全カット共通の12行から成る「技術基盤」

4万件超のプロンプトを行ごとに分解して重複を数えると、まず浮かび上がるのがこれだ。この12行はほぼすべてのプロンプト末尾に付属しており、最も頻度の高い行は8,015回出現します。

その役割は、撮影チームにとっての撮影規範です。このカットで何を撮るかにかかわらず、画質、レンズ、光、色、肌、物理、演技、構図、連続性、フレームレート、音声——これら十数項目の基準が固定されています。

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.

各行が何を防ぎ、何回出現するのか順に見ていこう。

15秒のカットのプロンプト、その前にはさらに7つのセクション

技術基盤は共通。その前の大きな塊が、このカット固有の指示だ。プロンプト文字数の中央値は16,501文字（約3,000英単語）、最長は39,801文字。これらの文字はすべて、固定された骨格に沿って使われています。

最初のセクションが最長な理由：モデルに記憶はない

動画モデルは前のカットで何が起きたかを知らない。この人物が3分前にナイフで刺されたことも知らない。書かなければ、勝手に作り話をする。だから毎カット、そのキャラクターの今の姿を最初から詳細に説明する必要がある。細かさはこのレベルです。

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.

最後の一文が点睛の一筆です。「血が新しい」と書かなければ、モデルはおそらく乾いてかさぶたになった古い傷を描く。学習データには古い傷の画像の方が多いからだ。

このプロンプトで生成された映像

プロンプトのハードルールと映像を照らし合わせると、この作業の難しさが分かります。KEY RULESには、すべて大文字の強制要件がありました。毎フレーム、濃い霧と吹雪が支配的な視覚要素であること。視程は2〜4メートル。毎フレーム1,800〜2,200枚の雪片。しかし映像は、薄い霧と曇り空。遠くの岩と焚き火の光がはっきり見えます。一方で、立ち位置の部分は良くできていて、最後にReinが横向きに寝て、頭をJaxの頭に寄せ、目だけRocoの方を見上げるというのは、GEOMETRYの記述と一致しています。

これはアーカイブ内の1つの生成結果であり、本編に採用されたカットかどうかは判断できません（このフォルダには計76件あります）。ここで示しているのは別の事実です。要件を大文字と感嘆符で書いても、モデルは半分しか実行しないことがある。

人物、小道具、セット、モンスター — すべてを先に三面図アセットシート化

取得した記録のうち、90%のプロンプトに <<<番号>>> マークが付いています。絵コンテを書くとき、容姿を記述する代わりに「<<<番号>>> が雪原に跪く」と書くのです。この参照メカニズムの背後には、アセットライブラリ全体が存在します。

標準フォーマット：正面＋背面＋クローズアップ、1枚の画像に

各キャラクターはまず、5504×3072の大きな画像で生成されます。左に正面全身、中央に背面全身、右に顔のクローズアップ。グレーの背景のスタジオ撮影です。これは、モデルに見せるためのキャラクター参考写真だ。

主人公Rocoのキャラクター参考写真。1枚の画像に正面、背面、顔のクローズアップが揃っているため、モデルはこの人物がどんな角度から見てもどう見えるかを把握できます。出典：Higgsfield公開エンジニアリングアーカイブ。

このフォーマットはモンスターにも同様に使われます。

敵モンスターのアセット画像。同じく正面／背面／クローズアップの三面図ですが、背景は黒です。アーカイブ内の「Assets Dead Samurai」フォルダはこの種の専用で、計1,007件あります。出典：Higgsfield公開エンジニアリングアーカイブ。

重要なステップ：状態ごとに別のシートを作る

彼らは、あるキャラクターの状態ごとに、別のキャラクター参考写真を作成しています。次の2枚を見比べてください。レイアウト、ポーズ、カメラ位置は完全に同じ。違うのは、片方の人物が殴られてボロボロになっていることだけです。

jax 通常状態：ゴーグル、きれいなジャケット、顔の緑のペイントも完全

jaxbroken 重傷状態：ゴーグルなし、顔は血だらけ、ジャケットは破れ泥まみれ、腹部に大きな血痕

2枚目は、画像編集モデルを使って1枚目から作り出されたものです。2枚は同じ起源を持つため、顔つきがブレません。アーカイブにはこの作業のためのプロンプトがあり、Nano Banana Proが使われています。

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...

