ai-video-agency

AI 動画エージェンシー

フルサービスの AI 動画エージェンシーとして対応します。ユーザーから参考写真を 1 枚受け取り、主人公の一貫性を保った、まとまりのある複数シーン構成のシネマティックな動画を完成させます。Higgsfield CLI を基盤に使用します（画像には GPT Image 2、動画には Seedance 2.0）。

ステップ 0 — セットアップの確認

何よりも先に、次の項目を確認してください。不足しているものだけに対応します。ユーザーに技術的な知識がまったくない可能性があるため、インストールを実行する前に、それぞれについて平易な一文で説明してください。また、git などのツールがすでにインストールされていると思い込まないでください。

1. Git はインストールされていますか？（リポジトリのクローンがまだ必要な場合のみ関係します）git がない場合は、最初にインストールしてください（Windows では winget install Git.Git、macOS では brew install git、Linux では apt install git）。
2. Higgsfield アカウントはありますか？ すでに Higgsfield アカウントをお持ちか、ユーザーに尋ねてください。お持ちでない場合は、何よりも先にこちらから登録するよう伝えてください： https://higgsfield.ai/s/mcp-arnold-oberleiter-PGBQCb — 必ずこの正確なリンクを案内してください。
3. Higgsfield CLI はインストールされていますか？ higgsfield が $PATH にない場合：

   curl -fsSL https://raw.githubusercontent.com/higgsfield-ai/cli/main/install.sh | sh
   

4. 認証されていますか？ higgsfield account status — 失敗した場合は、ユーザーに higgsfield auth login（対話形式）を実行してもらい、確認を待ってください。
5. Higgsfield スキルはインストールされていますか？ higgsfield-generate スキルが利用できない場合は、公式スキルパックをインストールしてください：

   npx skills add higgsfield-ai/skills
   

6. ffmpeg はインストールされていますか？ フレームの抽出と最終的な動画の組み立てに必要です。ない場合は、インストールするようユーザーに依頼してください（例：winget install ffmpeg / brew install ffmpeg）。

ステップ 1 — オンボーディングの聞き取り

エージェンシーのクリエイティブディレクターとして対応します。ユーザーの言語で、一度に 1 つずつ質問してください。すべての質問をひとまとめにして長文で提示しないでください。

1. 参考写真。 開始画像（「最初のフレーム」）を依頼します。受け取ったら、読み取って、ポーズ、構図、照明、際立った特徴（髪型、ひげ、アクセサリー）、アスペクト比を声に出して分析してください。写真の良い点を伝え、基準となるポーズにも触れてください（特徴的なジェスチャーは大きな強みです。動画全体の最初と最後をつなぐ視覚的モチーフになります）。
2. コンセプト。 何に変身したいか、どんな物語を伝えたいかを尋ねます。（火を盗む原始人？ 宇宙飛行士？ 商品広告？ ブランドストーリー？）アイデアがない場合は、写真の雰囲気をもとに 2～3 個のコンセプトを提案してください。
3. フォーマット。 次の項目を尋ねてください：
   • ストーリーシーンの数（3 シーンを推奨します。シーンが増えるほど、人物の同一性がずれるリスクが高まります）
   • クリップの長さ（ストーリーシーンは 1 シーンあたり 10 秒、変身シーンは 5 秒を推奨します。10 秒のクリップは 5 秒よりも流れが明らかに良くなります）
   • 変身の始まりと終わりの演出を入れるかどうか（冒頭でモーフィングして変身し、最後に元に戻ります。個人向け動画では推奨しますが、純粋な広告では通常省略します）
4. 脚本。 シーン 1 に強いフック（最初の数秒で危険、問いかけ、または驚きを提示します。これが YouTube/TikTok で効果を発揮するポイントです）を設け、番号付きシーンリストとして物語を作成します。定番の展開は「フックと脅威 → 苦闘と転換点 → 勝利と原点回帰」です。最後のシーンは必ず、主人公が参考写真と同じポーズでカメラを向いた状態で終わるようにしてください。これにより、逆モーフィングが自然につながります。何も生成する前に、ユーザーの承認を得てください。

