the teacher and blink once after joining.

STYLE: One perfectly consistent handmade clay-and-felt stop-motion storybook world across every shot.Rounded silhouettes, tactile fingerprints, plush fibres, softly imperfect surfaces, oversized friendly trees, moss carpet, tiny flowers and pastel rainbow details.Identical teacher model, forest geometry, prop scale, material softness, lens character and lighting direction after every cut.Soft vintage optical character, old-photograph texture, subtle film grain, slight halation and natural motion blur.Colour 60:30:10 = moss green and warm wood / cream and pastel numeral colours / coral-red and sunny-yellow accents. Vintage photo softness, no sharpening.

QUALITY: The cloud teacher, active numeral, active quantity and subtitles remain readable in every shot. Numeral shapes are conventional, upright and unambiguous. Subtitle spelling, punctuation and timing match the specified script exactly. Subtitle size, typeface, panel shape and screen position remain identical across all cuts. Soft old-photo resolution, never digitally sharpened.Natural motion blur without ghosting, duplicated limbs, malformed numerals, incorrect quantities or plastic CGI surfaces.

POSITIVE CONSTRAINTS: Numbers 1, 2, 3 and 4 each receive one separate teaching shot. Only one large numeral appears in each teaching shot. Shot 1 contains exactly one apple. Shot 2 contains exactly two yellow chicks. Shot 3 contains exactly three blue stars. Shot 4 contains exactly four purple blocks. Shot 5 contains only the cloud teacher, four sequential firefly pulses and the final clay sun. The same cloud teacher identity, forest style, light direction, optics, colour palette, music and subtitle design continue across every cut. Speech count: exactly 10 lines. Every subtitle matches its spoken line word for word. A shared 1–4 teaching frame, split screen, incorrect quantity, extra character, style change, lighting change, malformed subtitle or mismatched narration = failed shot.

@Image1 is the first frame.  @Video1 is the reference for camera, motion, timing and cuts. Recreate @Video1 shot-for-shot and cut-for-cut, but starting from @Image1: the rider is SITTING in a black office swivel chair instead of standing on a bike. Same chest-mounted GoPro fisheye POV, same ramp, canyon, river, orange parachute with white ring, airboat and cheering crew; same three jump-cuts and audio as video. Wherever the video shows the bike — under the rider on the ramp, shoved away at the cliff, tumbling below in free-fall, and the tiny silhouette during the parachute opening — show the office chair (mesh backrest, padded seat, chrome column, five-spoke base, casters). Before the launch, the rider stays seated exactly as in @Image1: thighs and knees at the bottom of frame, sneakers on the star base, hands on the armrests. No bicycle, handlebar, tyres or pedals anywhere.

SCENE CONTEXT EXACT 1 CHARACTER — NO DUPLICATES. Interior, a worn blacksmith workshop, daytime. The same blacksmith removes the raw material, works it into a greatsword, and returns the completed sword to the original table.15 seconds, six shots. Manufacturing time is compressed through editorial cuts; individual actions retain natural weight and speed.

ACTIVE REFERENCES: @Image1: exact first-frame anchor. Preserve all five iron blocks, their arrangement, the tabletop, background tools, perspective, and lighting. This image is the starting state of an active pickup shot.@Image2: exact final-frame anchor and finished-sword design. Preserve the blade silhouette, central fuller, angular curved crossguard, spiral metal grip, faceted pommel, diagonal placement, perspective, and background. This composition is reached through a visible physical placement.

LOCATION MAP: The worktable fills the foreground. The tool bucket stands behind its left-center edge, the rod rack occupies the rear right, and the anvil stands at the right. The blacksmith works from the left side of the table in both endpoint shots. The camera stays on the original viewer-facing side of the table. During blade-working inserts, the tang points screen-left and the tip points screen-right. The final sword position runs from the upper-left pommel to the lower-right tip.

FIRST FRAME AND SPATIAL BLOCKING: At 0.0 seconds, the frame exactly matches the raw-material reference, with five iron blocks and no hands visible. The same blacksmith immediately reaches in from the left edge. Both gloved hands approach the largest central block from opposite ends, preparing a supported two-handed lift. The blacksmith wears soot-gray sleeves, brown leather gloves, and a narrow dark strap around the right cuff. These details remain identical throughout every shot.