つまり、あるキャラクターは、エントリの「ファミリー」に対応している。

小道具とセットもすべてシート化

アーカイブにはAssetsフォルダがあり、8,986件。その下に14のサブフォルダがあり、セットごとに分類されています。ピザ屋、チベットの聖堂、決戦場、ハンドスキャナー、Rokoの盾、家庭用の衣装……。それぞれが独立したアセットとして参考画像化されています。

取得した記録から、263個の異なる参照要素を数えました。キャラクター類200個、小道具49個、環境14個。平均で各プロンプトは3.8個を参照し、最大で8個です。クリスタルの剣は895回、荒廃した環境は298回参照されています。

大量の禁止事項は、裏返しに書かれたモデル失敗リスト

プロンプトの25%にNEGATIVEセクションが含まれます。これらの禁止事項を頻度順に並べて読むと、モデルが犯しうる間違いのリストが手に入ります。各禁止事項の背後には、必ず一度は失敗があります。

さらに強力な書き方もあります。プロンプトの最上部に EXACT 3 CHARACTERS NO DUPLICATES（このカットはちょうど3人のキャラクター。重複禁止）と1行書き、続けてその3人のキャラクターの番号と外見を列挙し、「下に番号が注入されたキャラクターのみ登場が許可される」と注記するのです。先に人数を宣言し、その後で個別に名指しする。これは単に「余計な人を入れないで」と書くよりはるかに効果的だ。

焦点距離は感情に合わせて選び、カメラは人物を結ぶ線を越えてはいけない

アーカイブには、プロンプトに書き込まれた焦点距離対応表があります。レンズの選択と感情を直接結びつけています。

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.

同じセクションには、参照アンカーとして6本の映画が挙げられています。ショーン・ベイカー『フロリダ・プロジェクト』、ハーモニー・コリン『ジュリアック・ボーイズ』、ラリー・クラーク『KIDS/キッズ』、ショーン・ベイカー『TANGERINE』、クロエ・ジャオ『ノマドランド』、是枝裕和『誰も知らない』。映画のタイトルを挙げる方が形容詞より正確。これはこの手法全体で繰り返し使われるテクニックです。

軸線のルールまでプロンプトに書き込まれている

映画制作には「越境しない」という基本ルールがあります。2人が会話するとき、カメラは常に2人を結ぶ線の同じ側にいなければならず、越えてしまうと、観客は2人の向きが突然入れ替わったように感じます。彼らはこのルールをプロンプトに直接書き込んでいる。

CAMERA AXIS — always shoots from the Jax/Rein side of the triangle toward Roco at the tree. NEVER cross past Roco.アーカイブ原文、出現回数446回。日本語：カメラ軸線 — 常にJax／Rein側の三角形から、木のそばのRocoに向かって撮影すること。絶対にRocoを越えてはいけない。

手持ち感も書き込まれています。しかも非常に具体的です。

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.

「オペレーターの胸式呼吸のリズムが全ショットで見て取れる」— このような書き方は、抽象的な「手持ち感」を、モデルが実行可能な具体的なアクションに変換している。

フィルムの質感も同様に、彼らは型番を直接指定します。SHOT ON 35MM KODAK VISION3 500T FILM, ARRI cine lenses（35mmコダック Vision3 500Tフィルム、ARRIシネレンズで撮影）。出現回数は1,325回です。

雪と霧は、三層に分けて作られている

この作品の大半は吹雪の中での戦闘シーンで、天候エフェクトが多くの部分を占める。彼らは雪をカメラからの距離に応じて三層に分けて書き分け、各層の粒子サイズやピントの合わせ方を個別に指定している。「大雪」という言葉は一度も登場しない：

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.

