Ich gebe dir 7 kostenlose Skills und die exakte Pipeline, die Regisseure nutzen, um KI-Filme mit Millionenbudget bei higgsfield zu produzieren... das gesamte System Schritt für Schritt offengelegt, mit dem Skill, der jede Stufe betreibt – bereit zur sofortigen Installation.
Seedance 2.5 in 1080p (nur auf higgsfield) bedeutet jetzt, dass du komplette 30-Sekunden-Werbespots/Creatives/Trailer in einem Durchgang erstellen kannst, ohne Hochskalierung... das ist großartig.
Hier ist, was drin steckt:
- Die einzige Plattform, über die der gesamte Workflow läuft – und warum
- Das eine Problem, an dem jeder KI-Film stirbt
- Die 11 Stufen und die zwei Tore, die sie zusammenhalten
- Jede Stufe aufgeschlüsselt, die automatisierbaren enden mit dem Skill, der sie betreibt
- Was menschlich bleibt und warum
- Der gesamte Playbook-Block
Um Zugang zu allen Skills zu erhalten, tritt hier bei: https://t.me/tgmachina Ich werde sie in Kürze posten.
Und wenn du tiefer einsteigen willst, wie du KI-Video in echte Einnahmen verwandelst, findest du das Training und die wöchentlichen Systeme dafür in der Echtzeit-KI-Ops-Community unter weeklyaiops.com.
Die Engine: Seedance 2.5 in 1080p und das CLI
Alles in diesem Artikel läuft über eine Plattform: higgsfield.
Zwei Gründe, und beide sind struktureller Natur: Die gesamte Oberfläche ist für agentischen Einsatz gebaut, sodass dein Agent jede Generierung Ende-zu-Ende steuern kann, und Seedance 2.5 in 1080p läuft nur auf higgsfield.
Der gesamte Workflow läuft bewusst auf einem einzigen Videomodell.
Ein Modell bedeutet eine Prompt-Grammatik, eine Reihe von Eigenheiten, ein einheitliches Konsistenzverhalten, das es zu lernen gilt... die Bildmodelle erstellen nur die Referenzblätter, die es füttern.
Dieses Videomodell ist heute Seedance 2.5.
Es erstellt in einem Durchgang einen 30-Sekunden-Clip mit synchronisierten Dialogen und Soundeffekten im selben Durchlauf, und es hat ein Referenzbudget, das groß genug ist, um deine Besetzung, deinen Drehort, ein wichtiges Requisit, eine Kamerabewegung, eine Stimme und die Atmosphäre in einer einzigen Generierung unterzubringen.
Die Iterationsregel der Pipeline gibt einem fehlschlagenden Shot 10 bis 15 Versuche, bevor du die Schuld auf die Formulierung schieben darfst.
Das CLI ist die agentische Tür:
- npm install -g @higgsfield/cli
- higgsfield auth login
- npx skills add higgsfield-ai/skills
Drei Befehle und jedes Modell wird von Claude Code oder jeder anderen Umgebung, die du betreibst, aufrufbar, was bedeutet, dass ein Agent die gesamte Pipeline halten kann... was generiert wird, in welcher Reihenfolge, mit welchem Modell, während du Regie führst.
Und wenn 2.5 im nächsten Quartal ersetzt wird, ändert sich unten nichts... betrachte die Modelltabelle als eine Momentaufnahme, denn die Stufen und die Tore sind der Teil, den du behältst.
Hier ist ein kurzes Beispiel, was du mit dieser Pipeline produzieren könntest:
Der Schauspieler erinnert sich nicht, wie er gestern aussah
Dieser Satz ist der einzige Grund, warum diese Pipeline existiert.
Ein Videomodell hat kein Gedächtnis zwischen den Generierungen. Wenn also das Aussehen einer Figur nicht in jedem einzelnen Prompt erschöpfend beschrieben wird, bekommt benachbarte Shots ein anderes Gesicht, eine andere Jacke, ein anderes Alter.
Bei einem 10-Sekunden-Clip fällt das niemandem auf... über 90 Minuten tötet es den Film, weil das Publikum einen Kontinuitätsbruch schneller erkennt als jeden anderen Fehler.
