所有镜头共用同一段 12 行「技术底座」

把 4 万多条提示词按行拆开数重复次数，最先浮出来的就是它。这 12 行几乎挂在每一条提示词的末尾，最高频的一行出现了 8,015 次。

它的作用相当于摄制组的拍摄规范：不管这一镜拍什么，画质、镜头、光、色、皮肤、物理、表演、构图、连贯性、帧率、声音这十几件事的标准是钉死的。

Style: 8K IMAX. Photorealistic — no 3D render, no game engine,
  no game-cutscene aesthetic.
Cinematography: Emmanuel Lubezki × Roger Deakins.
Camera: Physical cine lens. 180° shutter motion blur.
Lighting: Natural light only — contre-jour backlight, camera on
  shadow side, atmospheric haze throughout. Key light from sky
  and windows only.
Color: 60:30:10 — dominant / secondary / accent.
Skin: Pore-level realism — vellus hair, asymmetric moles,
  capillary flush, pore-shadow matching on-set light.
Physics: Gravity and inertia respected — mass has real weight,
  correct contact shadows. No floating props.
Acting: Hollywood — micro-pauses before reactions, precise
  eye-line, wet living eyes with catch-lights, visible breath
  and chest rise.
Composition: Rule of thirds + golden ratio. Every person moving
  from frame one.
Continuity: Characters, props, environment identical across
  every cut. No identity drift.
Technical: 24fps smooth motion. 8K detail. No jitter.
Audio: Environmental SFX only. No music. No subtitles.

逐行说说每条在干什么，以及各自在档案里出现了多少次：

一条 15 秒镜头的提示词，前面还有七段

技术底座是共用的，前面那一大坨才是这一镜专属的。单条提示词字符数中位数 16,501，约合 3,000 英文词，最长的一条 39,801 字符。这些字都用在了一套固定骨架上。

第一段为什么最长：模型没有记忆

视频模型不知道上一个镜头发生了什么，不知道这个人三分钟前挨了一刀。你不写，它就自己编一个。所以每一镜都得把角色此刻的样子从头交代一遍，细到这种程度：

FACE: BROKEN NOSE BLEEDING - bright red/dark blood streaming
from nose down past mouth and chin, smeared on lips. DARK
BRUISING under both eyes (smudged kohl + hematoma) -
"raccoon eyes".
...
The blood is LIQUID and FRESH (not dried/clotted) - this is an
active bleeding wound.

最后那句是点睛之笔：不写「血是新鲜的」，模型大概率给你画成结了痂的旧伤，因为它见过的伤口素材里旧伤更多。

这条提示词跑出来的画面

把提示词的硬要求和画面对着看，能看出这活为什么难干。KEY RULES 里有一条全大写的强制要求：每一帧都必须有强雾加暴风雪，是主导视觉元素，能见度 2 到 4 米，每帧 1800 到 2200 片雪花。画面里是薄雾和阴天，远处岩石和火光看得清清楚楚。而站位那部分完成得不错，结尾 Rein 侧躺、头挨着 Jax 的头、抬眼看向 Roco，和 GEOMETRY 那段对得上。

这是档案里的一条生成结果，无法判断它是不是进入正片的那一条（这个文件夹里共 76 条）。它说明的是另一件事：要求写成全大写加感叹号，模型也可能只执行一半。

人、道具、场景、怪物，全部先做成三视图资产表

抓到的记录里，90% 的提示词都带着 <<<一串编号>>> 标记。写分镜时不描述长相，直接写「<<<编号>>> 跪在雪地里」。这套引用机制背后是一整个资产库。

标准格式：正面 + 背面 + 特写，一张图

每个角色先生成一张 5504×3072 的大图：左边正面全身、中间背面全身、右边面部特写，灰底棚拍。这就是剧组的定妆照，只不过是做给模型看的。

主角 Roco 的定妆照。同一张图里放齐正面、背面和脸部特写，模型拿到它就知道这个人从任何角度看该是什么样。来源：Higgsfield 公开工程档案。

这个格式对怪物一样用：

反派怪物的资产图，同样是正面／背面／特写三视图，只是换成黑底。档案里「Assets Dead Samurai」文件夹专门装这类，共 1,007 条。来源：Higgsfield 公开工程档案。