霧も同様に三層に分けている：地面を這う膝丈までのローリングフォグ、中景を横切る水平の霧の帯、そして遠景を飲み込む霧の壁。さらに、雪が人物に降り積もった後の様子についても丸ごと一章割いている：頭頂や髪にリアルタイムに積もる雪、濡れた雪が顔に張り付き溶けて残る水光、まつ毛に乗る小さな雪片、吐く白い息、風で雪が目に入るために人物が目を細めたり顔を拭ったりする仕草。

この書き方の利点は実に明快だ：「雪」という一語では、モデルは平均的な描写しか返せない。しかし層ごとに分けて書けば、画面に奥行きが生まれる。前景はボケ、中景はシャープ、遠景は霞む。これは実際のレンズが持つ物理的な特性そのものだ。

映像を生成し、それを三次元の白モデルに逆算する

画像生成モデルの記録を調べていた時に見つけた一群の呼び出しがある。そのプロンプトは次のようなものだ：

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...

実行結果はこんな感じだ：

同じチベットの聖堂シーンの白モデル版。マテリアル、色、ライティングがすべて剥がされ、ジオメトリと人物の配置だけが残る。出典：Higgsfield 公開プロジェクトアーカイブ。

ここで言う「プレビズ」は、業界用語で previz だ。伝統的な映画制作における標準的なプロセスだ。本番撮影の前に、ラフな3Dアニメーションを作り、カメラの動きや人物の立ち位置を確認する。例えるなら、壁を建ててから動線の間違いに気づくのを避けるために、リフォーム前に事前に完成予想図を作るようなものだ。

しかし彼らはこのプロセスを逆の順序で使っている。まず実写風の画像を生成し、それを白モデルに変換して空間関係をチェックする。なぜ遠回りをするのか？ 実写風の画像では、ライティング、マテリアル、煙が空間の問題を覆い隠してしまうからだ。白モデルにすれば、誰が誰の前に立っているか、距離が正しいかが一目瞭然になる。

アーカイブには、中国語で書かれたプロンプトが多数存在する

この点は中国語の制作者にとって特に有益だ。我々が取得した41,132件の記録のうち、プロンプトが付いているのは41,083件。そのうち4,561件（11%）が中国語を含み、さらに3,840件は中国語が200文字を超えている。つまり、この作品のかなりの部分のカットが、中国語でモデルに指示を出して生成されたということだ。しかも、成功している。

書き方には工夫がある。Jaxのキャラクター設定に関するこちらの原文を見てほしい：

<<<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).

学ぶべき点は二つある：

1. 中国語で説明し、キーワードに英語を括弧書きで添える

「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)」。中国語で意味を通じさせ、括弧内の英語でモデルの誤解を防ぐ。この記法はアーカイブ内の2,313件のプロンプト（1件につき3箇所以上の使用を条件に）で確認できる。中国語の制作者にとって最も手軽な方法だ。全体を英語で書く必要はなく、曖昧になりやすい名詞に英語を補足すればいい。

2. ⚠ を重要度マークとして使い、しかも段階分けする

⚠ はアーカイブ内で 18.8万回 出現し、プロンプトの21%で使われている。その役割は「ここは絶対に外せない」というマークで、連続する数が重要度を表す：

先ほどの例では、「20多岁年轻黑人男性」は⚠一つ。「非常短的金黄色漂白平头」は⚠二つ。「黑色 wraparound 运动战术安全眼镜」に至っては⚠三つだ。このメガネは頭の上に押し上げられ、レンズは上向きで、絶対に目を覆わないという、モデルが最も間違えやすいポイントなので、最上級の重要度が付けられている。

この手法の代償：11万回の生成で95分の映像

手法は説明した。次に、それがどれだけのコストを要するかを見てみよう。Screen Daily が入手した公式数字は次の通り：最初の25分間に16,181回の生成を行い、最終的に採用されたカットは253。選定率は64:1。選定率（英語では curation ratio）とは、採用カット1つに対して生成されたボツカットの数のことだ。ここでは平均して64回の生成につき1回の採用となる。

この比率で単純計算すると、全編では約6万回となる。しかし、ここにあるアーカイブは11.5万回だ。推定値の約2倍に達する。

最もコストがかかったカット：アーカイブ内のフォルダ名に明記されている

108個のフォルダのうち、Regenerations（再生成）という名前のフォルダがある。14,593件のデータがあり、その中の14個のサブフォルダ名には、どのカットが作り込めなかったのかが明示されている：

