价值350万的提示词以及工作流被毫无保留的公开了,今天来扒一扒这份提示词的含金量到底有多大!
✨ 本文亮点
🔹 50万美元怎么拍出95分钟长片?成本结构全拆解
🔹 AI"失忆"怎么治?11万资产文件搭建外部记忆系统
🔹 单条提示词3000-4000词的写作骨架公开
🔹 64:1抽卡比背后的后期硬功夫
🔹 这套方法论怎么直接复用到你的AI创作
50万美元。15个人。14天。95分钟成片。每一帧都是AI生成。
今年5月,一部叫《Hell Grind》(地狱磨砺)的动作奇幻片在戛纳电影市场放映,华尔街日报、Variety、BBC全报了。没有摄影机,没有演员,没有实体场景。视频和对白主要用Seedance 2.0生成,角色和场景用Soul Cinema,图像修改用Nano Banana Pro、Seedream 4.5和GPT Image 2。
最近,制作团队Higgsfield干了一件更狠的事。他们把整部电影的11万多个资产文件、全部提示词、角色表、场景表、迭代日志,统统开源了。
不是放个预告片那种"开源",是把厨房翻过来给你看,每一道菜的配料、火候、翻车记录,一个不落。
一句话版本 它到底干了什么
Higgsfield证明了一件事,用AI拍一部95分钟的长片,不是天方夜谭,但也不是"一句提示词出奇迹"。
它的成本结构是这样的,50万美元里,约40万是GPU算力,10万是15个人的人力。传统好莱坞拍同等体量的奇幻动作片?CEO Alex Mashrabov说,大概要5000万美元。
成本砍到百分之一,听起来很美对吧?但别急着喊"电影要死了"。
这50万里面,80%花在了算力上。前25分钟的素材,团队跑了16181次生成,最终只留下253个镜头。抽卡比64比1。
专业团队也一样靠抽。只不过他们把"抽不中"写进了预算。
"失忆的临时工" AI拍长片最大的敌人
你用手机生成过15秒AI视频吧?人物换脸了吗?衣服变色了吗?背景穿帮了吗?
单镜头已经够让人头疼了。长片?简直是噩梦。
视频模型天生失忆。你给它一段提示词,它生成15秒。下一段?它不记得上一段谁站在门左边、夹克哪边破了。长片最容易崩的三个东西是换脸、换衣服、门凭空消失,全来自这种失忆。
Higgsfield的解法特别朴素。不等模型变聪明,直接给它装一套"外部记忆系统"。
就好比你给一个每次上班都失忆的临时工,配了一份不能有任何含糊的岗位说明书。
11万个资产文件 给AI搭了一套"记忆宫殿"
先说角色。每个主角配三张参考图,面部特写、正面全身、背面全身。
注意,正面全身图故意把脑袋砍掉了。
听起来很荒谬,但逻辑很严密。如果给模型一张完整的全身小图,它在生成远景时会试图从那张小图里捞脸,结果就是一张模糊的、走形的脸。所以不如分开,面部特写专门管五官,无头全身专门管体型和服装,各管各的,模型就没机会犯浑。
面孔选"最真的",不选"最美的"。塑料感的漂亮脸在动态里会露馅,瞳孔里必须有一点反光,视频模型才能让它"活"过来。
然后是状态拆分。男主角获得超能力后会变身,每种状态都是独立资产。@roco是普通状态,@roco_wet是淋雨后,@roco_blood是受伤后。白天、夜晚和雨天的同一个地点,被当作三个不同场景管理。一件关键道具甚至有仨版本,正常展示的完整版、放在手掌里的染血版、藏在拳头里的隐藏版。
11万多个资产文件,听着吓人,但本质就是一件事,把"可能变"的东西,全部变成"不会变"。
50万美元怎么花的 不是演员,是"抽卡"
Higgsfield的账单完全换了一副面孔,40万GPU算力,10万人力。
而且"14天"这个数字有点唬人。前面做角色表、场景表、行为档案、提示词技能包的时间不算,后面剪辑、清理、调色、声音设计也不算。14天只是资产锁死后的内容爆发期。
再说戛纳,不是主竞赛单元,是电影市场期间的产业放映,租了个影厅给买家和媒体看。
所以《Hell Grind》真正证明的是成本结构发生了转移。实拍环节的开支砍掉了,但一致性控制、提示词工程、海量筛选、后期统一,这些钱一分没省,只是换了个地方花。
给空间画地图 用文字重新搭一个片场
角色之外,AI电影第二容易崩的是空间。人类看到一个房间的正面,凭常识就能推测背后和侧面有什么。但视频模型换个机位,门窗、家具和灯光全可能重新排列。上一镜头角色站在桌子左边,切到近景他可能瞬间跑到另一侧。
Higgsfield的做法是给每场戏写一份固定的空间地图。举个例子。
圆形训练垫位于房间中央。房门在画面左侧的远墙上,距离训练垫八米。五个损坏的人偶散落在画面右侧。长椅距离训练垫两米。摄影机始终停留在房门一侧,不越过这条轴线。