FORMAT MODE: 15 seconds total, six shots.Hard cuts at 3.0, 5.0, 8.0, 10.0, and 11.0 seconds. Cuts compress the omitted manufacturing work and bench clearing. The opening pickup and closing placement each play as continuous physical actions.No fades, dissolves, or object-morph transitions.

OPTICS: Shots 1 and 6: reference-matched elevated three-quarter framing, approximately 63° diagonal field of view and approximately 1.8 meters from the tabletop center. Exact endpoint framing takes priority over estimated optical measurements. Shots 2–5: 40° diagonal field of view, approximately 0.8 meters from the working contact point. Focus follows the hands and metal contact; the workshop background remains softly readable. Each shot holds one fixed field of view.

CAMERA: A real camera operator holds the camera from the viewer-facing side of the workspace. All shots use handheld SETTLE: visible breathing sway, slight roll, and small delayed corrections. The opening camera holds its position while the iron block leaves the frame. The closing camera holds the empty tabletop composition while the sword enters, then settles into the exact final reference. The blacksmith is the only visible worker; the camera operator remains outside the image.

ACTION TIMING: 0.0–3.0s — TAKE THE IRON. Start on the exact first reference; during 0.0–0.6s, the blacksmith’s matching gloved hands enter from screen-left and grip opposite ends of the largest central block. During 0.6–1.5s, the wrists brace and both hands lift the block clear of the tabletop, exposing the patch of table beneath it. During 1.5–3.0s, the blacksmith carries the supported block out through screen-left; the other four blocks remain resting on the table through the cut.3.0–5.0s — HEAT THE STOCK. Hard cut forward in time to one thick billet already glowing orange among forge coals. The same gray sleeves, brown gloves, and right-cuff strap appear at screen-left as the blacksmith holds long tongs around the billet. A short controlled pull draws the billet toward the forge mouth, with heat shimmer rising above its scaled surface.5.0–8.0s — FORGE THE BLADE. Hard cut forward to an elongated orange-hot blade blank supported on the anvil, tang left and emerging tip right. The same blacksmith braces the tang with left-hand tongs and delivers three deliberate right-hand hammer strikes along the blade flat. Each strike produces local compression, wrist recoil, and a brief scatter of dark scale.8.0–10.0s — FINISH THE METAL. Hard cut forward to a cooled blade with its fuller already formed, held by the same gloved hands against an abrasive wheel. The blacksmith makes one controlled finishing pass along the bevel. A narrow stream of sparks falls from the actual contact point as a brighter strip of metal appears.10.0–11.0s — COMPLETE THE HILT. Hard cut forward to the nearly finished sword supported on a separate assembly bench, its crossguard and spiral metal grip already fitted. The same blacksmith’s left hand braces the grip while the right hand gives the faceted pommel its final tightening turn. The completed sword now has the exact construction and finish required for the final image.11.0–15.0s — PLACE THE FINISHED SWORD.Hard cut to the original worktable, now completely clear; show its empty surface for 0.4 seconds before the same gloved hands carry the completed sword in from screen-left, one hand around the grip and the other supporting the blade flat near its balance point. From 11.4–13.8s, the blacksmith lowers the entire rigid sword diagonally, hilt toward upper-left and tip toward lower-right, easing it onto the tabletop and sliding the supporting hand free as its weight transfers to the table. From 13.8–15.0s, both hands release and withdraw through screen-left; the sword remains motionless in the exact final-reference position as the camera settles onto the final frame.

PHYSICS: The raw block retains its shape and mass throughout the pickup. Both hands support it continuously; the forearms tense and the lift accelerates slowly under its weight. The anvil supports the hot blade during forging. Large changes of shape occur across editorial time jumps. The completed sword remains rigid during carrying and placement. The blade-supporting hand has visible clearance to slide free as the sword settles; the hand never passes through the blade or tabletop. Metal contact produces a short scrape and a low, heavy clink, followed by stillness. The same blacksmith clears the remaining raw stock during omitted time before the final shot.

LIGHTING: The original table shots use soft daylight from upper camera-left, matching both references. Retain dark detail in the iron and protect the silver blade highlights. The forge insert uses orange coal glow from below-left as its dominant source. Return to the original neutral daylight before the sword enters the final tabletop shot.

