AI 长视频制作全流程方法论
Higgsfield 在官网上发布了一部 95 分钟的片子，全程用 AI 视频生成，据称耗费约五十万美金，并且把全部制作流程开源了。
相关提示词全部公开，值得搞内容和 AI 创作的人去翻一遍，也可以直接扔给 AI 让它帮忙解读。实际用 AI 做视频时，卡点往往不是做不出来，而是抽卡费钱，所以成熟团队的方法论尤其值得参考。
ACTING SKILL.md：角色怎么”演”
这是一份 AI 视频角色表演的完整教科书，教你怎么写 prompt 让 AI 生成”有演技”的人物。核心思路：把 AI 当成一个只看得懂”动作指令”的演员，不要指望它懂”情绪”。描述得越像体育解说（“眼睛先动，头再转，胸口起伏”），它演得越像人。
CINEDANCE SKILL.md：镜头怎么”拍”
涵盖机位、灯光、物理、时间。
Prompt 结构固定为 12 节：
镜头语言库不用焦距，用角度。这套角度描述法绕过了 AI 对”85mm”这类焦距理解不准的问题。关键在于：每个角度配 3-4 句”视觉结果描述”（如”背景压成色块”、“前景人物 loom large”），AI 更容易懂。
普通人能直接抄的几条：
- 写 prompt 前先画场景地图（哪怕简笔画）——空间关系用文字很难描述清
- 动作按秒拆——0-3 秒干嘛、3-6 秒干嘛，AI 时间感很差，需要喂
- 镜头用角度不用焦距——“84° 广角”比”35mm”稳
- 物理写具体不写抽象——“脚跟着地”比”真实行走”强
- 输出前检查第一帧——AI 最爱开场空镜或人物迟到
LIRA SKILL.md：图像怎么”生成/修改”
涵盖模型选择、prompt 结构、防崩，教 AI 怎么写图像生成 Prompt，让 Seedance/Soul/NBP 等模型一次出图就能用。
上面是角色表三件套提示词模板，页面里有每个角色的最终图：
一个值得注意的细节：十几秒的视频对应的提示词非常长，平均一条几千字，一屏都截不完。
专业团队同样要靠抽卡。无论图还是视频，都是大量生成后选最满意的。
这些成片都是做了 N 遍之后选出来的。全部视频素材有十一万五千多个，说不上百里挑一，也是几十挑一。
如果觉得 95 分钟这部学起来太费劲，页面上还有很多其他时长的片子，十几分钟的高质量片子也都开放了全部流程，可以照着来。
值得参考的五条方法
1. 要有一套角色/场景/道具一致性系统。 那几个 md 文本就是用来解决 AI 最容易翻车的地方：人物和场景对不上。他们的解决办法很土但有效：
- 提前做好”角色身份证”——一张特写脸、一张全身正面（故意把头去掉）、一张全身背面
- 背景必须是平淡的灰色，光线要平，皮肤要真实（有毛孔那种），不要太”完美”
- 所有东西都起固定名字（比如 @小明、@山洞），提示词里反复强调用这些名字
- 连状态都单独拆分：湿身、受伤、换装、白天/夜晚/雨天都做成独立资产，绝不混在一个描述里。改衣服/伤疤用局部遮罩叠加，绝不整图二次生成，否则皮肤会变塑料、对称、死气沉沉
2. 提示词超长、超细，像写一份详细的”拍摄指令”。 结构固定不乱：角色数量声明 → 完整角色描述（一字不改）→ 地点参考 → STRICT 约束 → GEO 空间地图 → 场景上下文 → 分拍动作 → 统一 Style Prefix。怎么走、怎么打、光线从哪来、重力怎么作用、什么东西绝对不能出现（比如漂浮的东西），全部写清楚。别再写”一个帅哥在战斗”，剧本能力在这里拉开专业度差距。
3. 大量”废片”是正常的。 前 25 分钟的内容，他们生成了 1.6 万多个片段，最后只挑出 253 个能用的，比例约 64:1。AI 现在还很”抽卡”，得生成很多再挑好的，别指望一次完美。
4. 先准备”素材库”，再开始生成。 不是边写边生成，而是先把所有角色、地点、道具准备好做成标准图，再按场景一块块生成。就像做菜前先把食材洗好切好，而不是炒菜时才临时去买。
5. 规则比人数重要，一人也能按这套跑完整条流水线。
- 模型没有记忆：每次提示词都要把完整描述一字不差贴进去，绝不能偷懒缩短
- 只改一行，其他保持原样；所有版本都记日志（改了什么、结果如何）
- 10–15 次法则：超过这个次数还不行，就简化镜头（拆成两个、减动作、换角度），别死磕
- 参考图要明确角色：告诉模型”这是脸参考”还是”地点纹理参考”，地点参考要明确禁止继承构图/角度/颜色