MENU
カテゴリー
\気になるカテゴリーをクリック!/






Higgsfieldで何が作れるのか、出来上がりだけじゃなくて作り方まで見たいです



僕が自分で作った1本を、プロンプトと設定ごと置いておきますね
Higgsfield(ヒッグスフィールド)の作例を探すと、きれいなサンプルは出てきます。ただ、プロンプトや設定まで書いてあるものは、なかなか見つかりません。
この記事では、自分のMVのために作った映像を1本だけ、プロンプトと設定の実物つきで公開します。
元にしたのは、3Dで組んだ自作のラップバトルMVです。その3Dの画面を実写風に置き換えた、別バージョンを作りました。
先に断っておきます。この実写風の映像は、公開中の動画には入っていません。手元で止めた試作です。
載せるのは静止画だけ。3Dのコマと、実写風になったコマを並べて見ていきます。
本文のプロンプト・設定・枚数は、26年10月に僕が実際に作ったときの記録です。記事の時点は26年11月。
そもそもどんなサービスかから知りたい方は、Higgsfieldがどんなサービスかをまとめた記事から読むと前提がそろいます。


まず、何を作ったのかをはっきりさせておきます。ここを曖昧にすると、あとの話が全部ずれてしまうので。
順番に見ていきましょう。
作ったのは、5分ほどのラップバトルのMVです。ヘルメットをかぶったキャラが4体、順番にマイクを回していきます。
舞台は地下のライブハウス風のセット。そこに司会役が1人立って、曲が進むとキャラが入れ替わる構成にしました。
キャラはヘルメットとLEDの色で見分けがつくようにしてあります。ミントグリーン、オレンジ、紫、青の4色ですね。
この映像はぜんぶ3Dで組んでいます。セットとキャラを作り、カメラを置いて書き出しました。
公開版は26年10月に自分のチャンネルへ上げています。実物は元になったラップバトルのMVで見られます。
Higgsfieldが登場するのは、ここから先です。公開版そのものには、1カットも使っていません。
やってみたかったのは、ひとつだけです。この3Dの画面を、実写の映画のワンシーンに置き換えたらどう見えるのか。
そこで、3Dの映像からコマを抜き出して、Higgsfieldに渡しました。返ってきた実写風の静止画を、さらに短い動画にしています。
できたのは画像24枚とクリップ24本。曲の全部ではなく、50秒ぶんだけつないで手元で確認しました。
この実写風のクリップは、公開した動画には入っていません。公開版は3Dのまま出していて、実写風は別に作った試作です。
全カットを作り直すつもりはなく、見え方を確かめるのが目的でした。だから途中で手を止めています。
なので、この記事は「公開した作品の作り方」ではありません。手元で試して止まった、その記録のほうです。
この記事に動画は載せません。代わりに、元の3Dのコマと、実写風になったコマを並べます。
最初の1組がこちらです。上が3Dのコマ、下がHiggsfieldから返ってきた実写風のスチルになります。




見ていただくと分かるとおり、構図もカメラの位置も光の向きも同じです。変わったのは、素材と人の質感だけ。
つるんとしたプラスチックのキャラが、衣装を着た人になりました。奥の観客も、黒い影から実際の人の後頭部に変わっています。
静止画なら、どこが変わってどこが変わっていないかをじっくり見比べられます。動画だと一瞬で流れてしまう部分ですね。
この「作り直させずに置き換えさせる」のが、今回の肝でした。どう書いたかは後半でそのまま出します。


