AI视频平台 Higgsfield 做了一件非常夸张的事。
他们不但公开了一部95分钟的AI电影《HELL GRIND》，
还把这部电影背后的工程文件一起公开了。
约11.5万次生成记录，按场次建立文件夹，每一笔记录都可以查看参考图、完整提示词、模型、分辨率、生成日期，并下载结果。
里面能看到角色素材、道具、环境参考，也包括大量失败版本和重新生成记录。
今天邹叔帮你讲这个工程文件拆解开，变成一份AI电影工业流程完全教程，这份教材不是"赏析"这部片子，而是把它的制作流程拆成可以照着做的步骤。
每一步都有 Hell Grind 项目的真实做法作为案例支撑，每一步都有可以直接复用的模板。
读完这篇教程，你将掌握：
步骤一：如何搭建 Elements 资产库，让角色/服装/武器/场景变成可重复调用的固定资产
步骤二：如何把一场戏拆成"机器可执行的分镜脚本"（含8秒动作镜头完整拆解案例）
步骤三：如何组织批量生成、筛选和版本管理
步骤四：如何完成从 Prompt 到成片的后半程，剪辑、声音、后期
步骤五：如何做预算规划和团队协作
在 Hell Grind 的制作过程中，仅前25分钟的内容，团队就：
生成了16,181段视频
最终采用了253个镜头
可用率不到2%
筛选比约为64 : 1
也就是说，每64次生成中，只有1次能达到导演的及格线。整个项目累计约11.5万次生成记录，按场次建立文件夹，包含角色、场景、道具、测试素材、失败版本和重新生成的全部历史。
导演 Aitore Zholdaskali，前作《Sicko》入选鹿特丹电影节 Bright Future 单元、SXSW 伦敦 2026。
联合编剧 Adilkhan Yerzhanov 曾两次入选戛纳电影节官方单元。
团队核心具有传统电影工业经验，而非纯技术背景。
在深入每一个步骤之前，先建立一个全局视角。
关键提示：这个管线不是线性的，Phase 3 中的失败镜头会回退到 Phase 2 调整资产，Phase 4 发现的问题也可能触发 Phase 3 的重新生成。它是一个迭代循环，不是流水线。第二部分：步骤一搭建 Elements 资产库核心理念：AI电影需要"固定资产"
传统影视制作中，一部电影的服装、道具、场景都是实物。
拍完一场戏，第二天还能拉出来继续用。
但在AI视频领域，每次生成都是 "从零画一张新图"。
如果不做任何资产锁定，同一角色在下一场戏里就会变成另一个人。
Hell Grind 团队的解法是：先把角色、服装、武器和场景制作成可以重复调用的 Elements。
写提示词时，不再反复描述人物，而是直接引用这些固定资产。
以主角ROKO为例，团队为其创建的资产包括：
在开始生成任何视频之前，确认以下资产已就绪：
每位常驻角色：20+参考图已入库，Soul ID已训练
角色状态矩阵（正常/受伤/战斗/情绪）已完成
每个状态的文字描述（精确到伤口位置和服装破损程度）
每个核心场景：主图 + 多角度参考已生成
剧情版本变体（至少初始版/破坏版/情绪版）已完成
复杂场景的低模已完成
每个关键道具：多角度参考图 + 状态变化已记录
全局视觉规范：色彩方案、光照方案、运镜风格已确定
关键原则：生成一帧视频之前，先花足够时间把资产做扎实。
Hell Grind 团队的一个重要教训是,如果生成到一半才发现角色不一致，回头重建的成本远高于前期投入。
这是本教程最核心的一章。
Hell Grind 项目最颠覆认知的地方，不是生成了多少视频，而是他们的提示词已经进化成了一种机器可执行的分镜脚本。
传统的AI视频提示词通常是这样写的：
"A cinematic shot of a warrior in a dark museum, dramatic lighting, 4K, photorealistic."