关键一步：每一种状态都单独建一张

他们给一个角色的每一种状态都单独做了一张定妆照。下面两张放一起看，版式、姿势、机位一模一样，只有人被打烂了：

jax 正常状态：护目镜、干净夹克、脸上绿色油彩完整

jaxbroken 重伤状态：护目镜没了、脸上是血、夹克撕破沾泥、腹部一片血迹

第二张是用图像编辑模型把第一张改出来的，两张同源，所以长相不会漂。档案里能找到干这件事的提示词，用的是 Nano Banana Pro：

Edit this character reference sheet image to produce a subtle
post-mortem version of the character with restrained realistic
injury detail and the protective glasses removed. Apply the
following three changes while keeping...

所以一个角色对应的是一整个家族的条目：

道具和场景也全部建表

档案里有个 Assets 文件夹，8,986 条，底下 14 个子文件夹，按场景分门别类：披萨店、西藏圣殿、决战场、手部扫描仪、Roko 的盾牌、居家服装……每一样都当成独立资产做出参考图。

我们在抓取的记录里数到 263 个不同的引用元素：角色类 200 个、道具 49 个、环境 14 个。平均每条提示词引用 3.8 个，最多 8 个。水晶剑被引用 895 次，荒原环境 298 次。

那一大堆禁令，是倒着写的模型翻车清单

提示词里 25% 带 NEGATIVE 段落。把这些禁令按频次排出来读，等于拿到一份模型会犯什么错的清单，每一条禁令背后都是一次翻车。

还有一个更狠的写法：他们在提示词最顶上写一行 EXACT 3 CHARACTERS NO DUPLICATES（本镜正好 3 个角色，不许重复），然后紧跟着列出这三个角色的编号和外观，并注明「只有编号被注入在下面的角色才允许出现」。先声明数量，再逐个点名，比单纯写「不要多余的人」有效得多。

镜头焦段对着情绪选，机位不许跨过人物连线

档案里有一份写进提示词的焦段对照表，把镜头选择和情绪直接绑定：

Lens-as-emotion: 15mm anamorphic for spatial drama and kid-POV;
24–35mm for medium dynamic group action; 50mm for intimate
2-shots; 85mm for tight emotional CU. Dutch tilts 10–20°
available for kid-perspective excitement, comedic energy,
looming threat. Low angles at child eye-level read peer /
idolize / threat depending on subject.

同一段里还列了六部片子当参照锚：Sean Baker《佛罗里达乐园》、Harmony Korine《奇异小子》、Larry Clark《半熟少年》、Sean Baker《橘色》、Chloé Zhao《骑士》、是枝裕和《无人知晓》。点片名比写形容词精确，这是整套方法反复用的招。

连轴线规则都写进提示词了

拍电影有条基本规矩叫「不越轴」：两个人对话时，摄影机要始终待在他们连线的同一侧，越过去观众就会觉得两人突然换了方向。他们把这条规矩直接写死在提示词里：

CAMERA AXIS — always shoots from the Jax/Rein side of the triangle toward Roco at the tree. NEVER cross past Roco.档案原文，出现 446 次。中文：机位轴线，始终从 Jax／Rein 那一侧朝着树边的 Roco 拍。绝不越过 Roco。

手持感也是写出来的，而且写得很具体：

CAMERA OPERATION — HEAVY HANDHELD, SHOULDER-MOUNTED,
OPERATOR-PRESENT: the camera is clearly carried on a human
body — constant organic shoulder sway...
Camera body: handheld shoulder-mount. Operator chest-cycle
breath visible in frame every shot. Reactive jitter on body
impacts and on sharp turns.