全体の流れは3つに分かれます。難しい操作はなくて、やることは毎回同じでした。
1つずつ見ていきます。
最初にやるのは、3Dの映像そのものを渡すことではありません。そこから静止画を1枚ずつ抜き出す作業です。
曲をカットごとに区切って、それぞれの先頭にあたるコマを書き出しました。30枚ほど作って、そのうち24枚をHiggsfieldに渡しています。
この時点で、構図も照明もカメラの角度も決まっています。あとの工程は、その絵の見た目を変える作業だけになります。
逆に言うと、ここの絵が決まっていないと先に進めません。実写風にする工程は、構図を考え直してはくれないからです。
枚数が多いほどあとの工程も増えるので、カットの切り替わりだけに絞りました。
Blender側の作り方そのものはこの記事では触れません。学ぶところから始めたい方はBlenderを学べる講座を比べた記事をどうぞ。
書き出したコマを、Higgsfieldの画像生成に参照画像として入れます。使ったモデルはGPT Image 2.5でした。
指示の中身はシンプルです。この3Dレンダーを実写の映画スチルにしてほしい、構図はそのままで、と書きました。
参照画像として入れるのは、このコマが「正解の構図」だからです。文章で構図を説明するより、1枚渡すほうが早いんですよね。
ここで返ってくるのが、さっき見ていただいた実写風のスチルです。これを24枚ぶん、カットの数だけ作りました。
動かすのはまだ先。先に「1枚の絵」を納得いく形にしてから、動画の工程に進む順番になります。
どのモデルがどこにあるかは目的別に使えるモデルを並べた一覧にまとめました。
最後の工程です。実写風になったスチルを開始フレームにして、短い動画を作ります。
使ったのはKling 3.0。できたのは24本で、内訳は3秒が23本と5秒が1本でした。
開始フレームを指定する形なので、1コマ目は実写風のスチルそのものになります。そこから先を作ってもらうイメージですね。
音は付けていません。曲は別に用意してあるので、映像だけあれば足りる形です。
出来たクリップは、曲のタイムラインに並べて50秒ぶんの試作にしました。並べる作業は手元のスクリプトで、ここはHiggsfieldの外の話になります。
24本はどれも使っていますが、1本まるごとではありません。曲のカット割りに合わせて、1本ずつ切って並べています。
Kling 3.0そのものの使い方や料金の条件は、Kling 3.0の使い方と料金の条件の側にまとめてあります。


ここからが本題です。24枚ぶんのプロンプトは全部ちがう文章ですが、並び順はどの回もほぼ同じでした。
なお、プロンプトの書き方そのものの土台は公式の型を20本に整理したプロンプト集にあります。ここでは僕が実際に投げた文を出します。
書いていた中身は、毎回この5つでした。順番も固定して、中身だけ入れ替えています。
英文で書いていますが、組み立てを考えるときは日本語のままでも同じです。
実物を1本そのまま置きます。紫の角のキャラを寄りで撮ったカットで、英文は121語でした。
Turn this 3D render (first reference image) into a photorealistic live-action film still shot on a cinema camera with a 50mm anamorphic lens, shallow depth of field, subtle film grain. Keep exactly the same composition, camera angle, framing, color palette and lighting direction as the first image. The toy-like figure becomes a real human performer with natural proportions, matching exactly the costume and character look in the second reference image: angular black six-sided helmet with two glowing violet horns, jagged zig-zag violet LED mouth and slanted eyes, black jacket with violet LED strips and shoulder spikes, microphone in hand, aggressive pose. Real grimy concrete basement venue, haze, out-of-focus crowd in dark hoodies, violet light. No readable text, no captions, no watermark.前半で「この3Dレンダーを実写の映画スチルにして」と頼み、レンズと粒子感を添えています。次が構図を固定する1文です。
後半は人の中身。おもちゃみたいな人形を、2枚目の参照画像と同じ衣装の人にしてほしい、と指定しています。
最後に場所と光、そして出てはいけないものを並べて終わり。この並びで24枚ぶんを書きました。
下の2枚が、元の3Dのコマと、このプロンプトで返ってきた絵です。どこが置き換わったか、見比べてみてください。




