Higgsfield MCPで恐竜ドキュメンタリーをAIに全部作らせた｜公式の10分版を40秒で試した結果と費用

Higgsfield（ヒッグスフィールド。画像・動画・音声の AI をまとめて使えるサービス）の公式が、X で「Claude と Higgsfield MCP で、1つの指示から10分の恐竜ドキュメンタリーを作った。編集まで100%自動」と紹介していました。同じ書き方の指示を40秒に縮め、人は途中で何もせず、AI（Claude Code）に全部任せて作らせました。

結論

• 出来は「短い試作としては見られる」くらいです。 景色や恐竜の絵はきれいですが、ナレーションのずれや体のゆがみが残り、そのまま公開できる品質ではありませんでした（下の画像と動画で確かめられます）。
• 約17分（素材の絵に約2分、映像の生成と点検・作り直しに約10分、編集に約4分）で、40秒の動画が1本できました。 景色・恐竜・映像・ナレーション・音楽・効果音・編集・字幕まで、AI が作りました。
• ただし、AI が見つけて直した失敗が5つありました。 ほかに、見つけたが直さなかった問題が4つ残りました。失敗の原因は、AI 自身の誤り（指示の縮め方・編集の設定）、サービス側で止められたこと、生成の崩れ（映像と声）で、生成の崩れは公式の指示にある点検で見つけて直せました。
• 使ったのは827.06クレジットでした。 ドルにすると目安で約36〜65ドルです（プランによって1クレジットの値段が違うので幅があります。実際に払った額ではありません。計算のしかたは下の「費用」）。その約97%（800クレジット）は映像の生成です。

完成した動画です（音が出ます）。

この記事は、2026年11月9日時点の Claude Code と Higgsfield で試した記録です。公式の10分版の出来とは、並べて比べていません（公式の動画は、下の「参考にしたページ」の X の投稿で見られます）。

「全部 AI に任せた」とは

Claude Code は、文章で頼むとパソコンの作業を進めてくれる AI のアプリです。MCP（AI にほかのサービスをつなぐ仕組み）で Higgsfield につなぐと、Claude Code が Higgsfield の画像・動画・音声の AI を直接使えます。今回、人（筆者）がしたのは、話題になっていることを試して記事にするよう頼み、クレジット（Higgsfield で生成のたびに使う点数）を使う許可を出したことだけです。公式の指示を40秒に縮めたのも、Higgsfield を動かしたのも、失敗を見つけて直したのも Claude Code です。

この実験で確かめたこと

公式と同じ書き方の指示で、本当に AI だけで1本の動画ができるのか、どこでつまずくのかを確かめました。AI に渡した指示の要約です。公式の指示の書き方をそのまま使い、主に量を減らしました（変えた所は付録）。英語の全文は、記事の最後の「付録」に載せています。

• 話: 4つの場面（三畳紀のコエロフィシス、ジュラ紀のブラキオサウルス、白亜紀のティラノサウルスとトリケラトプス、隕石の衝突と生き残った鳥）。
• 景色: 場面ごとに1枚、太古の景色の絵を作る。草・ヤシの木・人工物は入れない。
• 恐竜: 映像の前に、4種類それぞれを4方向から描いた設定画を作り、映像の見本にする。ティラノは唇で歯が隠れる形。
• 映像: 景色の絵と設定画を見本に、手持ちカメラで動き回るように撮る。
• ナレーション: 落ち着いた低い声で、本当の古生物学の話を1場面2文。文字起こしで、演出の指示（ト書き）が読み上げられていないか確かめる。
• 音楽・効果音: オーケストラの曲を1つ。足音・うなり声・衝突音を足す。
• 編集: 場面の間をなめらかにつなぐ。冒頭に「Documentary made with Higgsfield」、題名を考えて入れ、英語の字幕を1語ずつ出す。
• 点検: 体のゆがみ・足の数・話のつじつまをコマごとに確かめ、壊れた映像は作り直す。

試した条件

40秒に縮めたのは、10分をそのまま作ると映像だけで数千クレジットになる見込みだったからです。Claude Code と Higgsfield のつなぎ方は、Claude Codeで画像を作る｜Higgsfield MCPでつないで4枚作った費用と、うまくいかなかったこと にまとめています。

試したこと

回は作業のまとまりで、一部は同時に進みました。AI が見つけて直した5つの失敗のまとめです。

1回目：指示どおりに素材を作る

Claude Code は、まず景色の絵4枚と恐竜の設定画4枚を作り（1分半ほど）、それを見本にして映像4本・ナレーション・音楽を頼みました。映像は1本につき3〜5分でできました。

① ナレーションが長すぎた。 公式は「30秒の場面に2文」なのに、Claude Code が40秒に縮めるときに「10秒の場面に2文」を残したためです（AI の縮め方の誤り）。たとえば場面1は、「2億3000万年前、地球の陸は1つの超大陸パンゲアにつながっていた。ここでは、コエロフィシスのような小さく速い狩人が、暑く乾いた世界を2本足で走っていた」から、「2億3000万年前、陸は1つの超大陸だった。コエロフィシスは2本足で狩りをした」に縮めました（実際は英語）。