ここには明確な傾向が見て取れる：何千回も作り直されているのは、全て複数人が関わるアクションシーンだ。「Luluの死」は1,201回、「ミュージアムでのRoko対Dagon」は1,048回。一方、人物一人の会話シーンや背景のみのカットは、数十件程度のものが多い。Scene 73.3はわずか15件、Scene 73.6でも20件だ。同じ作品内で、最も難しいカットは最も簡単なカットの約400倍の工数を要している。

Higgsfield の CEO である Alex Mashrabov は、このプロセスを「まさにスロットマシンを引いているような感覚だ」と表現し、複雑な複数人カットでは、空間ロジック、人物の配置、アクションを正しくするために「今でも数百回の反復が必要なものもある」と述べている。上の図は、まさにその言葉の請求書である。

このアーカイブがあなたにもたらすもの

そして、もう一つ冷静に見ておくべきことがある：64:1 というのは、最も順調だった最初の25分間の比率であり、アーカイブ全体では実際にその約2倍になる。このプロセスを顧客への見積もりに使うなら、公式数字をそのまま当てはめてはいけない。スケジュールもカット数で按分するのではなく、「このカットに何人の人物が物理的接触をするか」で加重すべきだ。

本編の視聴方法と、アーカイブの閲覧方法

上記で分析した全ての点は、元のアーカイブで検証可能であり、この記事で深掘りしきれなかった情報も大量に存在する。入り口は全て同じ場所にある：

本編を見る：ページ上部のプレイヤー

95分06秒のフル本編は、プロジェクトページの一番上にあるプレイヤーにあります。再生ボタンを押すだけです。ログアウト状態で実際に確認済み：ログインなしで、1440pまでの解像度で視聴可能。プレイヤーには、再生速度、音量、画質切り替え、全画面表示の機能があります。作品は21:9のシネマスコープ。日本語話者の方は注意してほしいのですが、日本語字幕はありません。英語のセリフと環境音のみです。

アーカイブの閲覧：3ステップ

最初に見るべきフォルダ

115,451件を最初から見るのは現実的ではない。目的に応じて選ぼう：

注意：これは動的なプロジェクトページです。Higgsfield はいつでもコンテンツを追加・削除する可能性があります（API上、このプロジェクトは「進行中」とマークされています）。この記事で引用したプロンプト原文と統計数字は、すべて2026年8月5日に取得した時点のものです。もし表示が異なる場合は、現地の表示を優先してください。

動画モデルに記憶はない。前のカットで何が起きたかも、3分前にこの人物が刃物で負傷したことも知らない。書かなければ、モデルが勝手に捏造する。そこで本作では、各カットのプロンプトが、冒頭から結末までを説明する完全なドキュメントになっている。1件あたりの文字数は中央値で16,501字（約3,000語）で、さらに全て同じ骨格で書かれている。

末尾の12行は映像内容とは無関係で、別の題材でもそのまま使える。最も頻出の行はアーカイブ内で 8,015 回出現している（当サイトが 41,132 件の記録を取得して集計）。スニペットとして保存しておき、各カットの最後に貼り付ければよい。

95分間で同じ人物が何百回も登場する。顔が変わってはいけない。彼らの解決策はカット割りを書く前段階にある。まず各キャラクターの標準となるキャラクター参考写真を作成し、さらに状態ごとに別途作成しているのだ。

プロンプトの4分の1に NEGATIVE セクション（「出してはいけないもの」を指定する欄）が含まれている。これらの禁止事項を出現頻度順に読むと、モデルがどんなミスをするかのリストが手に入る。禁止事項の裏には、必ず一度は失敗がある。

Screen Daily が報じた Higgsfield の数字：冒頭25分で 16,181 回の生成を行い、253 カットを採用。この比率で全編を外挿すると約6万回になるはずだが、実際のアーカイブは11.5万回。後半になるほど難易度が上がる。その難しさを、アーカイブ内の Regenerations フォルダが如実に示している。

リテイクが千回を超えるのは全て多人数のアクションシーンだ。同じ作品内で、最も難しいカットは最も易しいカットの約400倍の工数になる。スケジュールは「このカットで物理的接触がある人数」で重み付けする方が、カット数で按分するより遥かに正確だ。