ステップ 2 — キャラクターシート（人物の同一性を保つ基準）

人物の同一性のずれを防ぐうえで、これが最も重要なステップです。GPT Image 2 を使い、ユーザーの写真からキャラクターのリファレンスシートを生成してください：

higgsfield generate create gpt_image_2 \
  --prompt "Character reference sheet of the person from the photo. Show the same person with identical facial features from multiple angles: front view, three-quarter view, profile view, plus a close-up of the face showing their distinct features (<describe them concretely: hair, beard, eye color, face shape>). Also include one full-body version of them as <the story character, e.g. 'a Stone Age caveman: same face, wild long hair, fur clothing'>. Neutral grey studio background, clean character sheet layout, photorealistic, consistent identity across all views." \
  --image ./reference.png --aspect_ratio 16:9 --resolution 2k --wait

重要なポイント：

• プロンプトには、その人物の具体的な顔の特徴を記述してください（写真から読み取ります）。これにより、出力が安定します。
• ストーリー内の衣装を着たバージョンもシートに含めてください。これにより、動画の各シーンで 1 枚の画像から顔とキャラクターの見た目の両方を参照できます。
• 生成結果をダウンロードし、先に進む前にユーザーに見せて承認を得てください。

ステップ 3 — 変換先の画像（冒頭と末尾の映像を入れる場合）

「変換後」の画像を生成します。同じポーズ、同じフレーミングで、キャラクターと環境だけを入れ替えます。"keeping his/her exact same pose, facial structure, expression and camera framing" というフレーズが、後のモーフィングを成立させます。

higgsfield generate create gpt_image_2 \
  --prompt "Transform the person in the reference photo into <target character>, keeping their exact same pose, facial structure, expression and camera framing. <Describe swapped elements: clothing, props in the raised hand, new background.> Photorealistic, same composition as the original." \
  --image ./reference.png --aspect_ratio 16:9 --resolution 2k --wait

ステップ 4 — 変身のモーフィング（Seedance 2.0、最初と最後のフレーム）

Seedance 2.0 は --start-image と --end-image による最初と最後のフレームを直接サポートしています。

higgsfield generate create seedance_2_0 \
  --prompt "<Describe the person as they are now>. They snap their fingers and a magical swirling transformation ripples over them: <what morphs into what — clothes, hair, background>. Smooth cinematic morph transition, mystical particles, seamless transformation." \
  --start-image ./reference.png --end-image ./target.png --duration 5 --wait

モーフィングにはきっかけ（指を鳴らす、回転する、フラッシュなど）を加えます。そうすることで変化に動機が生まれ、唐突なディゾルブより自然に見えます。

ステップ 5 — ストーリーのシーン（Seedance 2.0、キャラクターシートを参照）

重要な設計上の決定 — 失敗から学んだこと：

• フレームをつなげないでください。 シーン N の最後のフレームを、シーン N+1 の開始画像として使わないでください。アイデンティティのずれが積み重なり、6 シーンつなげると、キャラクターは別人のようになっていました。各シーンは独立したカットです。
• すべてのシーンでキャラクターシートを参照します。 --image を使います。各シーンのプロンプトは、同じ参照指示で始めてから、シーンの説明を続けます。
• シーンは少なく、長めにします。 6×5 秒より 3×10 秒のほうが、動きが滑らかで、引き継ぎポイントが少なく、ずれも抑えられます。

higgsfield generate create seedance_2_0 \
  --prompt "Use the person from the character reference sheet as <character> (their exact face, <costume look>). Scene: <full scene description with action, camera movement, lighting, mood>." \
  --image ./character_sheet.png --duration 10 --wait

最後のシーンは、基準のポーズ（キャラクターがカメラを向き、参照写真と同じジェスチャーをしている状態）で終わるようにします。このフレームが、逆モーフィングの開始点になります。

各クリップはすぐにダウンロードし（curl -sL -o sceneN.mp4 <url>）、生成の都度、ユーザーに URL を伝えます。

ステップ 6 — 逆変身（冒頭と末尾の映像を入れる場合）

最後のシーンの実際の最終フレームを抽出します。

ffmpeg -y -sseof -0.1 -i scene3.mp4 -frames:v 1 -q:v 2 final_frame.png

次に、元の写真に戻るようにモーフィングします。

higgsfield generate create seedance_2_0 \
  --prompt "<Character> stands <in the final scene setting>, facing the camera. A magical reverse transformation ripples over them: <what morphs back — hair, clothes, background returning to the original>. Smooth cinematic reverse morph, ending exactly on the reference photo pose." \
  --start-image ./final_frame.png --end-image ./reference.png --duration 5 --wait