② ブラキオサウルスの映像が作られなかった。 Higgsfield から返ってきた状態は「ip_detected」で、知的財産（著作権や商標など）に当たるものを検出した、という意味と考えられます（理由の説明はありません）。使った160クレジットは返金されました。Claude Code は「ブラキオサウルス」「ジュラ紀後期」といった言葉を「首の長い大きな竜脚類」「1億5000万年前」などに言いかえて頼み直し、作られました（変えた言葉の全部と全文は付録）。言いかえが効いたのかは、同じ言葉で頼み直していないので分かりません。

2回目：できた映像と声を点検する

③ 隕石が2回飛んだ。 公式の指示の「点検」に沿って、Claude Code が映像を0.25〜1秒ごとのコマに分けて見て、見つけました。

④ 台本に無い声。 場面4のナレーションの頭に、台本に無い、でたらめな英語のような声が約5.7秒入っていました。文字起こしで見つかりました。

作り直さなかったもの。 1本作り直すごとに160クレジットと3〜5分かかるため、Claude Code は作り直しを場面4の1本に限りました。次の問題は残っています。

• 場面2を真上から映したところで、ブラキオサウルスの体が細長い棒のようにゆがんだ。
• 場面1の後半は、恐竜が遠くに小さく見えるだけの、景色中心の映像になった。
• 場面3のティラノサウルスは、口を閉じても歯が見える（指示は「唇で隠れる」）。
• 景色の絵に、指示に無いアカシアやヤシのような木や、草原のような草が入った。

3回目：場面4を作り直して、編集する

Claude Code は、場面4の最初と最後のコマを見本に渡して、場面4を作り直しました（ナレーションの④も同じ文で作り直しました）。作り直した場面4では、光ったあとに隕石が飛ぶことはなくなりました。ただし、光ったのは地平線の向こうではなく倒木のすぐ近くでした。

編集も Higgsfield のクラウドの上で Claude Code が行い、手元の編集ソフトは使っていません。冒頭の「Documentary made with Higgsfield」、題名「AGE OF GIANTS」（AI が考えたもの）、1語ずつ出る英語の字幕、場面の間のなめらかなつなぎ、ナレーションの間だけ音楽を下げる処理まで、指示どおりに入りました。

⑤ 1本のファイルにできなかった。 編集した動画を1本のファイルにまとめるとき、つなぎの設定の食い違いで失敗し、Claude Code が設定を直して2回目でできました。

残ったずれは次のとおりです。

• ナレーションが映像より遅れる所がある。 13秒ごろ、映像はブラキオサウルスの足なのに、声と字幕は「Coelophysis hunted on two legs.」（コエロフィシスは2本足で狩りをした）です。場面1のナレーションが映像より長いためです。
• 副題「From Pangaea to the Ash」は小さい斜体で読みにくい。
• 公式の指示にある「映像に入った音楽を消し、効果音だけ残す」は、そのための道具が無く、していません。
• 最後に2.5秒止める予定だった終わり方は、音の長さに合わせて切れ、39.6秒になりました。

費用

使ったクレジットは 827.06 でした（Higgsfield の取引の記録で確認）。

Higgsfield の料金ページ（2026年11月9日に確認）で確かめた2つのプランの値段をクレジットの数で割ると、1クレジットはおよそ4.3〜7.9セントです（年払いの Ultra 9,000クレジットが月387ドル、月払いの Team が1人1,000クレジットで79ドル）。これで計算すると、827.06クレジットは約36〜65ドル、1ドル150円なら約5,300〜9,800円です（為替は確かめていません）。プランのクレジットを全部使った場合の計算で、使い残すと1クレジットあたりは高くなります。筆者の Creator プランの値段は、料金ページに出ていなかったので確かめていません。これは目安で、実際に払った額ではありません。

公式と同じ10分を作ると、映像の本数が増えるぶん、さらに大きくなる見込みです（30秒の映像の値段は確かめていません）。

分かったこと

• AI に全部任せても動画は1本できたが、「1つの指示で放送できる品質」ではなかった。 ①②⑤は、AI が指示に無い判断で直しました。③④は、公式の指示の点検で見つけて直しました。ゆがみやずれは残りました。
• 場面の長さとナレーションの長さを先に合わせる。 1場面に入る文の量を決めてから台本を書かないと、声が映像からずれます。
• 文字起こしの点検は必ず入れる。 台本に無い声は、文字起こしで初めて見つかりました。
• 費用の大半は映像。 映像は、4場面の4本と、場面4の作り直し1本の計5本で800クレジットでした（作られなかった場面2の1本目は返金）。作り直しで余分にかかったのは160クレジットです。