Das Modell hat kein Gedächtnis, also ist die Pipeline das Gedächtnis.
Die Hälfte der Stufen, die du gleich sehen wirst, existiert nur, um Dinge im Namen des Modells zu merken... was der Held trägt, wie weit die Tür vom Fenster entfernt ist, welche Palette die Szene beherrscht.
Und das Gedächtnis läuft nach vier Regeln, die du niemals brichst:
- Generiere nichts für den Film, bis jedes Asset festgelegt ist.
- Ein Asset bekommt einen genehmigten Pass, der wortwörtlich in jeden Prompt kopiert wird, der es verwendet.
- Bearbeitungen sind chirurgisch: Ändere eine Zeile, behalte alles andere Wort für Wort.
- Alles wird versioniert und protokolliert, denn ein nicht protokollierter guter Shot ist ein Shot, den du nicht reproduzieren kannst.
Brichst du die erste Regel, musst du die Hälfte deines Materials neu erstellen, sobald der Look abdriftet.
Der Rest dieses Artikels sind diese vier Regeln, die zu einem funktionierenden Studio ausgeweitet wurden.
Die 11 Stufen
Klassische Vorproduktion ist Casting, Location-Scouting und eine Requisitenwerkstatt.
Hier läuft es umgekehrt: Du erstellst stattdessen digitale Referenzen, und je enger du die frühen Stufen abschließt, desto günstiger wird jede Generierung danach.
- Aufschlüsselung: Das Drehbuch wird zu Szenen und Shot-Karten
- Referenzen: Bilder werden als Spezifikation gesammelt, pro Asset und pro Stil
- Der visuelle Bibel-Lock: Jedes Board bekommt eine schriftliche Entscheidung
- Asset-Blätter: Charaktere, Orte und Requisiten bekommen Pässe
- Die Bibliothek: Pässe werden getestet, dann in einem Register gesperrt
- Generierung: Shots werden aus Karten und Pässen produziert
- Schnitt: Der Zusammenbau läuft parallel zur Generierung
- Bereinigung: Artefakte werden Shot für Shot behoben
- Farbe: Ein externer Colorist vereinheitlicht und gradet
- Sound: Ein externes Postproduktionsteam reinigt und mixt
- Master: Festival- und Plattform-Lieferungen plus das Archiv
Die Stufen laufen auf Szenenebene sequenziell, mit einer Ausnahme: Während Szene N generiert wird, montiert der Editor bereits Szene N-1 und das Regieteam erstellt die Shotliste für N+1.
Diese Überlappung existiert, weil ein Nachdreh hier Minuten kostet, nicht einen Drehtag.
Der Editor sieht sich einen Zusammenschnitt an, bestellt eine fehlende Einstellung und hat sie am selben Nachmittag... was bedeutet, dass der Schnitt aufhört, Postproduktion zu sein, und aktiv mitgestaltet, was produziert wird.
Aber nichts davon beginnt, bis die Tore es sagen.
Eine Stufe wird durch eine schriftliche Checkliste verlassen, und das härteste Tor steht vor der Generierung: Jeder Charakter, jede Variante, jeder Ort und jedes Requisit in einer Szene benötigt einen Registereintrag, der als "gesperrt" markiert ist, bevor ein einziger Filmframe gerendert wird.
Die teuerste Regel in der Pipeline und die lohnendste.
Jetzt die Stufen selbst.
Jede unten endet mit dem Skill, den ich gebaut habe, um sie zu betreiben, und alle 7 warten im Telegram.
Stufe 1: Die Aufschlüsselung
Bevor jemand einen Prompt schreibt, wird das Drehbuch zu Shot-Karten.
Jeder Shot bekommt eine Karte mit 22 Feldern in drei Spuren:
- Identität: Szenen- und Shot-ID, Ort, Tageszeit, Charaktere mit ihren Asset-Tags und Zustandsvarianten, Requisiten, Beschreibung, der Dialog wörtlich, Laufzeit, Komplexität
- Regie: Das Ziel des Shots, die Aufgabe als Verb, Dramaturgie, Blocking, Schauspiel, Stilmittel
- Kamera und Schnitt: Größe, Bewegung, Objektiv, Winkel, Schnittart, Tempo, Übergang
22 Felder klingen nach Bürokratie, bis du siehst, was sie dir bringen: Der Prompt schreibt sich später fast mechanisch selbst, weil die Spaltengruppen eins zu eins auf Prompt-Blöcke abbilden.