而 Hell Grind 团队的同类型提示词约为后者的12倍长度，但它不是废话填充。
每一个词的增加，都是在缩小AI模型的自由发挥空间，从而提升可控性。
从 Hell Grind 的4万多条公开提示词中，小互团队统计出了一个在所有长提示词中一致存在的结构。
这个结构相当于一份微型拍摄通告：
下面以 Hell Grind 中一个典型特效动作镜头为例，展示从分镜意图到完整提示词的最终形态——单条提示词组装完成后约 2,500-3,500 英文词。
分镜意图（人读）
场景：野蛮主义圆形混凝土博物馆大厅。镜头：3.6 米高的怪物背贴炸弹，挣扎后引爆，蘑菇云升腾。时长：8 秒。景别：广角→超广角（手持拉远）。情绪：挣扎→爆炸→烟尘弥漫。
完整提示词（组装后可直接使用的最终输出，中英对照）
连续手持长镜头——8秒·21:9·8K IMAX·单镜到底从第0帧到最后一帧·无硬切·24fps平滑运动·180°快门运动模糊·物理电影镜头。
写实电影感——无3D渲染、无游戏引擎、无游戏过场动画感。仅真实片场摄影质感。
摄影风格：艾曼努尔·卢贝兹基 × 罗杰·狄金斯。
灯光：仅自然光——博物馆天窗上方逆光，摄影机置于怪物阴影一侧，全场大气雾霾。无人工电影灯、无主辅光系统、无反光板、无额外光源，仅场景内固有光源（琥珀色展柜灯光）。
场景： 一座巨型野兽派圆形混凝土博物馆大厅。尺寸：圆形平面直径约22-24米，层高约10-12米。宽阔灰色混凝土地面，高耸混凝土墙面，上方约8-10米处排列一列狭窄竖条窗。摄影机左侧一根混凝土柱（约80cm见方）。四座八角形立式展柜（约2.5米宽、1.0-1.2米高）散落在宽环中——每座分为厚重的混凝土金属底座（固定不可动，内置琥珀色灯光）和较轻的玻璃顶盖（拍摄前已碎裂）。两座普通矩形展柜嵌于对侧深色墙面壁柱中。2-3棵深叶室内树木置于厚重混凝土花盆中，散布于周边。二层环形阳台环绕上方。中心空地——怪物站立之处。
角色——怪物： 高3.6米。粉红皮革质感肌肉人形体，沧桑皱纹皮肤，裸露上身，腰间缠破旧深色缠腰布。骨刺（20-30cm，淡黄风化骨色）从肩部和脊柱呈扇形外展。骷髅面孔——下半张脸血肉剥离至骨骼，裸露泛黄牙列形成永恒咧嘴；上半张脸为蜡黄人类皮肤，深陷的黄绿色湿润活眼。长而凌乱的深黑色头发垂至上背。不对称双臂：左臂——正常肌肉人形手臂，五指带锋利黑色爪尖。右臂——骨生物变异臂——一柄长弯骨刃（50-60cm，骨质角蛋白）从肘部融合延伸。1500-2000kg体型重量压入混凝土地面。
道具——炸弹（仅一枚）： 哑光灰色陶土球体——直径恰好30厘米（约人头大小，约怪物3.6m身高的1/12）。粗糙多孔无光灰陶表面——哑光、矿物质感、灰白色。球体顶部有短窄柱状颈口（约4-5cm高，如小烟囱，边缘参差不齐）。整个表面布满重度裂纹网络，裂缝深而宽。活跃内部辉光——第0帧起即从每一道裂缝中脉冲出明亮的橙白熔岩光，前三秒持续增强。第0帧时，炸弹已粘着/融合于怪物上背两枚脊柱骨刺之间。
配色规则 60:30:10： 60%冷灰混凝土（地面、墙面、柱体、天花）。30%暖琥珀来自场景内展柜辉光 + 粉红怪物皮肤 + 深灰绿树叶。10%橙红爆炸光在第3-4秒 + 深黑烟云在第4-8秒。
灯光——逆光+阴影侧： 摄影机位置使天窗日光朝镜头倾泻。怪物处于逆光——头部/肩部/骨刺/背部形成明亮轮廓光，面向摄影机的正面处于深阴影中。主光仅来自天空和窗户。无反光板、无补光灯。大气雾霾——可见的冷光柱从天窗切下穿过尘雾空间。
动作——连续不间断时间线：