5つのうち、いちばん大事にしていたのが2つ目です。どの回にも、この1文をほぼ同じ形で入れていました。
Keep exactly the same composition, camera angle, framing, color palette and lighting direction as the first image.意味は「構図・カメラの角度・フレーミング・配色・光の向きを、1枚目とまったく同じに保って」です。
なぜここまで書くのか。3Dの時点でカメラも照明も決め終わっているので、絵を作り直してほしいわけではないからです。
お願いしたいのは、素材と人の見た目だけを置き換えること。その線引きを、毎回この1文で伝えていました。
光の色が特徴的なカットでは、同じ文のあとに色まで足しています。床に落ちたオレンジ・緑・紫・青の光だまりを、そのまま残して、という形ですね。
こういう土台の書き方をもっと知りたい方は、プロンプト集の側に型をまとめてあります。
困ったのが、人を3人まとめて映した引きのカットでした。参照になる実写のスチルを1枚も入れずに書いた回だからです。
そこでこの回は、画面に映る3人の見た目を全部文章で書き切りました。結果として215語の長いプロンプトになっています。
Turn this 3D render into a photorealistic live-action film still shot on a cinema camera with a 35mm anamorphic lens. Keep exactly the same composition, camera angle, framing, color palette and lighting direction. The toy-like figures become real human performers in costume with natural human proportions. Center: the host MC in a glossy black full-face helmet with a dark visor showing two round white LED eyes and a small rectangular white LED mouth, a worn black baseball cap worn over the helmet, a thick gold chain over a grey bomber jacket with white LED trim, one hand holding a handheld microphone, the other hand gesturing. Far left: a performer with a black helmet and thin mint-green LED trim on a black jacket. Far right: a performer in a long dark brown coat with a thin orange neon halo ring behind a black helmet. Behind them: worn black PA speaker stacks with glowing rings, a DJ booth with two turntables and a laptop, a glowing LED equalizer bar, concrete pillars with peeling stickers and posters, a real grimy concrete basement venue, haze in the air, warm white light from above and a soft out-of-focus crowd of people in dark hoodies. Shallow depth of field, subtle film grain, real materials. No readable text, no captions, no watermark.中央の司会役はキャップとグレーのブルゾン、左はミントグリーンのLED、右はオレンジの光の輪。立ち位置ごとに書き分けています。
背景もスピーカーの積み方からDJブース、柱に貼られた剥がれかけのステッカーまで並べました。長くなった理由はここです。
そして、ここで返ってきた1枚が効いてきます。この絵を次の回からは司会役の参照画像として使い回しました。
残りの4体は、先に1体ずつ実写風のスチルを作っておきました。下が、参照画像として使った5枚です。
左上だけが司会役ぶんで、これはさっきの引きの1枚をそのまま使い回しています。


あとは必要な人だけを選んで積んでいくだけ。参照画像は少ない回で1枚、多い回でBlenderのコマを含めて6枚まで入れました。
本文での指し方も決まった形にしています。「2枚目の参照画像の人物」のように、何枚目かで指す書き方です。
同じキャラクターを別のカットでも出し続ける話は、同じキャラクターを出し続ける方法の側で正面から扱っています。


ここからは動画側です。実写風のスチルができたら、それを開始フレームにして短く動かしました。
画像側より、ずいぶん短い文になります。
動画のプロンプトは、だいたい50語前後でした。画像側が平均131語だったので、半分以下ですね。
短くなる理由は、絵がもう出来ているからです。構図も衣装も静止画の側で決まっているので、動きだけ伝えれば足ります。
さっきと同じカットの動画側が、こちらです。
Live-action cinematic close shot, handheld sway and a fast push-in. The violet-horned performer rattles out a punchline into the microphone with sharp head snaps, shoulders bouncing, the jagged violet LED mouth flashing, violet light, haze, out-of-focus crowd. Photorealistic, costume and helmet stay consistent, no text, no captions, no cuts.「実写の寄りのカット、手持ちの揺れと速い寄り」で始まり、そのあとに人の動きをひとまとまりで書いています。
末尾の4点は、どの回もほぼ同じ文です。とくに衣装を変えない・カットを割らないの2つは、全部の回に入れていました。
3秒のクリップで場面が切り替わると、つないだときに使えなくなります。だから毎回ここを書いていました。
なお、画像1枚を動かす機能そのものは画像1枚を動かす手順とプリセットの選び方で別に解説しています。
動画側でいちばん意識したのが、ここでした。寄るのか、回り込むのか、真上から見るのか。動きの種類は1本に1つだけ決めて、手持ちの揺れだけはそこに足していました。
尺が3秒だと、動きを足しても見せ場は増えないからです。
24本の内訳を数えると、寄る動きを書いたのが14本でした。回り込むのが5本、真上からの俯瞰が3本、肩越しにゆっくり流したのが2本です。
寄る回のほとんどは「ゆっくり寄る」で、速く寄らせたのは1本だけ。手持ちの揺れを足したのは3本で、寄る回に2本、回り込む回に1本です。
俯瞰の3本は、どれも円の上を回す指示にしました。
Live-action overhead top-down shot slowly rotating, as if from a drone high above the circle. The performers move and gesture on the floor, the crowd sways around the edge, haze drifts across the light pools. Photorealistic, costumes stay consistent, no text, no captions, no cuts.訳すと「ドローンから見下ろしたような真上のショットで、ゆっくり回転」。そのあとは床の上の動きと光だけです。
この俯瞰のカットも、元は3Dの画面でした。下に3Dのコマと実写風のスチルを並べておきます。




