百万美元做 AI 电影，效果如何？
文 | 羊羊
编辑 |Cookie
影史上最贵的100%AI生成的电影诞生了，成本200 万美元。
AI 短片，酷炫的不少；AI 电影，能看的很少。现在，专攻AI 影视创作的平台Higgsfield想打造AI 电影界的第一个“成功案例”。
为此，他上半年花50 万美元拍摄了一部95 分钟的 AI 电影《地狱磨砺》，几个月后又花200 万美元拍了一部114 分钟的 AI 电影《卡利山小子》。
上周， 《地狱磨砺》 全片上线网络；两天前， 《卡利山小子》全片上线网络。 Higgsfield 的态度很明确，不为赚钱，就是想让大家看看，用 AI 做电影这件事到底值不值得观众和专业人士认真看待。
对 Higgsfield 做法，我有两点疑问。
首先，两部电影花费 250 万美元，AI 算力有这么贵吗？这些钱具体花在了哪里？
另外，AI 电影的瓶颈不是在技术上吗？多花钱能在多大程度上提升一部 AI 电影的质量呢？
Higgsfield 有没有什么独家秘笈可供大家借鉴？
至于 《地狱磨砺》 和 《卡利山小子》两部 AI 电影的质量如何，见仁见智，大家可以亲自鉴定下。极客电影的观点是，单从技术上来讲，这两部作品非常值得大家认真研究。
01 不为挣钱，争个面子！ AI 电影值不值得认真对待？
今年上半年，Higgsfield 带着一部 95 分钟的AI 电影 《地狱磨砺》 来到戛纳电影节，做了一场行业放映。当时戛纳方面还专门出来撇清，说这部电影不在竞赛单元里。
导演吉尔莫・德尔・托罗在戛纳《潘神的迷宫》放映活动中高喊“Fuck AI”，很能代表当时电影界的主流情绪。
Higgsfield 后来也承认， 《地狱磨砺》 “惹恼了电影圈的一些人”。于是几个月后，他们制作了第二部AI 电影《卡利山小子》，并在纽约办了首映。
两部 AI 电影是同一家公司用同一套工具，在几个月里先后交出的两份作业。
《地狱磨砺》 是一部奇幻动作片：四个街头盗贼在一次博物馆盗窃中触发神秘古物，打开通往地狱的入口……全片95 分钟，15 个人的团队用接近50 万美元的预算制作完成。
主要使用的视频模型是 Seedance 2.0 ，Veo 3 也有参与，角色面孔和场景靠自研的 Soul Cinema 生成，图像修改再调用 Nano Banana Pro、Seedream 4.5、GPT Image 2，多模型并行。
《卡利山小子》讲述三个混不出名堂的说唱歌手想拍支音乐视频扬名，结果从一艘改装游艇里发现 200 万英镑带血的毒资，被迫卷进毒品战争。
影片 114 分钟，比 《地狱磨砺》 多出近 20 分钟，28 人的团队花费约 200 万美元预算制作完成。这次模型全部使用了最新上市的 Seedance 2.5。
《卡利山小子》最大的特点是，四位主演都获得了真人授权——篮球博主 Matt Kiatipis、UFC 选手 Israel Adesanya、网络主播 N3on、MMA 老将 Quinton “Rampage” Jackso “联袂出演”了这部 AI 电影。
剧本也是“正经的电影剧本”。
Higgsfield 从编剧蒂莫西·W·普拉纳根那里购买了这个已经很成熟的剧本，该剧本曾入围好莱坞剧本“黑名单”（没拍出来，但业内高管集体看好的优质剧本榜单）。
有趣的是， Higgsfield 花了真金白银制作这两部 AI 电影，但并不打算从中赚钱——目前两部电影的完整版都已上线网络，供所有人免费观看。两部电影的制作流程也完全开源，供所有感兴趣的人查阅。
Higgsfield CEO 亚历克斯・马什拉博夫曾很直白解释他们自己制作 AI 电影的原因：它们是给好莱坞看的“销售名片”。
制作一部酷炫的 AI 短片是一回事，制作一部标准时长的 AI 电影是另一回事。至今尚未有公认的成功案例，质量上足以让大家认真对待这个“新物种”。
因为这个标准可不低。
Higgsfield 想让电影行业的人相信，使用它们的平台，制作一部质量合格的 AI 电影已经成为可能，或很快就将成为可能。
