Higgsfieldの10分AI動画、ポスプロのどの工程が要らなくなる？

Higgsfieldが、AIで作る動画の長さを約1分から10分超に延ばしたと10月中旬に報じられました。公表された仕組みから読む限り、ポスプロの工程で軽くなりそうなのはカットをまたいで見た目をそろえる作業で、構成を決める編集や納品前の仕上げは人の手に残ります。

「10分いけるなら、うちの解説動画も丸ごとAIで」と言われたら、どこまで任せる前提で工程を組みますか？ 1分のAI動画なら素材の1カットとして扱えましたが、10分はYouTubeの解説動画1本ぶんの尺です。工程表の組み方そのものに関わってきます。

Higgsfieldの10分AI動画で、公表されたこと

Higgsfield AI：AIネイティブのクリエイティブスイート

Higgsfield AIでテキストプロンプトやリファレンスから画像・動画・音声コンテンツを生成しましょう。メディアの編集やアップスケール、AIエージェントで制作ワークフローを自動化し、ウェブとモバイルでコンテンツを生成できます。

higgsfield.ai

Higgsfieldは、テキストや参照画像から画像・動画・音声を作るAIツールをまとめて提供している会社です。今回の話はOpenAIのサイトで事例として紹介されたもので、OpenAIのモデル GPT-6 Astra を使い、作れる動画の長さを約1分から10分超に延ばしたという内容です。

1分から10分超へ、GPT-6 Astraで延びた長さ

Higgsfieldは自社のYouTubeチャンネル（登録者は50万人近く）で、10分を超える解説動画をこのAIの手順で作っていて、以前はかなりの手作業が要っていたとされています（OpenAIの事例記事）。見本がドラマやCMでなく解説動画だという点は、工程を読むうえで押さえておきたいところです。

GPT-6 Astraは、長い動画の制作を進めるエージェントに使われています。同じ記事にはGPT-Image-2.5とCodexの名前も出てきますが、こちらは動画とは別の話です。GPT-Image-2.5は小さな会社の販促画像に文字やインフォグラフィックを正確に入れられるモデルとして、Codexはクリエイターがアイデアをソフトウェアの試作にする道具として紹介されています。

一貫性の対策は、エージェントが3Dツールを呼ぶこと

CEOで共同創業者のAlex Mashrabov（アレックス・マシュラボフ）さんは、長いクリップで難しいのは一貫性だと話しています。公表された仕組みは、制作を進めるエージェントが3Dモデリングのような手のかかる作業を外部のツールに任せられるようになった、というものです。これが長い動画で一貫性を保つ助けになる、とMashrabovさんは話しています。

現場的には、ここがいちばん効く話なんですよ。AI動画は1カットごとに顔や服、部屋の配置が少しずつ変わるので、10分ぶんつなぐと別人や別の部屋が混ざります。細かい流れは公表されていませんが、3Dで形を一度決めてそこから絵を起こしているのだとすれば、カットが変わっても同じものが映るという理屈だと自分は読んでいます。

10分AI動画で、まだ公表されていないこと

一方で、制作側が一番知りたい部分はまだ出ていません。

• 呼び出している3Dツールの名前
• 10分の動画の品質を、第三者が確かめた結果
• 10分超の機能の料金
• 声で映像を作る機能がいつ出るのか

ここから先の工程の話は、公表された仕組みから自分が読んだ見立てです。数字の裏付けがある話ではないので、その前提で読んでください。

ポスプロの工程に当てはめると、どこが変わる？

制作の流れに沿って並べると、こうなります。右端の列は自分の推測です。

本番の前に、簡単な3Dや動く絵コンテでカット割りとカメラの動きを確かめる作業を、プリビズと呼びます。3Dでカットを組むことも多い工程なので、エージェントが3Dの作業を外部ツールに任せるという発表の仕組みに、いちばん近いのはこの工程だと自分は見ています。