寄る・回り込むといったカメラの言葉そのものは、カメラワークの用語を1つずつ整理した記事にまとめました。


プロンプトのほかに、画面で選んだ設定もそのまま出しておきます。ここは数字だけ見れば足ります。
まずは表から。
実写風のスチルを作ったときの設定が、こちらです。24枚とも同じ条件で通しました。
| 項目 | 実際の設定 |
|---|---|
| モデル | GPT Image 2.5 |
| 解像度 | 2k |
| 品質 | medium |
| 比率 | 16:9 |
| 書き出しサイズ | 2688×1520 |
| 枚数 | 24枚 |
| 参照画像 | 1〜6枚 |
表の24枚は、カットぶんの枚数です。このほかに、キャラの参照用のスチルを先に作っています。
解像度は2k、品質はmediumを選びました。あとで縮めて使う前提だったので、ここは上げていません。
参照画像の枚数だけは回によって違います。1枚のときもあれば、6枚積んだ回もありました。
GPT Image 2.5そのものの使い方は、FlareとSunburstの違いと設定の記事にまとめました。
続いて動画側です。こちらも24本すべて同じ条件で、長さだけが1本違います。
| 項目 | 実際の設定 |
|---|---|
| モデル | Kling 3.0 |
| モード | std |
| 音声 | なし |
| 比率 | 16:9 |
| 書き出しサイズ | 1280×720 |
| 長さ | 3秒×23本/5秒×1本 |
| 開始フレーム | 実写風のスチル1枚 |
5秒の1本は、いちばん最初に試した回です。流れが固まってからは、全部3秒で通しました。
モードの違いや料金の条件はモードと料金の条件の側にあります。ここでは選んだ値だけを置いておきますね。
時間の感覚も書いておきます。最初の1枚を投げてから、最後のクリップを投げるまでが約18分でした。
これは、履歴に残っている時刻どうしの差です。終わった時刻は記録されていないので、仕上がりまでの時間ではありません。
とはいえ、画像24枚と動画24本を順に投げて、18分のあいだに全部投げ終わっています。投げる作業そのものは、思ったより短く終わりました。
気になるのがクレジットだと思います。ただ、この記事では消費した数字を書いていません。理由は次の章に書きました。
モデルごとの消費の目安はクレジットの早見表にまとめてあるので、計算したい方はそちらをどうぞ。
同じ流れを自分の絵で試してみたい方は、Higgsfieldの公式サイトから触ってみてください。登録だけなら無料です。