Zwei Regeln begleiten dies.
Jeder Clip trägt eine Aktion, niemals eine Abfolge davon.
Und jeder Text, der im Frame erscheinen muss... ein Schild, ein Telefonbildschirm, ein Titel... verlässt die Generierung vollständig und geht auf eine eigene Aufgabenliste, weil Videomodelle Text schlecht schreiben und Titel in den Schnitt gehören.
Der Skill: /film-breakdown nimmt ein Drehbuch, eine Behandlung oder eine einabsätzige Idee und geht sie Szene für Szene durch, eine Frage nach der anderen, und schreibt dabei die Szenentabelle und eine Shot-Karten-Datei pro Szene.
Jeder Shot verlässt die Stufe mit allen 22 ausgefüllten Feldern, und jeder Text im Frame ist bereits auf seine eigene Aufgabenliste gesetzt, bevor du jemals einen Prompt erstellst.
Aber eine perfekte Karte beschreibt immer noch einen Mann, den keine zwei Modelle gleich zeichnen werden... dieses Problem hat seine eigenen zwei Stufen.
Stufen 2 und 3: Referenzen und der Lock
Eine Referenz ist hier eine Spezifikation.
"Ein müder Vater in einer abgenutzten Jacke" ergibt in jedem Modell und jedem Kopf einen anderen Mann.
Ein tatsächliches Bild von ihm klärt die Frage, weshalb die Regel nur in eine Richtung läuft: Finde zuerst das existierende Bild, dann beschreibe es... stelle dir niemals eine Beschreibung vor und suche nach Beweisen.
Die Arbeitszahlen: 10 bis 20 Bilder für eine Hauptfigur, 8 bis 15 pro Schlüsselort, 3 bis 5 pro Requisite, plus separate Boards für Licht, Farbe, Optik, Kamerabewegung, Textur, Schnitttempo und Sound.
Diese Bereiche stammen aus laufenden Produktionen, nicht aus Schätzungen, weshalb ich sie nicht runde.
Jedes Bild bekommt eine Bildunterschrift, die genau benennt, was daraus übernommen wird.
Ein Bild, das dir einfach gefällt, ohne Bildunterschrift, ist eine Woche später Müll.
Und die Bilder, die mit "so... nicht erlaubt" markiert sind, werden zur Verbotsliste, die dir mehr Generierungen erspart als die Referenzen.
Der schnellste Weg, die Style-Boards zu füllen, ist, aus echtem Kino zu extrahieren, anstatt sich etwas vorzustellen: Füttere Standbilder aus Filmen, die bereits dein Gefühl tragen, an ein Vision-Modell, lass es das Objektiv, die Lichtrichtung, die Palette, das Korn benennen und sperre die Ausgabe als einen Absatz, der in jeden Prompt des Projekts eingefügt wird.
Dann kommt der Lock, und der Lock wird geschrieben.
Jedes Board endet mit einer festgelegten Entscheidung... genehmigt, überarbeiten oder abgelehnt... die auf dem Board selbst festgehalten wird.
Ein Stil, der mündlich genehmigt wurde, bedeutet, dass der Regisseur und der Prompt-Ingenieur zwei verschiedene Filme im Kopf haben, und das finden sie einen Monat später heraus.
Der Skill: /reference-board führt das Interview Board für Board durch... du lieferst die Referenzen, es erzwingt eine Bildunterschrift für jedes Bild, legt jede Anti-Referenz in der Verbotsliste ab und schließt jedes Board mit der schriftlichen Entscheidung: genehmigt, überarbeiten oder abgelehnt.
Nichts wird als gesperrt bezeichnet, ohne diese Entscheidung auf dem Board.
Stufe 4: Der Pass
Hier wird Konsistenz hergestellt.
