Dime Dime Baby AI プロンプト：コンチャをかじって見つめる、コピペ用テキスト

Kling、Seedance、Veo、Hailuo などの汎用 AI 動画ツールで Dime Dime Baby の動画を作りたい？必要なのは写真1枚とプロンプトです。コピーして使えるプロンプト、各部分の役割、ペット用の追加文、そしてテキストだけでは超えられない限界を紹介します。

プロンプトで描写すべきこと

このミームは、メキシコのキンセアニェーラ（15歳のお祝い）で撮られた9秒の手持ち動画です。映っている本人 @eve.el.cholo が2025年7月24日に投稿し、2026年10月に KAROL G、Judeline、rusowsky の "BbY WOW" と組み合わされました。詳しくはDime Dime Baby トレンドとは？へ。

動画モデルはこの動画を知らないので、プロンプトで1つずつ描写する必要があります：

• 場所。夜のキンセアニェーラのパーティー会場。パーティー照明、飾り付けたテーブル、後ろにはパーティー服のゲスト。
• カメラ。縦型 9:16 のスマホ手持ち撮影で、あなたが近づいてくる間は動かない。
• 場面を順番に、時間付きで。登場、ひと口、見つめる、踊って去る。それぞれに時間枠を付けると、モデルが順番を守りやすく、見つめるシーンを急がなくなります。
• コンチャ。名前を出して説明すること。上に砂糖の殻がのった丸いメキシコの菓子パン。書かないとドーナツやハンバーガー、クッキーになります。
• 目線。無表情、頬をふくらませ、口を閉じ、噛みながら、レンズを見る。モデルは笑顔やウインクを足したがるので、はっきり否定を。
• 彼ではなく、あなたの顔。踊る人は「参考写真の人物」と書きましょう。元動画の男性の名前は書かないこと。彼を再現するのではなく、彼の位置に入るのです。

Dime Dime Baby AI プロンプト

写真を参考画像としてアップロード（image-to-video）し、以下を貼り付けます。英語のままにしてください。ほとんどの動画モデルは英語のプロンプトにいちばん忠実です。

Vertical 9:16 handheld phone video, one continuous shot, 9 seconds, at a quinceañera party in Mexico at night:
a decorated party hall with colored party lights, round tables and guests in party clothes dancing in the background.
The person from the reference photo, with exactly their face, hair, skin tone and outfit, is the only dancer the camera follows.
0-2.5 s: they dance toward the camera from the back of the hall with loose, bouncy steps, shoulders moving to the beat,
holding a concha (a round Mexican sweet bread with a crackly sugar shell on top) in one hand.
2.5-3.5 s: right in front of the camera they lift the concha to their mouth and take one big bite.
3.5-5.75 s: close-up of their face: lips closed, cheeks full, chewing slowly, staring straight into the lens,
completely deadpan, no smile, no wink.
5.75-9 s: still chewing, they turn around and dance back into the crowd, back to the camera, one hand raised at the end.
Real phone-video look, slight shake, natural motion blur. Exactly one concha, two hands, five fingers on each hand.
No text, no captions, no logos, no celebrities.

各部分の役割：

• "9 seconds" で長さを指定。多くのモデルは1クリップ5秒か10秒が上限です。5秒までなら踊って去るシーンを削り、登場・ひと口・見つめるを残しましょう。笑いどころは目線です。
• "with exactly their face, hair, skin tone and outfit" で、新しい人物を作らずあなたを保つよう指示します。
• 時間枠 で、ひと口が見つめるシーンより先に来るようにし、目線に2秒以上を確保します。
• "lips closed, cheeks full, chewing slowly" で、話したり歌ったりさせないようにします。
• "Exactly one concha, two hands" で、パンが増えたり指が増えたりする、よくある2つの破綻を減らします。

ペット用の追加文

犬や猫なら、全身が写った写真を使い、最後にこれを足します：

The dancer is the animal from the reference photo, standing upright on its hind legs, with its own face, fur, markings and
natural body proportions. It holds the concha in its front paws, bites it and stares into the camera chewing. No human hands.

コツ

• 鮮明な正面の写真を使う。見つめるシーンはアップです。ぼやけた顔や斜めの顔ほど崩れやすい。詳しくは写真ガイドへ。
• まずは低解像度で。動きが決まるまでは 480p やいちばん安いモデルで試し、投稿用は最後に生成しましょう。
• 1回に変えるのは1か所だけ。かぶりつくのが早すぎるなら時間だけを調整。何が効いたのかがわかります。
• 音源は投稿時に。ほとんどの動画モデルは無音か独自の音楽を付けます。TikTok の音源ライブラリから "BbY WOW" を追加しましょう。Dime Dime Baby の曲もどうぞ。
• 自分の顔で。もしくは同意を得た大人の顔で。多くのツールが有名人や子どもをブロックしていて、私たちも同じです。

テキストだけより、モーション参照が強い理由

プロンプトで作れるのは「このミーム風の動画」。このミームそのものは作れません。

• 動きが毎回作り直される。モデルは "dances toward the camera" を読んで、ステップも速さも経路も自分で考えます。かぶりつくタイミングも毎回ずれます。
• カメラが変わる。見つめるシーンでどこまでレンズに寄るか、去るときにカメラがどう動くかは、テキストでは固定できません。
• 顔がずれていく。9秒間歩いて振り向いて噛んでいるうちに、特に後ろ姿のあたりで、顔が別人に寄っていきがちです。
• 試すたびにお金がかかる。1回ごとにクレジットか時間がかかり、会場も照明もパンも毎回違うものになります。

モーション参照なら最初の2つが解決します。動きを言葉で説明する代わりに、モデルがフレームごとになぞる動画そのものを渡すのです。ただし元の映像をそのまま参照にすると、元の男性の顔や服まであなたの動画にコピーされることがあります。

だから私たちのテンプレートは元動画のデプスマップを使っています。デプスマップは、各点がカメラからどれくらい離れているかだけを示すグレースケールの映像です。形・動き・カメラは残し、誰が映っているかの情報は一切持ちません。顔・髪・服はあなたの写真から、コンチャはシーンに残ります。

プロンプトなしで作るなら

トップページなら、写真を1枚アップロードするだけで、そのデプスマップに沿った9秒のフル尺動画が、トレンド音源付き・透かしなしで届きます。プロンプトも設定の調整も CapCut もいりません。アカウントなしで1本 $4.99。クレジットならプレミアム 480p で15クレジットです。ペットは犬・猫バージョンへ。

生成に失敗した場合や写真が審査を通らなかった場合は、支払いまたはクレジットが自動で返金されます。手順は作り方ガイドで、ほかの選択肢は Dime Dime Baby ジェネレーター比較で紹介しています。

プロンプトなしで作る →

Dime Dime Baby AI は独立したツールで、動画の男性、KAROL G、Judeline、rusowsky、その所属レーベル、CapCut とは提携していません。