「摄影师胸腔呼吸的节奏在每个镜头里都看得见」，这种写法把抽象的「手持感」变成了模型能执行的具体动作。

胶片质感同理，他们直接点型号：SHOT ON 35MM KODAK VISION3 500T FILM, ARRI cine lenses（用 35mm 柯达 Vision3 500T 胶片、ARRI 电影镜头拍摄），出现 1,325 次。

雪和雾是分三层堆出来的

这部片子大半在暴风雪里打，天气效果占了大量篇幅。他们把雪按距离摄影机的远近拆成三层写，每层的颗粒尺寸和虚实各自规定，「下大雪」这三个字一次都没出现过：

1) FOREGROUND LAYER - large snowflakes (8-15mm) drifting close
   to camera, soft-focused into bokeh, some passing very close
   to lens.
2) MID LAYER - medium snowflakes (3-6mm) sharp-focused at
   character distance, streaking horizontally across the frame.
3) DEEP BACKGROUND LAYER - fine snow particles forming a dense
   atmospheric haze veiling everything beyond ~10 meters.

雾同样分三层：贴地齐膝的滚动地雾、中景的水平雾带、吞掉远景的雾墙。还有一整段专门写雪落在人身上之后的样子：头顶和头发上实时积雪、湿雪粘在脸上融化留下水光、睫毛上挂着小雪点、呼出的白气、被风把雪吹进眼睛所以人会眯眼和抹脸。

这套写法的道理很实在：「下雪」是一个词，模型只能给你一个平均值；分层写出来，画面才有纵深。前景虚、中景实、远景糊，这本来就是真实镜头的物理规律。

先生成画面，再把画面倒推成三维白模

翻图像模型那部分记录时撞见的一批调用，提示词是这样的：

Edit this image. Convert this photographic shot into a SIMPLE
LIT 3D CLAY RENDER PREVIEW in the style of an untextured
Unreal Engine viewport or a 3D animation pre-visualization
clay render. The composition stays exactly the same, all
geometry stays exactly...

跑出来的东西长这样：

同一个西藏圣殿场景的白模版本。材质、颜色、光影全被剥掉，只剩几何结构和人物站位。来源：Higgsfield 公开工程档案。

这里说的「预演」，行话叫 previz，是传统电影工业的标准流程：正式开拍前先做一版粗糙三维动画，确认镜头怎么走、人站哪儿。好比装修前先做效果图，不用等墙砌好了才发现动线不对。

而他们把这个流程反过来用，先生成实拍感画面，再剥成白模检查空间关系。为什么要这么绕？因为实拍感画面里，光影、材质、烟雾会盖住空间问题；剥成白模之后，谁站在谁前面、距离对不对，一眼就看出来了。

档案里有一大批提示词是用中文写的

这条对中文读者格外有用：我们抓到的 41,132 条记录里带提示词的有 41,083 条，其中 4,561 条含中文（11%），而且有 3,840 条的中文超过 200 字。也就是说这部片子有相当一部分镜头是用中文指挥模型拍出来的，而且拍成了。

写法有讲究。看这段 Jax 的角色描述原文：

<<<image_1>>> (Jax · 主角) — ⚠️20多岁年轻黑人男性，
⚠️身高182厘米， ⚠️精瘦运动结实体型(宽肩窄腰),
⚠️⚠️非常短的金黄色漂白平头(bleached buzz cut), 深色皮肤，
五官清晰锐利， 严肃专注表情。
⚠️⚠️⚠️黑色wraparound运动战术安全眼镜⚠️⚠️推到头顶上
(wraparound tactical safety glasses, Oakley-style sport
eyewear), ⚠️镜片朝上+架在短发顶部(lenses facing UP, sitting
on top of short bleached hair like a crown),
⚠️绝不遮盖眼睛(NOT covering eyes — eyes fully exposed).

两个招值得学：

一、中文说事，关键词括注英文

「非常短的金黄色漂白平头(bleached buzz cut)」「绝不遮盖眼睛(NOT covering eyes — eyes fully exposed)」，中文负责把意思说顺，括号里的英文负责让模型不会理解偏。这种写法在档案里有 2,313 条提示词用到（按一条里出现三处以上算）。对中文创作者来说这是最省事的路子：不用整段憋英文，把容易出歧义的名词补个英文就行。

二、⚠️ 当加重号用，而且分级

⚠️ 在档案里出现了 18.8 万次，21% 的提示词带它。它的作用是标记「这条不能错」，而且连写几个就是几级：

上面那段里，「20多岁年轻黑人男性」是一个 ⚠️，「非常短的金黄色漂白平头」升到两个，「黑色 wraparound 运动战术安全眼镜」直接三个，因为这副眼镜是推到头顶、镜片朝上、绝不遮眼的，是模型最容易画错的地方，所以加重到顶格。