Beobachte, was mit einem Charakter passiert: Er bekommt einen erschöpfenden Textdeskriptor und ein Blatt mit Referenzbildern, die auf einem neutralen grauen Hintergrund generiert wurden... vorne, Dreiviertel, Profil, hinten, Nahporträt.
Dieses Paar, Deskriptor plus Referenzen, reist in jeden Prompt, in dem er vorkommt, Wort für Wort, Datei für Datei.
Das ist sein Pass, und eine Produktion hat einen pro Charakter, Ort und Requisite.
Nasse Kleidung ist ein anderer Pass.
Das gilt auch für Blut... @cal, @cal_wet und @cal_blood sind drei separate Assets mit drei separaten Tags, weil eine inline beschriebene Variante eine Variante ist, die das Modell vergisst.
Zwei Details sorgen dafür, dass Pässe halten:
- Der Deskriptor wird niemals gekürzt, denn "aus Gründen der Kürze getrimmt" ist genau der Punkt, an dem Konsistenz stirbt.
- Der Pass eines Ortes trägt die Palette und den Lichtcharakter der Szene in sich, sodass jeder Shot an diesem Ort bereits vorgegradet ankommt.
Und die Referenzbilder selbst werden zuerst von Hand in einem Bildmodell erstellt, bevor irgendein Video-Prompt existiert.
Sperre sie und generiere sie niemals neu... wenn die Bewegung später falsch aussieht, korrigierst du den Bewegungs-Prompt, denn ein neues Bild macht jede Konsistenzarbeit zunichte, die auf dem alten aufgebaut wurde.
Jeder Pass landet als Zeile in einem einzigen lebenden Register: Tag, Typ, Version, Seed-Datei, Szenen, Status.
Ein Pass ist zu diesem Zeitpunkt noch ein Entwurf, denn ein Pass, der auf einem einzigen glücklichen Bild basiert, ist ein falscher Sieg.
Der Skill: /asset-passport baut ein Asset nach dem anderen auf... er befragt dich, bis der Deskriptor keine Lücken mehr hat, schreibt die Prompts für das graue Hintergrund-Referenzblatt für dein Bildmodell, teilt jede Zustandsvariante in ihr eigenes getaggtes Asset auf und legt die Registerzeile als Entwurf ab.
Stufe 5: Der Stresstest
Bevor ein Asset vertrauenswürdig ist, generiert es unter Kampfbedingungen: verschiedene Winkel und Bildgrößen, die Beleuchtung seiner tatsächlichen Szenen und stehend neben jedem Asset, mit dem es einen Frame teilen wird... denn ein Charakter, der alleine gut funktioniert, bricht oft in dem Moment, in dem er einen Frame teilt.
Die Tests sind günstige statische Bilder, die ausgeführt werden, bevor eine einzige teure Videogenerierung stattfindet.
Charaktere müssen eine 10 von 10 Wiederholbarkeit erreichen.
Das ist korrekt.
Alles darunter hält die Registerzeile im Entwurfsstatus, und die Szene, die es blockiert, wartet entweder oder wechselt bewusst zum nächsten Produktionsblock.
Die Generierung für eine Szene beginnt, wenn jede Zeile, die sie berührt, "gesperrt" sagt, und keine Stunde früher.
Der Skill: /stress-test liest dein Register und deine Aufschlüsselung, baut die Kampfmatrix auf... Winkel, Bildgrößen, das echte Szenenlicht, eine Zweier-Einstellung neben jedem Co-Star... gibt dir die Test-Prompts und schaltet die Zeile nur bei einem vollständigen Bestehen auf "gesperrt".
Kein vollständiges Bestehen, kein Lock, und die Szene bleibt geschlossen.
Mit grünem Register beginnt die Produktion endlich mit dem Rendern... und jeder Shot davon stammt aus denselben fünfzehn Blöcken.
Stufe 6: Der Prompt
Jeder Shot-Prompt besteht aus denselben 15 Blöcken in derselben festen Reihenfolge.
Kein negativer Prompt irgendwo... jedes Verbot wird umformuliert als das, WAS im Frame ist.
Darauf läuft die Generierungsstufe, denn sobald die Blöcke gesperrt sind, ist das Rendern selbst mechanisch.