这段地图里没有人物和剧情,只记录空间里永远不变的东西。同一场戏的每个镜头,都要逐字复制这份地图。
人类觉得理所当然的空间感,你得一个字一个字教给AI。
还有个细节,每场戏开头必须花1秒钟让AI"认路"。先安排一个全景空镜头,人物不说话也不做复杂动作,就站着,让模型先确认现场布局。不做这步,后面的镜头人物位置会彻底乱套。
一条提示词三四千字 不是堆词,是翻译分镜
《Hell Grind》单条提示词平均3000到4000词。这些词是一套严格的骨架。
场景里有几个人,每个角色和场景分别参考哪项资产,房间的固定空间地图,第一帧里每个人站在哪里,镜头时长、焦段和摄影机运动,每几秒发生一个动作,道具的重量、接触和惯性,唯一的光源与阴影方向,对白、声音和环境音,每个角色的行为状态,画面中必须成立的数量与关系。
听起来像什么?像分镜剧本的机器翻译。
团队还摸索出几条反直觉的写作纪律。
第一,现在时态、短句、肯定句。
第二,写行为不写感受。不写"他很悲伤",写"下颌绷紧后松开两次,鼻血流到嘴唇但没有抬手擦掉"。
第三,"微生命法则"。静态镜头里每1到2秒必须出现一个微小动态。
第四,"10到15次规则"。同一个镜头连续生成10到15次仍然不成立,停下来。
后期不是修补 是把64份废料熬成1份电影
AI生出来的素材什么德行?节奏偏慢、边缘漂移、手指会穿模、招牌会出现假字。
Higgsfield的后期流程很硬。素材一到就粗剪,逐帧修手和脸。崩坏的镜头用终版提示词重跑,只改一行参数。调色先统一再风格化。声音不重录,Seedance的唇形同步够用,做降噪、统一和空间化处理。
AI长片的后期比重不比实拍低,只是从"补拍演员"变成了"驯服生成分布"。
开源的不是模型 是"拍长片的语法"
Higgsfield没放出Seedance的模型权重,也没开源Soul Cinema的架构。他们开源的是项目画布,角色表、地点表、道具表、每个镜头的3000词提示词、迭代日志、Claude的Skills包、表演系统文档。
对独立创作者来说,这比权重有用一万倍。没人会去微调视频大模型,但所有人都在猜"长片提示词到底怎么写"。
现在有一套完整的参考答案,一部95分钟、上过戛纳市场、被华尔街日报报道过的长片,把裤兜翻过来给你看,里面是64比1的抽卡率、故意没头的全身图、"写行为不写感受"的六拍动作拆解、GEO空间模块、@roco_wet这种状态命名法。
作为一个做AIGC内容的,我翻了他们公开的提示词模板。说实话,看完有种"原来还能这么玩"的感觉。
以前写视频提示词,大部分人(包括我)就是描述一个画面,然后祈祷模型给面子。Hell Grind的做法完全不一样,它把提示词当生产线文件来管理,有版本号,有修改日志,有抽卡记录。
这不是写诗,这是写工程文档。
这事跟你有什么关系
AI电影制作正在从"一句提示词出一张漂亮图"进化到"一套流程拍一部长片"。Higgsfield的开源把这条路上的路标全插好了。
这套做法不只适用于电影。你在做任何需要AI生成连续内容的事情,短剧、广告、MV、数字人视频,角色一致性、空间锚点、状态拆分、动作时序拆解,全是能直接复用的能力。
不过也别太乐观。这事顺手戳破了两个神话。
"AI拍片很便宜",50万美元对好莱坞是零头,但对独立创作者是天价,80%花在算力抽卡上。
"AI会自动拍电影",模型负责生,人负责记忆、约束、筛选、接缝。导演这个工种没消失,只是从片场搬到了提示词和资产库里。
《Hell Grind》留下的最贵遗产,远不止那95分钟成片。它证明了一件事。
在模型还失忆的年代,人类用规则、标签和外部记忆,替它记住了一整部电影。
未来在戛纳放映的下一部AI长片,可能来自某个凌晨三点还在改描述词的单独创作者。他手里拿的不是剧本,是一份3000词的分镜指令,和一张故意没头的全身图。
觉得有用先收藏,转发给身边也在做AI视频的朋友。
你怎么看AI电影的未来?评论区聊聊。
👇 关注「AI雷达说」
每天1个AI赚钱情报,小白也能跟上
数据来源
1. AppSo 价值350万的提示词开源了,揭秘全球首部全AI生成的电影长片
2. 沧海一幻觉 当电影工业被重写,Higgsfield把Hell Grind的95分钟与全部提示词摊开给所有人看
3. WhalesBook Higgsfield AI Open-Sources Pipeline After $500K Film
4. Higgsfield官方项目页 (higgsfield.ai)
5. YouTube完整版电影 (youtu.be)