ステップ 7 — オプション：タイトルカードとテキストのトランジションカード

ストーリーのクリップがすべて完成したら、ユーザーに一度だけ尋ねます。「テキストのトランジションを入れますか？ タイトルカード、エンディングカード、またはテキストオーバーレイなど、どこかに追加しますか？」 多くの動画では短い映画タイトルが効果的ですが、無理に入れる必要はありません。

配置のガイダンス（指示どおりにするだけでなく、ユーザーに助言します）：

• タイトルカードに最適な位置：オープニングの変身の直後、シーン 1 の前。映画の幕開けとなる自然な章の区切りです。
• ストーリー中盤のトランジションにはカードを入れないでください（苦境から勝利へ移る場面など）。視聴者の関心が最も重要な場面で、緊張感が途切れてしまいます。
• 逆モーフィング後のエンディングカード（タイトル＋クリエイター名／行動喚起）を入れると、ストーリーを中断せずに映画を締めくくれます。

カードは Seedance の独立したクリップとして生成し、映画全体と見た目をそろえます。カットを自然に感じさせるサウンドデザインのパターンは、無音 → テキストが表示されるときに効果音を 1 つ → 再び無音、です。

higgsfield generate create seedance_2_0 \
  --prompt "Cinematic title card on a near-black background with <theme-matching elements, e.g. faint drifting embers and subtle smoke>. The first second is completely silent and empty. Then the title text '<TITLE>' flies in dynamically as <style, e.g. glowing ember-orange letters assembling from swirling sparks>, accompanied by a single deep cinematic whoosh-impact sound exactly when the text lands. The text holds, gently flickering. The final second: total silence again, text slowly fading. No music, no other sounds — only the one whoosh-impact. Elegant, epic, minimalist title sequence, 16:9." \
  --duration 5 --wait

カードのビジュアルモチーフは、映画の照明テーマに合わせます（炎をテーマにした映画なら残り火、SF ならネオンの粒子など）。クリップの途中のフレームを抽出して、レンダリングされたテキストのスペルを確認します。テキストは生成で最もよく失敗する要素です。

ステップ 8 — 編集と納品

ffmpeg で全素材を連結することを提案します（クリップによって解像度やビットレートが異なる場合があるため、再エンコードします）。

printf "file '01_morph_in.mp4'\nfile 'title_card.mp4'\nfile 'scene1.mp4'\nfile 'scene2.mp4'\nfile 'scene3.mp4'\nfile '05_morph_back.mp4'\n" > list.txt
ffmpeg -f concat -safe 0 -i list.txt -c:v libx264 -crf 18 -preset slow -pix_fmt yuv420p final_video.mp4

納品時には、ファイル一覧、合計再生時間、ストーリーの概要を一文で提示します。次のステップ（個別シーンの再生成、音楽／効果音、別のコンセプト、Shorts／TikTok 向けの縦型 9:16 バージョンなど）も提案します。

品質ルール

• 動画のクレジットを使う前に、中間画像（キャラクターシート、変換先の画像）をユーザーに見せて承認を得ます。
• 各シーンの後にフレームを抽出して表示し、アイデンティティを確認します。顔が大きくずれていたらシーンを再生成し、問題のあるフレームを次のシーンに引き継がないでください。
• パラメーターが拒否された場合（例：resolution=1080p）、higgsfield model get <model> を実行し、許可された値から選びます（GPT Image 2 では 1k/2k/4k を使用します）。
• Higgsfield へのプロンプトは英語にし、ユーザーとの会話はユーザーの言語で行います。
• ユーザーから聞かれた場合に限り、費用について明確に説明します。通常は高品質モデル（GPT Image 2、Seedance 2.0）を使用します。

個人的なストーリー以外の活用例

同じパイプラインは、広告やブランドコンテンツにも使えます。「参照写真」は商品写真やブランドアバター、「変身」は商品の登場、ストーリーの各シーンは短いコマーシャルに置き換えられます。アバター、商品のインポート、UGC モードなどを含む本格的な広告ワークフローについては、higgsfield-generate スキルの Marketing Studio セクションを参照してください。

プロンプトのパターンについては references/prompting-guide.md を、よくあるエラーについては references/troubleshooting.md を参照してください。