AUDIO: Quiet workshop air and distant furnace draft form the ambient bed. Opening: leather creaks, a brief iron scrape, and a restrained exertion breath as the heavy block rises.Middle: forge crackle, tong contact, three synchronized hammer impacts, abrasive scraping, and a short fitting sound.Ending: sleeve movement, glove friction against metal, a weighted sword-to-table clink, then quiet workshop ambience. The blacksmith speaks no dialogue.SFX only, no music, no score, no song, no soundtrack.

CHARACTER ACTING: One consistent blacksmith performs every visible action. Soot-gray sleeves, brown leather gloves, and the dark right-cuff strap remain unchanged. Hands work deliberately: brace before lifting, maintain firm tool contact, and reduce speed before lowering the finished sword. The physical rhythm shifts from effort during the raw-block pickup to careful control during the final placement. The face and torso remain outside the crop.

STYLE: Grounded workshop documentary with tactile iron, worn tools, and convincing manual labor.Soft old-photograph texture, restrained grain, and natural motion blur; no digital sharpening. Charcoal metal and muted brown surfaces dominate, with silver highlights and localized forge orange. The first and last frames preserve the supplied images’ appearance.

QUALITY: Maintain consistent hands, gloves, sleeve details, metal geometry, and contact shadows. The lifted block reveals the tabletop underneath it. The closing shot visibly establishes the empty tabletop before the sword enters. Keep the full final sword readable, including its tip, guard, grip, and pommel. Avoid duplicate limbs, flickering geometry, and intersecting solid surfaces.

POSITIVE CONSTRAINTS: The first frame contains exactly five iron blocks. The largest central block physically leaves the table in the same blacksmith’s two hands. The final shot begins with an empty table. The completed sword enters while visibly supported by that same blacksmith, contacts the tabletop, and remains after both hands withdraw. The last frame matches the finished-sword reference exactly. The opening pickup and final placement each remain continuous, with visible hand-object contact. Exactly one finished sword is present.No text overlays, subtitles, or music.