0.0-1.5秒——广角镜头：摄影机位于怪物南侧约10米，成人眼高度（约1.6米），微仰拍摄。怪物3.6米全高完整可见，立于圆心正中。他剧烈扭身试图够到自己的后背——右侧骨生物变异臂从头顶弯向炸弹，左侧正常手从另一肩翻上抓向球体。他通过裸露颌骨牙齿大声咆哮，嘴极度张开，深陷的双眼饱含警觉与暴怒。炸弹明显处于激活状态——明亮的橙白熔光从裂缝中脉动射出，肉眼可见已经灼热、已进入待爆状态。
1.5-3.0秒——剧烈挣扎+摄影机拉远：怪物猛烈扑腾——骨爪从一肩上抓刮球体，正常手从另一肩抓握。咆哮的音量和音高持续攀升。橙光增强。摄影机向南从约10米拉至约13-14米——怪物在画面中明显缩小，更多博物馆建筑进入画框。约2.5秒时摄影机滑入二层阳台挑檐下方——深色挑檐底面进入画面上方框。
3.0-4.0秒——引爆：炸弹在怪物上背原位引爆——极大规模、迅猛、瞬时。首帧（约0.05-0.15秒，180°快门模糊下）：硬脆开裂的橙白闪光以肩胛骨间位置为中心绽开，火球在前0.2秒内达到5-6米直径。怪物在前0.3秒内完全被爆炸吞没——在火球后不可见。摄影机剧烈反应：硬镜头震动冲击，猛烈8-10°倾斜构图，5-7次强烈阻尼抖动，被冲击波推开约1-2米。冲击波物理席卷全馆：八角展柜的玻璃顶盖炸飞（底座锚定不动），地面上碎玻璃向外飞散，树木猛烈摇摆树叶四散，墙面展柜玻璃开裂部分碎裂，阳台挑檐抖落混凝土粉尘。
4.0-7.0秒——黑色蘑菇云：厚重黑烟从怪物位置翻涌升腾。蘑菇云总高度：6-8米（约怪物身高的1.7-2.2倍）。可辨识的垂直烟柱+翻涌冠顶。烟云吞没怪物——前约0.5秒内可见其暗影轮廓，随即消失。摄影机持续抖动并重新稳住。
7.0-8.0秒——最终帧：6-8米蘑菇云占据画面正中心。冠顶缓慢涡旋翻涌，烟柱底部展宽，浓烟在混凝土地面上翻滚。极微弱的内部橙光在烟柱底部深处脉动。怪物在云后不可见。一些博物馆元素在浓雾中于画面边缘隐约可辨。摄影机稳住，沉淀。镜头于8.0秒结束。 ?摄影机：全手持——不平滑、不稳定。真人掌机——呼吸抖动、身体漂移、微倾斜。绝不滑顺、绝无轨道。无稳定器顺滑、无摇臂。镜头在掌机手中是活的。全程180°快门运动模糊。画面：第0帧广角（约10米）→第8帧超广角（约15-18米），摄影机朝北拍摄逆着天窗逆光日光。
风格：8K IMAX。写实——无3D渲染、无游戏引擎、无游戏过场动画感。
摄影：卢贝兹基 × 狄金斯。
皮肤：毛孔级真实——汗毛、不对称痣、毛细血管透红、毛孔阴影匹配现场光源。
表演：好莱坞级——反应前微停顿、精准视线、湿润活眼带反光点、可见呼吸和胸口起伏。
物理：重力和惯性贯穿——质量有真实重量、接触阴影正确。无漂浮道具。
构图：三分法+黄金比例。每个人从第一帧就在动。
连续性：角色、道具、环境贯通全镜完全一致。无身份漂移。
技术：24fps平滑运动。8K细节。除刻意手持外无抖动。
音频：仅环境音效——天窗缝隙冷风微啸、混凝土空间低沉环境嗡鸣、利爪脚掌在混凝土上刮蹭、怪物的响亮咆哮怒吼、引爆瞬间炸裂的惊雷爆响、沸腾浓烟、碎屑裂响。无配乐。无字幕。
从41,083条提示词中高频提取出的通用底座。它不是"建议"，而是每条提示词末尾的固定组件：
Hell Grind 团队采用的不是"精心打磨一条提示词然后生成3次挑最好的"，而是高频低期待策略：
每次生成长度以8-15秒为单位，
每20次生成中挑选3-4个最优片段（约5:1到7:1的组内筛选比），
全局约64次生成产出1个可用镜头，
多个导演同时在不同场次并行生成共用资产库，