从这个角度出发， 《地狱磨砺》 和 《卡利山小子》两部 AI 电影的定位与其说是作品，不如说是样片。
抛开 AI 这件事， 《地狱磨砺》 只能算一部平庸的 B 级动作片， 《卡利山小子》更有趣一些，但也算不上多么精彩。但如果考虑到它们都是全 AI 制作的，很多人可能会给出“夯”的评价。
因为“瑕疵”够少，在观看过程中你真的会常常忘记“它是由 AI 生成的”。
一部标准时长的 AI 电影最大的敌人是跨越镜头的一致性，而 Higgsfield 用两部电影探索出了一套比较靠谱的减少“瑕疵”的流程。
AI 电影这个类型的确立，理应从建立自己的方法论开始。
02《地狱磨砺》 50 万美元花哪了？它交过的学费，后来人不用交了
砸了近 50 万美元，做出一部 95 分钟的 AI 电影。 《地狱磨砺》这个项目听起来有点贵。
最近冒出的号称“硬刚”诺兰《奥德赛》的 AI 版《奥德赛》，135 分钟，成本不过几千美元。 《地狱磨砺》 这 50 万美元都花在了哪？
据 Higgsfield 披露，其中约10 万美元用于支付 15 人团队的人力成本，以及剪辑、调色、声音、音乐这些后期开支。
剩下的大约40 万美元全部花在了算力上。更进一步说，绝大部分算力不是花在成片上，而是花在了废片上。
仅电影的前 25 分钟，团队就生成了 16,181 条视频，最后只留下 253 个可用视频，报废比大约 64 比 1。
为什么会有这么高的报废率？因为 Higgsfield 的目标是将 《地狱磨砺》 打造成一部能撑住 95 分钟连贯叙事的长片。
视频模型没有记忆，单条质量又不稳定，要保证跨镜头不崩，只能靠海量生成加筛选。在这个过程中，Higgsfield 走了很多弯路，并从中总结了一套 AI 电影制作方法论，这恰恰是 《地狱磨砺》 最值钱的副产品。
其中有一些妙招，非常值得后来者学习。
资产优先
在每一个角色、场景、道具都锁死并且通过压力测试之前，一帧都不要生成。这条规矩省下的钱，比后面所有技巧加起来都多。
具体怎么做？每个角色先做成“文字描述加参考图”配对的形式，描述词要逐字写进每一句提示词，参考图当锚点，保证角色每帧是同一个人。
角色参考图很有讲究，它包含三张图：脸部特写、去掉头的全身正面照、背面照。
去掉头听着荒唐，却可以避免很多废镜头的出现。因为在全景里，模型总爱去那张小小的全身照上借一张模糊的脸。把头一去掉，模型没处可借，只能去用特写里的脸。
角色面孔在 Higgsfield 自研的角色与脸部生成工具 Soul Cinema 里生成，团队会挑选“最可信”的而不是“最漂亮”的那张图，还会盯着瞳孔里是否有高光。没有高光，脸就是“死的”。
衣服、血迹用遮罩局部改，同一张图绝不全图过模型两遍，因为每多过一遍纹理就更容易崩、颜色更容易漂。
每个资产上线前还要经过压力测试：换姿态、换光线各生成十次；十次都认得出，还要放到别的角色旁边、放进真实场景的光里也认得出，才算锁定。
给模型更少的自由
AI 没有记忆，你给它的空间越大，它崩得越离谱。
Higgsfield 的妙招之一是“空间地图”：每个场景写一份纯空间的平面图，只标地标、左右、机位，不写人物和动作，却贴进每一帧，人物就不会凭空瞬移或串位。
每个镜头开场，Higgsfield 的团队会先让模型用一秒把角色站位和光线“拍”下来，确立基准，后面才不乱套。
角色、场景的每种状态也都要拆成独立资产，比如同一场景的白天、夜晚、雨天是三个资产。
人物不同状态要单独做资产
提示词里的情绪换成动作
《地狱磨砺》 的AI提示词是真人团队和 Claude 等模型协作写成的，骨架有十五个栏目，从场景角色数、参考图、空间地图、首帧站位，到光学、运镜、动作时序、物理、灯光、对白、表演、风格、质量、计数与禁令，逐栏写死。每段视频的提示词都有数千字。
写动作提示词时有个铁律：用肯定句。写“他扑倒在地”，而不是“他没有仰面倒下”。因为模型会忽略否定句，甚至反着来。