横長16:9、実写映画のような質感で、30秒の街中の逃走シーンを生成する。
映像全体を、横方向から追い続ける連続したサイドトラッキングの長回しで構成する。ワンカットで撮影し、カット割り、アングル変更、シーン変更は一切行わない。
舞台はマンハッタンを思わせる人通りの多い繁華街。寒色系で彩度を抑えたフィルム調、浅い被写界深度、実際に肩に担いだカメラをスタビライザーで支えながら撮影したようなリアルなカメラワーク。通りには、レストランの屋外席、黄色いタクシー、路肩に停車した車、新聞スタンド、消火栓、工事用足場、ショーウィンドウのガラス、地下鉄の通気口から立ち上る白い蒸気、歩行者、遠くまで続く密集した人混みがある。前景の物体が次々と素早く画面を横切り、遮蔽効果とリアルな街の奥行きを生み出す。
カメラは常に道路と平行を保ち、左方向へ横移動しながら、若い女性の走る姿を追い続ける。彼女は荷物がぎっしり詰まった大きな旅行バッグを手に提げている。バッグは明らかに重く、走る動きに遅れて大きく揺れ、脚の側面に重々しくぶつかる。その重さに引っ張られ、身体がわずかに傾く。彼女の表情には緊張と疲労がにじみ、息を切らしながら、ときどき背後を振り返る。ただし、映像内には彼女を追いかける人物を一切登場させない。
0～5秒｜静かな街並みの導入
まず、レストランの屋外席にカメラを向ける。通行人の一人がコーヒーを持ち上げ、その隣には金属製の丸テーブル、ラタンチェア、オーニング、歩行者が見える。
街の環境音を中心に構成する。車の走行音、人々の話し声、足音、遠くから聞こえるクラクション。カメラはごくゆっくりと左へ横移動し、穏やかな街の様子を映す。画面右端から、主人公の女性が高速で走り込んでくるぼやけた姿が徐々に現れる。
5～12秒｜女性が走り込み、カメラが追いつく
女性が画面右側から勢いよく走り込む。彼女に引っ張られるように、カメラは左方向への横移動を急加速させ、彼女を追いかけて追いつく。ピントは街並みから彼女の顔へ移る。その途中で、軽いオーバーフォーカスやピントの戻しが生じてもよい。
彼女は全力で走り、口を開けて息を切らし、眉間にしわを寄せ、顎に力が入っている。背後を2回振り返り、2回目はより大きく振り返る。顔には恐怖と疲労が表れる。
手に提げた重い大型旅行バッグは、腕の振りに遅れて揺れ、脚の側面に重々しくぶつかる。その衝撃で身体がわずかに傾く。彼女は屋外席の椅子すれすれを通り抜け、地下鉄の通気グレーチングを踏み越える。巻き起こされた白い蒸気が立ち上り、前景の歩行者や街路沿いの物体が次々と素早く画面を横切る。
12～15秒｜遮蔽によって見失う
黄色いタクシー、または歩行者の集団が、カメラと女性の間を素早く横切り、約0.5～1秒間、画面全体を完全に遮る。
遮蔽が終わると、女性はすでに画面の中央から外れている。カメラは左方向への横移動を続けるものの、明らかに減速する。一時的にピントが外れ、撮影者が彼女を探しているような動きになる。街灯の柱、歩行者の後ろ姿、新聞スタンド、路肩の駐車車両、ショーウィンドウの反射を順に捉える。
15～21秒｜女性を再び見つける
カメラは歩道沿いを移動しながら、女性の姿を探し続ける。ピントは前景の歩行者、ショーウィンドウの反射、街路沿いの物体の間で一時的に揺れ動き、その後、少し離れた場所にいる女性の後ろ姿と横顔を再び捉える。
女性は引き続き左方向へ走っているが、先ほどより疲労が強くなっている。カメラは再び加速して彼女に追いつき、前景の歩行者から女性の身体と顔へとピントを戻す。
彼女の走る速度は徐々に落ち、呼吸はさらに荒くなり、歩幅も小さくなる。旅行バッグの重さがますます負担になっていく。一瞬だけバッグを反対側の手に持ち替えるが、すぐに元の手に戻す。指は持ち手を強く握りしめ、バッグの重さに引っ張られる身体の傾きも、よりはっきりと表れる。
21～30秒｜人混みへ突入し、徐々に姿を消す
カメラは再び女性の全身を横から追い続ける。彼女は工事用足場の脇を走り抜ける。緑色の防護ネットや金属製の支柱が、前景を一本ずつ高速で横切る。ショーウィンドウのガラスには、走る彼女の姿が一瞬だけ映り込む。
顔には汗が浮かび、表情は恐怖から、疲れ切っていても走り続けようとする必死さへと変わっていく。
最後に彼女は歩行者専用道路の入口にある密集した人混みへ突っ込み、肩で進路を塞ぐ人々を押し分けながら走る。前景の歩行者に何度も遮られ、横顔、上着、重い旅行バッグが断続的に見えるだけになる。
カメラはゆっくりと横移動を続け、何とか彼女を画面内に捉えようとするが、徐々に追いつけなくなる。最後は流れ続ける人混みを映したまま、女性の後ろ姿と旅行バッグの一部が人々の隙間に見え隠れし、やがて消えていく。
音響要件
セリフ、ナレーション、BGMは一切なし。実際の街中の環境音を中心にする。車の走行音、人々の話し声、足音、遠くから聞こえるクラクションを使用する。
カメラが女性に追いついたときは、彼女の荒い呼吸、足音、旅行バッグが脚にぶつかる音を音場の中心に置く。
遮蔽が起きている間は、タクシーの走行音や群衆の足音がほかの音を覆い隠す。
女性を見失ったときは、彼女の呼吸音が遠ざかる。再び姿を捉えると、呼吸音が再び近づいてくる。
終盤では、人混みの足音や話し声が徐々に彼女の存在を覆い隠していく。
映像の質感・撮影表現
実際の街頭で撮影したような、リアルな映画の追跡シーン。寒色系で彩度を抑えたフィルム調のカラーグレーディング。暗部のディテールを残し、ハイライトは柔らかく表現し、繊細なフィルムグレインを加える。
浅い被写界深度を採用し、動きに応じて前景と背景が自然にぼけるようにする。実際の撮影者が手動でフォーカスを合わせているように、軽いピントの行き過ぎ、引き戻し、一時的なピンぼけを取り入れる。
カメラワークは肩担ぎのスタビライザーで撮影したような質感。わずかな上下動や左右の揺れ、加速・減速時の慣性を表現する。ただし、激しい手ブレは避ける。
ネガティブプロンプト
カット割り禁止。ジャンプカット禁止。フラッシュホワイト禁止。ディゾルブ禁止。スローモーション禁止。速度変更禁止。字幕禁止。ウォーターマーク禁止。UI表示禁止。BGM禁止。
追跡者を登場させない。スーツ姿の男性3人を登場させない。明確な悪役を新たに追加しない。
機械的なレール撮影のようなカメラワークを避ける。人物が滑るように移動しない。走る動作には実際の着地の重さと衝撃を伴わせる。
旅行バッグの重量感を失わせない。女性を優雅で落ち着いた走り方にしない。
身体の貫通や破綻を防ぐ。群衆の人物同士が融合しない。突然の街並み変更、人物変更、衣装変更、カメラアングル変更を行わない。