制作エージェントが同じ段取りを自分で回すなら、絵コンテから動く叩き台までの距離は縮まります。打ち合わせで「こういう感じです」と動く映像を見せるまでが早くなる、という効き方です。

プリビズは外に出していますか、それとも社内で組んでいますか？ 外注しているなら、頼み方から変わってくる話です。

AI動画の一貫性、3Dで保つのはアセット管理の仕事

キャラクターや小道具、背景を1回作って登録し、どのカットでも同じものを使い回す。アニメやCGの現場でアセット管理と呼ばれているやり方です。エージェントが3Dツールで形を固めているのだとすれば、これに近い発想です。カットごとに描き直すより、ズレがそもそも起きにくいんですよ。

これまでのAI動画では、このズレを後から人が直していました。顔の違うカットを差し替えたり、色を合わせ直したりする作業です。エージェントが3Dで形を管理できるなら、軽くなるのはこの「後から合わせる」手間のほうだと自分は見ています。

逆に、最初に「このキャラはこの顔、この部屋はこの配置」と決める作業は消えません。決める人がいないまま生成を回すと、見た目はそろったまま違う方向に10分進む、ということも起こりえます。

設定を決めて承認するのは、今の体制だと誰になりますか？ 発注側と制作側のどちらが持つのか、生成を回す前に決めておく必要があります。

編集とコンポジット、10分のAI動画でも残る作業

10分の動画で、どこを切ってどの順に並べるかを決めるのは誰でしょうか。公表された内容に、その判断をAIが担うという話は出てきません。解説動画なら、視聴者がどこで離れるかを見ながら構成を詰める編集の判断は、今のところ人が持つ前提で組んだほうが安全です。

コンポジットとVFXも、実写と混ぜるなら残ります。撮影した人物の後ろにAIの背景を合成する、実際の商品にAIの演出を足す、といった作業は発表の外側の話です。Higgsfieldの事例はAIの手順で作る解説動画で、実写素材との合成は語られていません。

全部AIで作る映像なら話は変わります。3Dで形のそろった素材が最初から出てくるなら、合成で見た目をなじませる手間は今より小さくなりうる。ここは料金と品質の検証が出てから判断したいところです。

仕上げと納品も残ります。放送やCMなら色や音量が基準に合っているかの検品は省けませんし、10分ぶんの映像に変なコマが紛れていないかを通しで見る時間も要ります。生成できる尺が延びるほど、この通しの確認は長くなるって話です。

AI動画を声で指示するGPT-Live-1、まだ構想の段階

Mashrabovさんは、声で指示して映画を作る構想も話していて、計画づくりやツールの呼び出し、画像の生成、音声がひとつにまとまる姿を描いています。OpenAIは記事の見出しで、声のモデルGPT-Live-1の名前を挙げています。

ただ、startuphub.aiの報道では、いつ出るのかもデモも示されていないと書かれています。機能として紹介している報道もありますが、今の時点では構想として受け取るのが妥当です。ナレーションやMAの段取りを今すぐ組み替える材料にはなりません。

10分のAI動画を頼まれたら、最初に確かめること

「10分AIで作れるらしいから、安くなるよね？」と聞かれる場面は、そのうち来ると思います。料金が公表されていない今、答えられるのは工程の話だけです。打ち合わせでは、次の3点を先に確かめておくと話が早いです。

1. 実写と混ぜるのか、全部AIで作るのか。混ぜるならコンポジットと仕上げは今までどおり工程に入れる
2. キャラや背景の設定を誰が決めて、誰が承認するのか。見た目はそろっても、方向が合っているかは人が決める
3. 通しの確認に何時間取るのか。10分の生成物を通しで見て、差し替える時間を工程に入れる

Higgsfieldの発表で変わりそうなのは、見た目をそろえるための手作業の量です。構成を決める判断と、出す前に確かめる責任は動きません。次に工程表を組むときは、プリビズと素材づくりの日数を見直して、通しの確認の枠を別に取っておく。自分ならそこから手を付けます。