良かったところばかり書いても仕方がないので、正直なところも残しておきます。
2つあります。
結論から言うと、この実写風のバージョンは公開していません。作ったのは50秒ぶんだけで、5分の曲の全部ではない段階で止まっています。
24本のクリップは、どれも3秒か5秒です。曲には長く見せたいカットもあって、そこは3秒の積み重ねでは埋まりませんでした。
音を付けていないので、動きと曲のタイミングは合いません。実写風になったぶん、合っていないところがかえって目につきます。
この作り方が向いているのは、作品をまるごと置き換えることではないと思いました。3Dで作った絵を、別の見た目で試してみるほうです。
同じ構図のまま質感だけ変えた絵を、まとめて作れます。方向性を決める前の判断には効きました。そこは素直に助かった部分です。
自分の作品に使う場合の権利まわりは、商用利用の権利と規約の決まりの側にまとめています。
もう1つ、書けなかったことがあります。この記事にはクレジットの消費量が出てきません。
あとから生成履歴の画面を開いて確かめたのですが、1件ごとに減ったクレジット数の表示は見当たりませんでした。
残高から逆算する手もありますが、同じ時期にほかの生成もしています。正確な数字にならないので、やめました。
公式の料金表から計算する方法も考えました。ただ、今回の3秒という長さは表の区切りと合わないので、掛け算して出した数字も書いていません。
見ていないページに書いてある可能性もあるので、「どこにも無い」とまでは言えません。履歴の画面では見当たらなかった、という話です。
目安が知りたい方はクレジットの早見表をどうぞ。モデルごとの消費量を1枚にまとめてあります。


ここまでで聞かれそうなところを、5つ集めました。
見られません。公開した動画には使っておらず、手元で止めた試作だからです。
この記事では、3Dのコマと実写風になったコマを並べた静止画だけを載せています。
元にする画像が1枚あれば、流れ自体は同じです。実写風にしてから動かす、という順番は変わりません。
画像1枚から動かす手順は画像1枚を動かす手順とプリセットの選び方にまとめました。
このときは、48本とも英語で書きました。長い指定が続くので、最後まで英語のまま通しています。
画面まわりが日本語で使えるかは日本語で使えるかをまとめた記事、書き方の型はプロンプト集にあります。
あとから生成履歴の画面を見ましたが、1件ごとに減ったクレジット数の表示は見当たりませんでした。
そのため、この記事には消費量の数字を入れていません。目安はクレジットの早見表をご覧ください。
今回は、先に1体ずつ実写風のスチルを作って、それを参照画像として積む形にしました。
キャラクターをそろえる方法そのものは同じキャラクターを出し続ける方法で詳しく扱っています。


ここまでの要点をまとめます。気になる章だけ戻れば十分です。
作ったもの:3Dで作った自作MVの画面を、実写風に置き換えた別バージョン。公開版には入っていない試作。
流れは3つ:Blenderからコマを書き出す、実写風の静止画にする、3秒のクリップにする。
画像の5パーツ:何を何にするか、変えさせないもの、誰が映るか、場所と空気、出てはいけないもの。
動画の4パーツ:どんなショットか、カメラの動きは1つ、人の動作と光、末尾の固定4点。
限界:3秒の積み重ねでは長いカットが埋まらず、音も合わない。試作の判断には効いた。
やったことを一言にすると、並びを固定したプロンプトの中身を入れ替えただけです。24回くり返しても、形はほとんど同じです。



3Dが作れないと無理な話かと思っていました



元の絵が1枚あれば流れは同じですよ。僕はたまたま3Dだっただけです
これから契約する方は、割引が出ていないか先に見ておくと損がありません。手順は割引を受け取る手順をまとめた記事にあります。
まずは手元の1枚を実写風にするところから試してみてください。登録だけなら無料です。
\ Higgsfield公式サイトへ・登録だけなら無料 /
URL:https://higgsfield.ai?fpr=yakiimo-df7ce0
ほかに気になることがあれば、次の記事もどうぞ。
本文のプロンプト・設定・枚数・時間は、26年10月に僕が実際に作ったときの記録です。記事の時点は26年11月。
英文のプロンプトは、そのとき投げた原文をそのまま載せています。載せた静止画は、縮小したほかは手を入れていません。
コメント
コメント一覧 (3件)
[…] GPT Image系で作ったスチルを、そのまま動画にした記録もあります。実際に作ったときのプロンプトと設定はこちらです。 […]
[…] 実際に作った作例をまとめた記事 […]
[…] 画像24枚と動画24本を実際に作ったときの設定もあります。選んだモデルと解像度の実値はこちらにまとめました。 […]