Higgsfield、実写俳優の肖像をAIで使用して110分の長編映画を制作し、制作マニュアルとプロンプト手法をすべて公開
- 1時間54分のAI長編映画が、制作手法一式と自社用のClaudeスキル3点をまとめて公開しました。
- このマニュアルが取り組むのはたった一つ。「動画モデルに記憶はない」→ だから「同じ人物を同じ人物に見せる」ことこそがすべての仕事です。
- 一番価値があるのは、直感に反する禁忌の数々。設定表に「studio」と書かない、全身ショットは頭を消す、プロンプトに「〜しない」と書かない——です。
AI長編映画、その制作マニュアル全公開
この2年、AI動画は数秒〜数十秒の世界が主流で、画質やカメラワーク、単発のショットの派手さが競われてきました。Higgsfield（AI動画生成プラットフォームを手がける企業）が今回持ち込んだのは、別次元のものです。110分の劇映画。4人の実在俳優が肖像と声の使用を許可し、制作期間は4週間、コストは200万ドルです。
彼らは同時に、作品を100%オープンソース化すると発表し、すべてのプロンプトとアセットを公開しました。当サイトが項目ごとに確認したところ、直接ダウンロードできるのはClaudeスキルファイル3点。残りの素材はプロジェクトページ本文とキャンバス上に分散しており、具体的に何が不足しているかは、末尾のセクションで詳述します。
作品は『The Cully Hill Boys』。ロンドンの売れないラッパー3人が、名声を求めて誤って麻薬の抗争に巻き込まれるアクションコメディです。8月5日にニューヨークで初映されました。
以下で解体するのは、作品と一緒に公開されたもの、完全な制作マニュアルです。アセットの作り方、プロンプトの書き方、演技の調整方法、ラップパートのリップシンク、ポストプロダクションでの管理方法まで、徹底解説。彼らが実際に使っているClaudeスキルファイル3点もダウンロードできます。
全フレームが生成されたものです。セットも撮影クルーも存在せず、俳優本人は一度も実写撮影に参加していません。彼らが提供したのは、デジタル化が許可された肖像と声のみ。全編で唯一の例外がありますが、これについては後述します。
何で作るか：5つのツールが各工程を担当
全編のカット、動画、ボイスは、Seedanceで生成。顔とキャラクター設定表はSoul Cinemaが担当。編集、リバースショット、視点の変更にはSeedreamとNano Bananaを使用します。
プロンプトはすべてClaudeが書き、しかも意図的にチャットを2つに分けています。片方は画像プロンプト専用、もう片方は動画プロンプト専用です。理由は、一方のルールが他方を汚染するから。画像側にはフラットな照明や、CGっぽさを避ける言い回しが必要です。動画側には、画角を度数で指定し、すべての光に光源が必要です。これを1つのチャットに混ぜると、両方のルールが混ざり合ってしまいます。
3つのスキルを、使用順に
彼らは頻用ルールをClaudeスキルとしてパッケージ化しました。ルールブックを1つ用意し、Claude自身がそれを読み込んで作業します。3つのスキルのSKILLファイルはすべて公開されており、ファイル名をクリックするとダウンロードできます（末尾にも再掲します）。
もう4つは、前作から受け継いだもの
このチームは以前、HELL GRIND という作品を制作しました。その時は作りながら試行錯誤していましたが、今回は初日からこれらを手にしていました。
- シーンコンテキスト：各カットの冒頭で、この場面でドラマとして何が起きているか、誰がいるか、長さを明確に書く。
- ファーストフレーム空間ロック：最初のフレームで配置を確定させ、全員が所定の位置につく。空虚な引きのショットは作らない。
- 各セリフの後に1秒の無音を残す：クリップ内にきれいな尻尾を残し、編集者が継ぎ目を作れるようにする。モデルが音を捏造する余地もなくなる。
- 表情と演技はビート単位で書く：顔と身体をビートごとに書き、形容詞でごまかさない。
しかし全ルールが狙うのは1つのこと：モデルに記憶がない
このマニュアルがこれほど分厚いのは、たった1つの出発点があるからです：一貫性こそがすべての仕事です。
動画モデルには記憶がありません。キャラクターの説明が不完全だと、次のカットで見た目も行動も声も変わってしまいます。さらに、空間はカメラが動くと崩れ、音声はクリップ間で漂い、シーンは位置関係を失います。これらを合わせると、AIで長編映画を撮る際にずっと対処すべき課題になります。