写表演提示词关键在于“写行为不写情绪、写物理不写形容词”。例如让角色攥紧拳头、指节发白，而不是写“他很愤怒”；描述肌肉的劳作和呼吸的起伏，而不是写一句“他很悲伤”了事。
Higgsfield 还分享了很多细节妙招，例如不要写角色年龄（会触发更严的内容过滤）、建一本禁用词字典（”黑暗”改成”低调光”，”颠簸”改成”快速运动”）、用分阶段眨眼和每一两秒一个微表情事件来让脸“活”起来等。
镜头不合格就简化
团队坚守“十到十五次规则”：一条镜头生成这么多次，还达不到满意的效果，问题往往不在提示词，而在于镜头本身太贪心。
可行的解决办法是把镜头拆成两段、去掉一个动作、换个角度等。例如，门打不开，就让走近门的那一刻单独成镜，在下一个镜头里把动作提到开头，写“他已经在挥击，门已经在裂开”。
这些经验都是 Higgsfield 团队用 64 比 1 的报废比换来的。Higgsfield 把流程开源，后来者就可以少交学费，因为学费前人已经交过了。
03 《卡利山小子》 更具性价比，AI 电影有了自己的方法论
既然第一部作品已经交了学费， Higgsfield 第二部 AI 电影的成本怎么不降反升，从 50 万美元飙升至 200 万？
因为其中100 万美元花在了演员形象授权、支付更大规模的制作团队（28 人）的工资，以及购买剧本上。剩下的100 万美元才是算力成本。
Higgsfield 这次野心很大，《卡利山小子》的资产量是 《地狱磨砺》 的十倍，所以总体来说，这 200 万美元预算的性价比还是提高了的。
具体来说，《卡利山小子》在继承了《地狱磨砺》 经验的基础上，在以下几个方面实现了进化。
首先，《卡利山小子》把 《地狱磨砺》 的宝贵经验升级成了可执行的硬约束——150 条带名称的“锁定规则”（named locks），以及约 80 条以“= failed take（废片）”结尾的判定标准。
比如场景里物体数量逐镜写清，防止模型在运动中复制道具；情绪表达两头夹紧，又哭又笑的脸直接判定为废片。
另外，在制作 《地狱磨砺》 时，提示词主要靠人带着 AI 共享项目文件夹手写，Higgsfield 自研的三套技能（LIRA 写图像提示词、CINEDANCE 写视频提示词、Acting 管表演）已有雏形，但仍偏人工主导。
制作《卡利山小子》时， Higgsfield 已经把这三套技能工程化，尤其是将 CINEDANCE 拆成了三道工序：writer（搭骨架）、auditor（出场前复查）、workbench（修补）。
其中 auditor 会在生成前检查首帧是否为空、标签是否过期、台词是否矛盾；workbench 只修补失败的那一段，而不是把整段提示词推倒重写，避免全文重写会丢掉已经跑通的部分。
图像侧的 LIRA 也多了一步，会在生成前对照各模型的弱点自查，等于在出厂前先拦掉一批注定成为废片的镜头。
还有一点，《地狱磨砺》 实行的是单线制作，团队虽然有 15 人但不敢多线并行制作，因为当时流程尚在摸索阶段，各拍各的，出来的镜头很可能会对不上。
制作《卡利山小子》 时，团队扩充到28 人，9 位导演并行开发不同段落。
Higgsfield 为剧组专门设立了资产部门，将资产生产从各导演手里收拢成中央单元，统一产出 600 个批准资产，9位导演并行开发时使用同一套共享资产库，以确保高度一致性。
Higgsfield 还特别提到，《卡利山小子》 制作团队中约40%的人毫无 AI 经验，是通过学习免费公开课（Higgsfield Academy）从传统制作领域转岗而来的。侧面证明传统影视行业转 AI 创作基本上没什么门槛。
这些进化叠加起来的效果很明显，《卡利山小子》的资产规模约为 《地狱磨砺》 的十倍，但算力成本只涨了2.5 倍（40 万升至 100 万美元）。
同一套方法论一旦被沉淀为制度和工具，边际浪费就能被显著压低。对于想入场 AI 长片的团队来说，这才是两部 AI 电影“最值得抄的作业”。
热门跟贴