SCENE CONTEXT — 歴史的なシーンは1つのみ。追加の登場人物は禁止。@Image1を、キャラクターの衣装、配置、照明、構図、絵画調の色彩を再現するための正確な最終フレームの参照画像として使用してください。薄暗いアーチ状の門の下から、17世紀の市民民兵隊が行進に出発する様子を描いた、15秒のシネマティックな短編映像を制作してください。前半は完全に実写映像として表現し、極めて高いフォトリアリズムを実現してください。終盤に近づいてから初めて、同一の連続ショットの中でシーンが徐々に原画へと変化するようにしてください。人物が絵画から出現してはならず、冒頭から油絵の質感が現れることも禁止します。

LOCATION AND ATMOSPHERE — ロケーションと雰囲気：暗い都市のアーチ状の門が、石畳の広場へと開けており、市民民兵隊が行進のために集まっています。都市の埃が空気中に漂い、暖かな日差しが横から差し込んでいます。レンブラント風の劇的な明暗法を用いながら、空間全体は夜の暗闇に包まれた状態を保ってください。月明かりに照らされた夜のような描写は避けてください。

CAMERA AND OPTICS — カメラと光学表現：シネマティックなフォトリアリズムを採用し、精細な質感描写、リアルなレンズの被写界深度、わずかな手持ちカメラ特有の揺れ、滑らかなトラッキングと後退移動を実現してください。カメラは地面に近い低い位置から始まり、行進する群衆の間を自然に移動した後、徐々に後退しながら少しずつ上昇します。映像全体を1つの連続ショットとし、実写シーン、絵画へと変化するシーン、周囲の暗い空間の間で空間的な連続性を維持してください。

FORMAT MODE — フォーマット：全15秒、ワンカットの連続ショット。ハードカット、白いフラッシュ、ページをめくる演出、空間的な連続性を損なうトランジションは禁止します。実写から絵画への変化は同一ショット内で徐々に進行させ、画面の端から中央へと広がるようにしてください。

ACTION TIMING — アクションのタイミング：

0.0–3.0s — THE MILITIA MARCHES：民兵隊が行進する。地面に近い低いアングルでトラッキングし、石畳を踏みしめるブーツを捉えてください。太鼓のバチが打ち鳴らされ、赤い袖がカメラの前を横切ります。カメラは自然に上向きへと角度を変え、旗の下を通過するマスケット銃を追います。すべての動きにリアルな重量感を持たせ、自然な歩行速度を維持してください。スローモーションは禁止します。この段階では完全なフォトリアリズムを維持し、油絵の質感を一切見せないでください。

3.0–8.0s — MOVE THROUGH THE CROWD：群衆の間を進む。カメラは群衆の中を安定して進み、黒い衣装に赤い飾り帯を身に着けた隊長を捉えます。隊長は隊列を確認するために振り返り、前方へ手を伸ばして指示を出します。その隣では、淡い金色の衣装を着た副官が前へ進みます。背景では衛兵たちがパイクを掲げ、隊列を整えます。金髪の幼い少女が一瞬、後ろを振り返ります。表情や動きは自然で控えめに保ち、歴史映画のワンシーンをカメラで偶然捉えたかのように表現してください。肌、布地、金属、建築物のディテールは、すべて完全にリアルな状態を維持してください。

8.0–12.0s — REVEAL THE COMPOSITION：構図を明らかにする。カメラは連続的に後退しながら、わずかに上昇します。集団が動き続ける中、各人物は徐々に原画における正確な位置へと収まっていきます。隊長の伸ばした手、 副官のポーズ、戸口にいる赤い衣装の衛兵、アフガン風の少女、武器類、右側の太鼓奏者が、すべて同時に画面内に現れます。この瞬間、太鼓の音が突然止まり、全員が0.5秒間静止します。構図全体がはっきりと見渡せるようになっても、実写としてのリアルな外観を維持してください。