彼らの基本方針は一言で言えば、各カットは「参照 + テキスト」から生成されることです。アセットは映像を担当し、テキストはそれ以外のすべて、幾何学的関係も含めて担当します。誰がどこに立つか、カメラはどちら側か、光はどの方向から当たるか。
さらに、全編を通じてより厳しい制約があります：テキストのみで動画を生成し、ファーストフレームを与えず、画像から動画への変換もしない。これは難しい方法ですが、それゆえにカットがつながります。
全編で唯一このルールを破ったのが、キャデラック車内での銃の奪い合いのシーンです。2人が接触し続け、同じ銃を奪い合うため、生成結果は四肢が絡まり、銃がこの手から消えてあの手に現れる、というものでした。最終的に彼らはスタントマンを頼み、実際の車内でスマホで1日撮影し、この素材を動作参照としてモデルに与えました。モデルはキャラクター、内装、照明を重ね合わせました。1日のスマホ素材で、1週間分の試行錯誤を省きました。
2つで1組です：すべてのプロンプトに一字一句入るテキスト記述と、モデルを固定するための参照画像。キャラクター、ロケーション、小道具はそれぞれがアセットです。
撮影現場のメイク写真とキャラクター紹介文のようなものです。写真は見た目を、紹介文は性格と服装を担当し、両方を新しい撮影監督に渡します。
そして撮影前に、脚本をカードに分解する
彼らの絵コンテ分解は、脚本をすでに監督の意図が組み込まれた準備済みの絵コンテ表に変えることであり、単に作るべきものをリストアップすることではありません。各カットに1枚のカードがあり、カードには4つのグループがあります。
| カードのグループ | 書く内容 |
|---|---|
| 素材 | ロケーションと内外観、それをカバーするアセット。時間帯（どのアセットバリアントを使うか決めるため）。画面に登場する各人物（タグと状態付き）。小道具と車両（タグ付き）。アクションは1〜3文。セリフは一字一句。長さ（秒）。複雑さ（簡単、普通、複雑） |
| 監督 | このカットの目標（1文）。キャラクターのタスクを動詞で書く（問い詰める、暴く、辱める）。開始から終了までに何が変わるか。カメラに対する相対的な立ち位置。演技（顔と身体が何をするか、キャラクターが何を隠しているか） |
| 撮影 | 画角、動き、レンズ、アングル |
| 編集 | どのようにカットするか、テンポ、次のカットへのつなぎ方 |
各カードにはシーン番号とカットのアルファベットが付きます（例：50B、50C）。同じ番号がカードからバージョンログ、プロンプトファイルまで一貫して使われるので、隣接する2つのカットが混同されることは決してありません。
このバージョンログには最終的に 137件 が記録され、どのカットが繰り返し作り直されたかがわかります。最も難しかったものは v15、v10、v9 まで修正されています。この記録がないと、良いカットを再現できず、特定の修正方法をすでに試したかどうかもわかりません。
カードが埋まれば、プロンプトはほぼ機械的に書き写せます。さらに重要なのは、穴は生成を1回消費する前に見つかることです。目標のないカット、タスクのないキャラクター、アセットのないシーンは、カードを見れば一目瞭然です。
だから、アセットがロックされるまで、1カットも撮ってはいけない
600点の承認済みアセットの内訳は次の通りです。主人公と敵役のカードが74枚、脇役と動物が52、1〜2シーンしか登場しないモブキャラクターが90、小道具が159、ロケーション背景図が200枚以上。
状態そのものがアセットです。きれいなジャケットのCal、水に濡れたCal、第3幕で眉を割って血まみれのCal。これは3つの別々のアセットであり、1つのアセットにメモを追加するものではありません。
新しい状態を作る方法も決められています：元の設定表を使って、変更された部分だけを変える。服を着替えさせ、傷を追加し、布地を濡らす。それ以外はすべて変えません。これで肌の質感が保たれます。画像全体が再度モデルを通過することがないからです。さらに、新しいバージョンは古いバージョンを上書きせず、それぞれに独自の名前とバージョン番号があります。
ロケーションも同様です。昼、夜、雨は3つのアセット。小道具も同様で、銃には2つの状態があり、車のフロントシートと後部座席の内装は別々に数えます。