这套方法的账单：11 万次生成换 95 分钟

方法讲完了，说说它要花多少。Screen Daily 拿到的官方数字是：前 25 分钟用了 16,181 次生成，换来 253 个最终镜头，筛选比 64:1。所谓筛选比（英文原词 curation ratio），说的就是生成多少条废片才挑得出一条能用的，这里是平均每 64 条里挑 1 条。

拿这个比例往后推，全片该是 6 万次左右。而摆在这里的档案是 11.5 万次，接近推算值的两倍。

哪些镜头最烧钱：档案里有个文件夹直接标出来了

108 个文件夹里有一个叫 Regenerations（重生成），14,593 条，底下 14 个子文件夹按名字标出了哪些镜头做不出来：

规律摆在这儿：重做上千次的全是多人打斗戏。「Lulu 之死」重做 1,201 次，「博物馆里 Roko 打 Dagon」1,048 次。而单人对话、空镜那类场次，很多只有几十条，Scene 73.3 只有 15 条，Scene 73.6 只有 20 条。同一部片子里，最难的镜头是最容易镜头的近 400 倍工作量。

Higgsfield 的 CEO Alex Mashrabov 形容这个过程「确实有种在拉老虎机的感觉」，并说复杂的多人镜头某些「仍需数百次迭代」才能把空间逻辑、人物站位、动作弄对。上面这张图就是那句话的账单。

这份档案能给你换来什么

还有一件要清醒的：64:1 只是最顺的那 25 分钟的比例，整片档案实际接近它的两倍。要拿这套流程给客户报价，别按官方数字报；排期也别按镜头数平摊，按「这一镜有几个人发生物理接触」加权。

正片在哪看，档案怎么翻

上面拆的每一条都能在原档案里查证，也还有大量本文没展开的东西等着自己挖。全部入口就是同一个地址：

看正片：页面顶部的播放器

95 分 06 秒的完整正片就挂在项目页最上面那个播放器里，直接点播放键就行。我们登出状态实测过：不用登录，能拉到 1440p，播放器带倍速、音量、画质切换和全屏。片子是 21:9 宽银幕，中文观众注意它没有中文字幕，只有英文对白和环境音。

翻档案：三步

先翻哪几个文件夹

115,451 条从头翻不现实，按目的挑：

提醒一句：这是个动态项目页，Higgsfield 随时可能增删内容（接口里这个项目标着「进行中」）。本文引用的提示词原文和统计数字都是 2026 年 8 月 5 日抓取时的状态，看到对不上以现场为准。

视频模型没有记忆，不知道上一个镜头发生了什么，也不知道这个人三分钟前挨了一刀。你不写，它就自己编一个。所以这部片子的每一条镜头提示词都是一份从头交代到尾的完整文档，单条字符数中位数 16,501，约合 3,000 个英文词，而且都按同一套骨架写。

末尾那 12 行和拍什么内容无关，换个题材照样成立，最高频的一行在档案里出现 8,015 次（本站抓取 41,132 条记录后点算）。存成一个片段，每次写分镜贴在末尾就行。

95 分钟里同一个人要出现上百次，长相不能漂。他们的解法在写分镜之前：先把每个角色做成一张标准定妆照，而且每一种状态各做一张。

四分之一的提示词带 NEGATIVE 段落（专门写「不许出现什么」的那一段）。把这些禁令按出现频次排出来读，等于拿到一份模型会犯什么错的清单：每一条禁令背后都是一次翻车。

Screen Daily 报道的 Higgsfield 数字是：前 25 分钟用了 16,181 次生成，换来 253 个最终镜头。按这个比例往后推，全片该是 6 万次左右，而摆在这里的档案是 11.5 万次，越往后越难。难在哪，档案里有个叫 Regenerations 的文件夹直接标了出来。

重做上千次的全是多人打斗戏。同一部片子里，最难的镜头是最容易镜头的近 400 倍工作量，排期按「这一镜有几个人发生物理接触」加权，比按镜头数平摊准得多。