こんな使い方なら向いています: 短い動画の試作や、絵コンテ代わりの下書きを AI にまとめて作らせたい場合。景色・恐竜の絵・字幕・音楽まで、人の手を使わずにそろいます。向いていません: そのまま公開できる長い動画を、一度で作りたい場合。今回の40秒でも、直さなかった問題が4つ残りました。公式と同じ10分を、今回と同じ10秒の映像でつなぐと60本になり、映像だけで9,600クレジット（上の目安で約410〜760ドル）かかる計算です（30秒の映像の値段は確かめていないので、10秒の映像で数えた場合）。作り直しを入れると、さらに増えます。

Higgsfield の機能や新しいモデルは、Higgsfieldの機能追加まとめ にまとめています。

付録: AI に渡した指示の全文（英語）

公式の全文から変えたところ: 10分→40秒、20場面→4場面（場面を選び直し、「Brachiosaurus in a Jurassic forest」を書き足した）、4K→1080p、景色13枚→4枚、恐竜15種→4種、ナレーション40行→8行、音楽4曲→1曲、編集の「時代の変わり目は1秒」を外した。音の指示は4場面に合うものだけを残した。

Make a 40-second nature documentary about real dinosaurs, from the first dinosaurs on Pangaea to the asteroid. 1080p, 21:9, 24 fps, English narration.

STORY
4 scenes of 10 seconds through the Triassic, Jurassic and Cretaceous: Coelophysis on Pangaea, Brachiosaurus in a Jurassic forest, T. rex and Triceratops at Hell Creek, the impact and one surviving bird.

LOCATIONS
4 location plates in Soul Cinema, 21:9. Vivid, untouched prehistoric wilderness, 28mm anamorphic, deep focus, volumetric light. Prehistoric flora only: no grass, no palm trees, no flowers before the Cretaceous. No people, roads or man-made objects. Nothing should look like a park, a plantation or a road.

DINOSAURS
A 4-angle turnaround sheet in Seedream 5.0 Pro for each of the 4 species before any video: side, front, back, three-quarter. Scientifically accurate: T. rex with lips over its teeth, T. rex on two legs. Use the sheets as references in every scene.

VIDEO
Seedance 2.5 in 1080p with the location plate and species sheets as references. Write "no music" into every prompt, then strip the music from every clip anyway and keep only the effects.

CAMERA
Mostly handheld and always moving. Walk up to the animals, run alongside them, let splashes and dust hit the lens. Drone flyovers for scale. No static shots and no drone visible in frame.

NARRATION
A deep, warm, unhurried nature documentary narrator. 8 lines of real paleontology facts, two per scene. Check every line with a transcript so no stage directions get read aloud.

MUSIC
One orchestral theme, instrumental only. Duck it under the voice, full level in the pauses.

SOUND DESIGN
An ambience bed for every scene. Accents on the action: Brachiosaurus footsteps with sub-bass, the T. rex rumble, the impact and the shockwave. Soft whooshes on scene changes.

EDIT
Crossfade picture and sound on every cut: 0.75 s between scenes, 1.5 s into the ash. Mix to -16 LUFS.

TITLES
Come up with a title and design it the way big nature documentaries do. Open with "Documentary made with Higgsfield", centered, in a cinematic font. Burn in English subtitles synced to the voice word by word.

QC
Check every scene frame by frame for morphing, extra limbs, wrong leg counts, bodies passing through each other and story mismatches on the cuts. Regenerate broken shots between clean first and last frames.

①で縮めたナレーション（場面1）: 変える前「Two hundred and thirty million years ago, all the land on Earth was joined in a single supercontinent: Pangaea. Here, small, fast hunters like Coelophysis ran on two legs through a hot, dry world.」→ 変えた後「Two hundred and thirty million years ago, all land was one supercontinent. Coelophysis hunted on two legs.」

②で言いかえて頼み直した文（「Brachiosaurus」「Late Jurassic」のほかに、「drone」を「aerial」、「Nature」を「Wildlife」に変え、「No drone visible in frame」を外した）:

Wildlife documentary shot, ancient conifer forest from the location plate, 150 million years ago. A huge long-necked sauropod (match the turnaround sheet exactly: front legs longer than hind legs, very long upward neck, four legs) walks slowly between the tall trees and lifts its neck to browse high branches. Handheld camera walking toward its legs, heavy footsteps splash mud toward the lens, then an aerial flyover above the canopy for scale. Natural sound only: heavy footsteps, leaves, forest ambience. No music.

③で場面4を作り直した文:

Nature documentary shot, the end of the Cretaceous. A single blazing asteroid streak crosses the dark sky once and strikes beyond the horizon; a blinding flash, then a shockwave rolls across the floodplain and thick ash begins to fall. After the flash no more streaks in the sky. In the falling ash, one small feathered bird lands on the fallen log and stays there. Handheld camera, slowly moving, ash drifts past the lens. Natural sound only: one deep impact boom, shockwave, wind, then near silence. No music.

参考にしたページ

• Higgsfield AI の X の投稿（2026年11月6日）
• 同じ投稿への返信（全文のプロンプト）
• Pricing（Higgsfield）
• HiggsfieldをClaude、ChatGPT、その他のAIエージェントに接続するには？（Higgsfield ヘルプセンター）
• Terms of Use（Higgsfield）