失败版本不直接删除而保留在工程文件中作为"禁区参考"。
8-15秒是因为当前主流AI视频模型在超过30秒后，
角色身份和光照一致性会显著下降；
短片段在后期剪辑中更容易衔接；
可以用"首尾帧匹配"策略串联；
坏了一小段只需重新生成这一段。
Hell Grind 公开的工程文件采用了以下结构：
00_MASTER_ASSETS/Characters / Environments / Props（最终确认的资产）
01_SCENE_01_MUSEUM_HEIST/storyboard + shot_001~shot_N（每镜独立文件夹）
shot_001/内含：prompt_v1.txt + gen_001~064.mp4 + SELECTED_gen_041.mp4 + shot_notes.md
99_POST_PRODUCTION/ edit_timeline / color_grade / audio_mix / fix_log.md
关键管理原则：失败版本保留不删（标注FAILED_前缀用于分析模型行为）；每镜维护shot_notes.md（记录为什么选这版、其他版本的问题、可重用参数）；资产与场次分离；只有剪辑导演有权将素材移入后期。
目前AI视频模型的能力边界在于"局部15秒"，而不在于"全局95分钟"。
剪辑、声音设计、色彩匹配、AI痕迹柔化、连续性修复这五项工作AI目前无法可靠完成。
AI 的工作是"大量生成"，人的工作是"精准选择"。11.5万次生成不是AI能力的证明，是人筛选能力的证明。
对比：传统同等规格CGI动作片$5,000万 - 1.5亿，成本差约100倍。
14天冲刺时间表（参考 Hell Grind 实际排期）
第一层：Soul ID 训练，20+多角度参考图，一次性训练，每次生成必须附加该ID。
第二层：资产描述一致性，所有镜头使用统一的角色描述模板，从主资产文档复制粘贴。
第三层：提示词中的面部分解指令，Skin段（汗毛、痣、毛细血管、毛孔阴影）+ Acting段（微停顿、视线、湿润眼睛、呼吸）。
第四层：后期修正，DaVinci Resolve色彩匹配拉近面部色调，极端情况重新生成。
排名1：脚不沾地/漂浮（预防：提示词写"boot sole compression against floor"）。
排名2：道具悬浮（预防：技术底座Physics行"No floating props"）。
排名3：接触阴影缺失（预防：写"correct contact shadows under every object"）。
排名4：质量感缺失（预防：写"mass has real weight" + 物体落地要有反弹/碎裂）。
排名5：人物比例异常（预防：站位段写明身高距离）。
提示词层：Style行禁3D渲染和游戏引擎，Skin行写毛孔级真实感，Lighting行自然光优先。
生成策略层：优先选择有轻微瑕疵的版本（面部不对称、衣服皱褶、灰尘颗粒）。
后期处理层：DaVinci Resolve添加Film Grain(15-25%) + Vignette + Soft Glow + Micro Contrast。
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. 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. 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.