Die Blöcke, die es wert sind, für sich genommen zu stehlen:
- Der Opener gibt "EXACT N CHARACTERS - NO DUPLICATES" an, weil das Modell Personen hinzufügt, sobald du die Zählung offen lässt.
- Die Ortskarte gibt Entfernungen in Metern an und benennt die Linie, die die Kamera niemals überschreitet.
- Ein Objektiv pro Shot, und das Sichtfeld ändert sich nur bei einem harten Schnitt.
- Die Aktion landet in getakteten Beats von 0,3 bis 0,8 Sekunden.
- Physik bleibt bestehen: Schaden heilt nie mitten in der Szene, Trümmer bleiben dort, wo sie gefallen sind.
- Licht ist niemals flach und frontal, es kommt geformt aus den eigenen Quellen des Ortes.
- Der Style-Block schließt mit einer 60:30:10-Farblinie: der dominante Farbton, der sekundäre und der Anteil des Akzents am Frame.
Für einen 30-Sekunden-One-Shot teilt sich der Prompt in vier getaktete Beats auf... 0-6 setzt die Szene, 6-14 baut auf, 14-24 wendet, 24-30 löst auf... mit den vollständigen Details, die pro Beat geschrieben werden, inklusive Zeitstempel.
Referenzen erhalten dieselbe Disziplin: Jedes angehängte Bild, jeder Clip oder jede Audiodatei gibt an, was es steuert und was es nicht berühren darf.
"@video 1 definiert Bewegung und Tempo" ist die eine Hälfte der Rolle... die andere Hälfte ist "nimm keine Identität, Kleidung oder Szene daraus", und diese zweite Zeile verhindert, dass eine Referenz in einen Shot eindringt, den sie nie formen sollte.
Bewegung bekommt ihre eigene Grammatik: Jeder Prompt benennt die Kamerabewegung und paart sie mit einem Ereignis, das während des Clips stattfindet.
Dann sagt er direkt: keine eingefrorenen Figuren.
Ein Dolly an einer stehenden Figur vorbei ist ein Standbild, das sich bewegt.
Derselbe Dolly, während das Segel losreißt, ist ein Film.
Dann die Iterationsregel.
Eine Bearbeitung ändert eine Zeile und behält alles andere wörtlich bei, jeder Versuch wird mit der Änderung und dem Urteil protokolliert, und ein Shot, der bis zum 15. Versuch nicht gelandet ist, braucht keine besseren Worte... er braucht einen einfacheren Shot: Teile ihn in zwei, entferne eine Aktion, ändere den Winkel.
Ein fertiger Take wird per Checkliste akzeptiert... stimmt mit den Referenzen überein, keine Artefakte, Kamera wie bestellt, Lippen-Synchronisation hält, passt zu den Nachbarn... und nur akzeptierte Takes bekommen endgültige Namen im Selects-Ordner.
Diese Akzeptanz ist das letzte Ja, das ein Shot jemals braucht, denn der Editor berührt niemals Rohgenerierungen.
Der Skill: /shot-prompt nimmt eine Shot-Karte plus die gesperrten Pässe von allem im Frame, und er weigert sich, einen generierungsbereiten Prompt zu schreiben, solange eines dieser Assets noch im Entwurfsstatus ist.
Dann schreibt er die 15 Blöcke mit jedem Deskriptor wörtlich eingefügt und führt das Generierungsprotokoll mit dir... eine Zeile geändert pro Versuch, vereinfache den Shot bei 15.
Das Studio ist ein Dateibaum
Es gibt kein Produktionsbüro in dieser Pipeline.
Es gibt ein Verzeichnis.
- assets enthält die Pässe: Charaktere, Orte, Requisiten
- prompts enthält die Shot-Karten und jede Prompt-Version
- generations enthält Rohversuche, und niemand außer dem Prompt-Ingenieur geht hinein
- selects enthält nur akzeptierte Takes, und es ist der einzige Ordner, den der Schnitt sehen darf
- edit, color, sound und master enthalten die Fertigstellungskette
- docs enthält die Aufschlüsselung, die Bibel, das Register und das Generierungsprotokoll
Noch ein Gesetz: Eine Referenzdatei wird niemals umbenannt.
