Higgsfield 將他們的 95 分鐘 AI 故事片《Hell Grind》 全部提示詞和製作方法開源 115,446 次生成記錄 裝在 108 個文件夾裏按場次排好 一共4 萬多條提示詞，其中 4,561 條是中文提示詞 所有鏡頭共用的 12 行「技術底座」，從皮膚毛孔到 60:30:10 配色，抄下來就能用。 人、道具、場景、怪物全部三視圖資產表
以下內容基於Higgsfield AI官方開源的《Hell Grind》項目資料整理而成。目標是幫助大家理解如何用生成式AI完成一部接近完整長度的電影。內容儘量用清晰、結構化的方式說明，避免專業術語堆砌，並突出可直接上手的核心方法。
1. 項目基本信息
- 片名：Hell Grind（地獄研磨）
- 時長：約95分鐘
- 類型：動作奇幻 / 科幻冒險
- 故事概要：四個街頭小偷（Roco、Lulu、Jax、Rein）在一次博物館搶劫中意外激活古代神器，導致其中一人被吸入地下世界。其餘人必須穿越不同時空（包括西藏寺廟、封建日本等場景），對抗惡魔勢力，試圖救出同伴。
- 製作團隊：15人（導演組 + Prompt工程師）
- 製作時間：資產準備完成後，核心生成僅用14天
- 預算：低於50萬美元（約80%用於AI計算成本）
- 核心特點：全程無真實演員、無實景拍攝、無實體道具。每一幀畫面均由AI生成。影片在2026年戛納電影市場（Marché du Film）進行過行業放映，並已完全開源。
開源地址（可直接查看全部資產與Prompt）：
https://higgsfield.ai/@higgsfield.studio/projects/hell-grind
2. 整體制作流程（三大階段）
製作可簡化爲三個清晰階段：
第一階段：前期準備（最關鍵）
重點是建立“一致性資產庫”，而不是直接生成視頻。
- 角色資產（Character Sheet）
每個主要角色準備三張標準圖：
1. 面部特寫（清晰皮膚紋理）
2. 正面全身（頭部被移除，避免模型在遠景時錯誤取用模糊小臉）
3. 背面全身
額外準備不同狀態的變體（溼身、血跡、不同服裝等），作爲獨立資產單獨管理。
- 場景與道具資產
爲每個重要地點和關鍵道具生成多角度參考圖，並附上詳細文字描述（Descriptor）。這些描述會原封不動地複製進後續所有Prompt中。
- 行爲與聲音設定
爲每個角色寫“行爲檔案”（如何走路、如何看人、壓力下的反應等），並鎖定聲音風格（音域、語速、口音）。
- 壓力測試
每個資產至少在10種不同姿勢和光線下重新生成，確認在各種組合中依然可辨認，才正式鎖定使用。
第二階段：批量生成
按分鏡表（Shotlist）分塊進行。每個鏡頭通常生成15秒左右的片段，反覆迭代直到可用。
- 使用工具：以ByteDance的Seedance 2.0作爲主要視頻生成模型，配合Higgsfield的Soul Cinema（角色與場景）、其他圖像編輯模型。
- 每個Prompt平均長達3000–4000字。
- 平均每個最終鏡頭需要大量篩選（第一集25分鐘曾達到約64:1的生成與選用比例）。
第三階段：後期整理
- 清理明顯缺陷（多餘手指、錯誤紋理、虛假文字等）。
- 統一色調與光線。
- 清理並調整AI生成的對白聲音。
- 補充環境音效，保證場景連貫性。
3. 保持角色與場景一致性的核心方法（大家最需掌握）
生成式視頻模型沒有真正的“記憶”，因此一致性必須靠規則強行維持：
1. 角色臉部優先使用特寫資產
全身參考圖故意去掉頭部，迫使模型只從清晰的特寫圖中提取臉部特徵。
2. 狀態分離管理
血跡、溼衣、受傷等變化做成獨立資產，而不是在同一個Prompt裏強行描述。這樣更穩定、也更省計算成本。
3. 地理與空間明確標註
在Prompt中使用“畫面左側 / 右側”“距離某地標多少米”等方式精確描述位置，並禁止模型隨意繼承上一個鏡頭的構圖。
4. 行爲描寫優先於情緒形容詞
不要寫“他很憤怒”，而是寫“他猛地停下手中動作，肩膀緊繃，目光死死盯住對方”。用具體動作讓模型理解表演。
5. 物理規則強制提醒
在Prompt中反覆加入“遵守物理規律”“物體不會漂浮”“重力正常”等約束，減少AI視頻常見的“漂浮感”和“塑料質感”。
4. Prompt寫作的基本骨架（可直接套用）
團隊總結出一套相對固定的結構：
- 開頭固定風格前綴（例如：Photoreal. NON-IP. 指定畫幅與時長. SFX only. NO CGI. Cinematic.）
- 明確點名使用的資產標籤（如 @roco、@loc_cave_front）
- 用現在時、短句描述動作與鏡頭運動
- 鏡頭運動與人物動作結合描寫
- 限制每個節拍的句子數量，避免信息過載
- 結尾再次強調物理與風格約束
他們還將這些規則打包成可複用的“Skill”（技能包），方便與Claude等大語言模型配合自動寫Prompt。
5. 對大家的實用建議
1. 先做短片，再考慮長片
從1–2分鐘、單一角色、單一場景開始，把一致性規則跑通，再逐步擴展。
2. 資產質量決定最終上限
前期多花時間打磨角色和場景參考圖，後期會節省大量反覆生成的時間與成本。
3. 接受高篩選比例
生成大量素材、嚴格篩選是常態。不要指望一次生成就完美。
4. 記錄每一次迭代
保留Prompt修改記錄與最終選用結果，方便覆盤和複用。
5. 工具組合使用
單一模型很難兼顧一切。圖像生成、視頻生成、局部編輯模型各有所長，需要搭配使用。
6. 開源材料是最好的教材
直接打開官方項目頁面，查看真實分鏡表、資產庫和完整Prompt。比任何二手教程都更有價值。
6. 總結
《Hell Grind》證明了在2026年，一支小團隊已經可以用AI工具在兩週左右完成接近完整長度的電影視覺製作。成功的關鍵不在於“點一下按鈕”，而在於：
- 嚴謹的前期資產體系
- 極致詳細且結構化的Prompt
- 對一致性問題的系統性解決方法
- 大量迭代與嚴格篩選
Hell Grind: a 90-minute AI film, fully open-sourced 源代碼
這些方法已經全部開源。大家可以從官方項目中下載資產與Prompt模板，先模仿一個完整場景，再逐步建立自己的工作流。
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