12.0–15.0s — TRANSFORM INTO THE PAINTING：絵画へと変化する。カットを入れず、同じゆっくりとした後退移動を続けてください。リアルな肌、布地、金属、建築物の質感が、画面の端から中央に向かって徐々に豊かな油絵の質感と目に見える筆致へと変化します。周囲のシーンも段階的に原画へと収束し、@Image1の『夜警（The Night Watch）』が完全に再現されます。原画の人物の位置、衣装、プロポーション、照明、色彩、構図を正確に維持してください。終了時までに変化を完全に完了させ、映像を静止状態にしてください。

FINAL FRAME AND COMPOSITION — 最終フレームと構図：最終的な絵画は、原画の縦横比を一切変更せず、フレーム中央に配置してください。絵画と周囲の暗い空間との間に、途切れのない空間的な連続性を持たせてください。原画をトリミングしたり、構図を変更したり、追加の人物を登場させたりしないでください。完成した絵画を、映像の終了まで完全に静止した状態で保持してください。

LIGHTING AND COLOR — 照明と色彩：冒頭は夜の暗闇、レンブラント風の劇的な明暗法、暖かなサイドライト、空気中に漂う埃で表現してください。月明かりは導入しないでください。実写パートでは、映画的でリアルな照明と自然な素材の質感を維持してください。絵画への変化が進むにつれて、原画特有の照明、豊かな油絵の色彩、目に見える筆致を忠実に再現してください。

PHYSICS AND MOTION — 物理表現と動き：ブーツが石畳にしっかりと接地している様子をリアルに表現してください。武器、衣服、装備品には、現実的な重量感と慣性を持たせてください。隊長の身振り、副官の前進、衛兵たちの隊列調整、少女が一瞬後ろを振り返る動きは、すべて物理的に自然なものにしてください。絵画への変化は、既存のシーンの視覚表現が変わることで実現し、人物が絵画から出現したり、絵画の外へ移動したりする演出は禁止します。

AUDIO — 音響：環境音として、石畳を踏むブーツの音、衣擦れの音、かすかな金属音、生演奏の太鼓の音を使用してください。低音の弦楽器と、徐々に高まるオーケストラ音楽を加え、カメラが後退するにつれてクライマックスへと盛り上げてください。シーンが静止する瞬間に太鼓の音を止め、短い音楽の余韻だけを残してください。音響設計は、生き生きとした歴史的シーンから動きのない絵画の構図へと移行する映画的な展開を支えるものにしてください。

STYLE — スタイル：シネマティックな歴史的リアリズムから、原画の油絵へと移行するスタイル。冒頭から中盤までは完全な実写映像として表現し、リアルな肌、布地、金属、建築物の表面、レンズの被写界深度、自然な動きを再現してください。豊かな油絵の質感と目に見える筆致は終盤になって初めて現れ、フォトリアリスティックな描写を徐々に置き換えていきます。

POSITIVE CONSTRAINTS — 必須条件：連続ショット全体を通して、人物の同一性、衣装、位置、武器、空間的な位置関係を一貫して維持してください。@Image1の最終構図を正確に再現してください。前半は完全なフォトリアリズムを維持してください。変化は画面の端から中央へと進行し、15.0秒までに完了させてください。人物が絵画から出現する演出は禁止します。追加の人物、絵画のトリミング、ハードカット、白いフラッシュ、ページをめくる演出、早い段階での油絵の質感の出現は禁止します。最終フレームは原画の縦横比と構図を完全に維持し、周囲の暗い空間の中央に配置してください。