Eine neue Version ist eine neue Datei, denn das Umbenennen bricht jeden Prompt, der auf die alte verweist.
Der Skill: /studio-init stellt eine Frage, den Projektnamen, erstellt dann den gesamten Baum, legt die Aufschlüsselung, die Bibel, das Register und das Generierungsprotokoll als fertige Vorlagen an und schreibt die drei Ordnerregeln in das Projekt, sodass jeder Agent, der es berührt, sie erbt.
Und der siebte Skill ist die Eingangstür: /setup fragt, mit welchen Bild- und Videomodellen du arbeitest, wie du auf jedes zugreifst, und geht nie von einem Stack aus... es schreibt die gemeinsame Konfiguration in dein Projekt, sodass jeder andere Skill dasselbe Setup liest, und übergibt dir dann die Kette in der richtigen Reihenfolge: setup, studio-init, film-breakdown, reference-board, asset-passport, stress-test, shot-prompt.
Alle 7 sind im Telegram: https://t.me/tgmachina
Stufen 7 bis 11: Was menschlich bleibt
Schnitt, Bereinigung, Farbe, Sound und Master sind die fünf Stufen, die kein Skill betreibt.
Die Pipeline generiert Bild und Rohaudio, und sie hört dort bewusst auf.
Die Fertigstellung ist menschliche Arbeit.
Der Schnitt trimmt die erste und letzte halbe Sekunde von fast jeder Generierung, weil Clips an ihren Rändern abdriften.
Und er schneidet härter, als es sich natürlich anfühlt, weil generierte Shots zu langsamen Einstiegen neigen... die stehende Anweisung ist, aggressiver zu schneiden, als du denkst, dass du solltest.
Generierter Sound ist ein Gerüst: Die lippensynchronen Zeilen setzen das Timing, dann reinigt ein Sound-Post-Team dieselbe Stimme, anstatt sie neu aufzunehmen, baut die Effekte neu auf und mixt auf Plattform-Lautstärke.
Farbe geht an einen Coloristen, dessen erste Aufgabe es ist, benachbarte Shots zu vereinheitlichen, da der Pass jedes Ortes bereits eine eingebaute Gradierung zur Verfeinerung geliefert hat.
Und die Master werden wie bei jedem Studio ausgeliefert: ein DCP, das standardmäßige Kinolieferpaket, für Festivals, eine ProRes-Datei, das hochwertige Archivformat, für das Archiv, plus Plattform-Encodes und Untertitel.
Das Archiv bewahrt mehr als den fertigen Film.
Es bewahrt die Produktionsmittel... jeden endgültigen Prompt, das Generierungsprotokoll, das Register, die gesperrten Pässe... denn die Fortsetzung beginnt mit allem, was die letzte Produktion gelernt hat.
Der Playbook-Block
Die gesamte Pipeline, komprimiert auf den Block, den es wert ist, gespeichert zu werden:
- Sperre die visuelle Bibel schriftlich, bevor irgendetwas für den Film generiert wird.
- Ein Asset, ein Pass: erschöpfender Deskriptor plus Grauhintergrund-Referenzen, für immer wörtlich kopiert.
- Teste jeden Pass auf 10/10 im Szenenlicht und in Zweier-Einstellungen, bevor seine Szenen geöffnet werden.
- Schreibe jeden Prompt als dieselben 15 Blöcke, vier getaktete Beats für einen 30-Sekunden-Shot.
- Ändere eine Zeile pro Versuch, protokolliere jede Generierung, vereinfache den Shot bei Versuch 15.
- Akzeptiere Takes per Checkliste in selects: Der Schnitt sieht nichts anderes.
- Trimme die Ränder, schneide aggressiv, sperre das Bild, übergib Farbe und Sound an Menschen.
Überspringe die Locks, und die Hälfte deines Materials wird zweimal erstellt.
Modelle werden unter diesem System ausgetauscht werden... die Methode selbst erwartet, dass ihre Modelltabelle in Monaten altert.
Die Abfolge und die Tore sind der Teil, der nicht altert.
Vielen Dank an higgsfield für das Sponsoring dieses Artikels.
Die 7 Skills erscheinen in Kürze in meinem Telegram: https://t.me/tgmachina