无背景音乐（指定 Scene 需要配乐的情况除外）
无自动字幕
无随机路人
无角色重复（同一人不能出现两次）
无漂浮（所有物体接地，有接触阴影）
无游戏CG感
无塑料/光滑表面
无镜头光晕（需要的情况除外）
无慢动作（需要的情况除外）
对话严格按指定内容（不能自由发挥）
这份教程很重。
11.5 万次生成、15 人 14 天、64:1 的筛选比、16,501 字符的中位数提示词——如果你是从头读到这里的，你应该已经感受到了：AI 电影这件事，和大部分人想象的不一样。
那不是"AI 能不能做电影"的问题。那是一个根本不成立的问题。真正的问题藏在那些工程文件里
Hell Grind 的提示词最震撼的地方，不是它有多长。是它把"导演脑子里想的东西"用一套可执行的语法写了出来。
角色此刻身上什么伤、衣服破在哪一镜造成的、汗从哪个部位往下流、呼吸节奏是快是慢、视线先看哪里后看哪里、灯光是双光源还是单光源、色温多少K，这些不是"AI 需要的"，是导演需要想清楚的。
AI 做的事情，是把你想清楚了的东西变成画面。
你没想清楚的东西，AI 帮你变成一堆随机画面。那 64 次生成里被淘汰的 63 次，不是 AI 不够好，是你没跟它说清楚。
那些写得像微型拍摄通告一样的提示词，本质上是一个导演的思维外化，你把脑子里的画面拆成动作节拍、灯光参数、站位坐标、禁令清单，AI 才能把你脑子里的画面还原出来。
这件事告诉我们：AI 时代最稀缺的能力，不是会用哪个模型，是能把自己的想法拆成可执行的指令。
这门手艺，叫"导演"，不叫"提示词工程师"。
这个项目最值钱的开源内容，不是某一条提示词，不是某一个模型参数，是那 108 个按场次编号的文件夹。
00_MASTER_ASSETS/?→?01_SCENE_01/?→?shot_001/?→?prompt.txt + gen_001~064.mp4 + SELECTED_ + shot_notes.md
这个文件夹结构，就是一部 AI 电影的骨架。
它回答了所有"怎么做"的问题：
角色怎么做——先建资产库再调用；
分镜怎么做——七段骨架填进去；
生成怎么管——每镜一个文件夹，64 次生成全保留；
筛选怎么判——P0 一票否决 / P1 一票否决 / P2 降级使用 / P3 标注修复；
后期怎么接——fix_log.md 记下 40 个修复点。
那些一个人拿 AI 工具三天做出一个短片的 demo，炫是很炫。
但如果你要的是"稳定地、可重复地、团队协作地"做出 95 分钟的东西，你需要的不是更快的模型，是更稳的流程。
15 个人的团队。
导演、DP、剪辑导演、资产设计师、场次导演。没有人被 AI 替代，但每个人的工作内容变了。
导演不再事必躬亲地画每一帧，而是把"脑子里想要的画面"翻译成 AI 能执行的指令。
DP 不再扛着摄影机在片场跑，而是在提示词里写"35mm 镜头、180° 快门、推轨速度匹配转身速度"。
剪辑导演不再从几十个小时的素材里翻找，而是从 11.5 万次生成里挑选那 253 个能用的镜头。
角色变了，但人没消失。
Hell Grind 团队的核心，导演 Aitore Zholdaskali，前作入选过鹿特丹电影节。联合编剧入选过两次戛纳。他们不是"被 AI 赋能的外行"，是本来就懂电影的人，学会了用 AI 做电影。
这对所有创作者的意义是：AI 不会让外行一夜之间变成导演。但它会让真正懂行的人，一个人拥有过去一个团队的生产力。
这份教程的目的不是让你复制一部 Hell Grind。
是你下一次打开一个 AI 视频工具的时候，脑子里不再只有"写一句提示词，看它生成什么"。
而是你开始想：这个角色我有没有建资产库？这场戏我有没有拆成分镜节拍？这条提示词里我写没写站位几何和灯光色温？我有没有给模型写禁令？
从"让它生成"到"让它执行"，这一个字的差别，就是玩 AI 和用 AI 的分界线。
11.5 万次生成换 95 分钟成片。
64 次生成里只有 1 次能用。
这个比例放在任何一个传统行业都是不可接受的，除了电影。
因为在电影里，一条能用的镜头，值剩下的 63 条废片。在
电影里，精雕细琢不叫"效率低"，叫"创作"。
所以当有人再问你"AI 能不能做电影"的时候，你已经知道了答案。
不是能不能。是你会不会。是你的流程硬不硬。
是你的资产库有没有搭。
是你的提示词里写没写那些看起来啰嗦、但每一条都在缩小 AI 自由发挥空间的东西。
AI 不会替你做一个好导演。但一个好导演，值得用 AI 放大自己。