0.0～2.1秒｜キーフレーム1：タイルの上から見上げる
画像ノード_23に厳密に合わせる。広角の固定構図。少女はミントグリーンのタイルの上に座り、キャビネットと壁のコーナーにもたれ、両脚を自然に前へ広げ、両手を膝の間にそっと置いている。チェック柄のカーテン越しの柔らかな光がタイルに差し込む。少女は最初、伏し目がちだが、ゆっくりと顔を上げ、窓から差し込む光を見つめる。唇がわずかに開き、遠くから聞こえてくる旋律に耳を澄ませているような表情。カーテンはごくわずかに揺れ、スカートのレースと毛先にも呼吸に伴うごく微細な動きがある。構図を変えずに、カメラを約3％ゆっくりと寄せる。
2.1～4.3秒｜キーフレーム2：リコーダーのクローズアップ、音に合わせたカット
少女が顔を上げる動作の頂点に合わせ、リコーダーの澄んだ短い音を映像のカットより0.1秒早く入れる。画像ノード_29 (2) のミディアムクローズアップにハードカットする。少女は目を閉じ、白いリコーダーをそっと吹く。短くも一息で吹き切る。両手は2～3本の指だけがわずかに動き、指穴を細かく押さえ替える。頬は軽く膨らんでから自然に戻る。リコーダーを変形させない。頬を大げさに膨らませない。余分な指を生成しない。カメラは固定し、背景のチェック柄のカーテンは柔らかくぼかしたままにする。
4.3～6.5秒｜キーフレーム3：両手とまなざし、動きに合わせたカット
リコーダーの音が終わる瞬間に、画像ノード_18へハードカットする。少女は窓辺のミントグリーンの壁パネルの前に立ち、両手を顔の右側の頬のそばに添えている。まるで、さきほどの旋律を両手の中にそっとしまい込むような仕草。最初は約0.4秒間、伏し目がちにし、その後、ゆっくりと目を上げてカメラをまっすぐ見つめる。指を一度、ごくわずかに握り寄せる。ビーズのブレスレットが窓からの光をかすかに反射する。ミディアムショットから極めてゆっくりとカメラを寄せ、少女を画面中央に保つ。室内の余白はすっきりとした状態を維持する。
6.5～8.5秒｜キーフレーム4：宙に浮く脚のディテール、スカートの動きに合わせたカット
少女が両手を顔の横からゆっくり離す瞬間、手が画面下端へ抜けるタイミングで画像ノード_21へハードカットする。低いカメラ位置からの部分ショット。映るのはミントグリーンのレーススカート、白いタイツ、淡いグリーンのメリージェーンシューズ、そしてキャビネットの縁にそっと触れる手のみ。少女はミントグリーンのハイキャビネットの縁に座り、両脚をそろえて下に垂らし、足先を一度だけ軽く前に振る。少し間を置いてから、自然に垂直の位置へ戻す。レースのスカートは動きに合わせてかすかに揺れる。脚を大きく揺らさない。両脚を床に触れさせない。キャビネットとバスタブの位置を変えない。
8.5～10.8秒｜キーフレーム5：ベッドの上で静かに見つめる、靴先に合わせたカット
両足の靴先が下向きに戻る瞬間に、画像ノード_22へハードカットする。少女はミントグリーンのベッドの上でうつ伏せになり、両手で頬を支え、両脚を後ろに持ち上げている。優しく柔らかな構図と、ゆとりのある余白を維持する。最初はカメラを見つめ、その後、視線を窓から差し込む左側の光へそっと移し、再びカメラに戻す。両足は靴先を一度だけ小さくそろえて交差させ、自然に力を抜く。シーツにはごくわずかな柔らかいしわが生じる。横向きに寝る姿勢へ変えない。枕、シーツ、テーブルランプ、植物、額縁の位置を変えない。
10.8～13.5秒｜キーフレーム6：前景を横切る紙、最後のまなざし
ベッドの淡い色のシーツの一角が画面の手前を横切る動きを遮蔽として使い、画像ノード_20へハードカットする。少女は白い椅子に座っており、透明なメガネはキーフレームの画像に厳密に合わせる。白い紙が画面の左下および上方からゆっくりと舞い、少女の額の一部と肩を一時的に隠す。ただし、顔全体を0.3秒以上隠さない。少女は舞い動く紙越しに静かにカメラを見つめる。一度まばたきをし、頭を右に約3度だけ傾け、そのまま静止する。紙は画面の外へ流れていく。カメラは固定し、暴風のように大量の紙が舞う演出は避ける。
13.5～15.0秒｜柔らかくフェードアウト
キーフレーム6の最終構図を維持する。紙が画面から消えた後、少女はそれ以上動かず、穏やかにカメラを見つめ続ける。窓辺から差し込む自然光が、柔らかな照明をゆっくりと暗くするように弱まり、ミントグリーンの壁、カーテン、少女、椅子が均一に暗がりへと沈んでいく。突然照明を消すような演出は避ける。色温度を変えない。文字を追加しない。