Higgsfield удължава ИИ видеата от 1 минута до над 10

Higgsfield AI⁠(отваря се в нов прозорец) има мисия: да направи професионалното създаване на видеа и изображения достъпно за всеки, който има идея. Преди GPT‑6 Astra тези видеа достигаха най-много около една минута. Сега, казва главният изпълнителен директор и съосновател Алекс Машрабов, потребителите могат да създават видеа с продължителност над 10 минути.

По-дългите видеа са само един от начините, по които Higgsfield AI помага на по-малките творчески екипи да се заемат с по-амбициозни проекти. Според Алекс с модели като GPT‑6 Astra и GPT‑Image‑2.5 вече е възможно един творец да реализира модни кампании от висок клас от начало до край.

Творческите агенти на Higgsfield AI поемат повтарящи се задачи в продукцията, като създаването на множество варианти на един кадър. С GPT‑6 Astra тези агенти могат също да извикват външни инструменти, за да извършват сложни задачи в 3D моделирането, които иначе се изпълняват ръчно. Според Алекс тази възможност помага за решаването на един от най-трудните проблеми при творческото използване на ИИ: запазването на визуална последователност в по-дълги видеа.

Доказателството може да се види в собствения канал на Higgsfield AI в YouTube, който според Алекс има почти половин милион абонати. Каналът учи творците как да използват модели и работни процеси с ИИ. Преди създаването на това съдържание изискваше значителна ръчна работа от екипа на Higgsfield AI. Но с GPT‑6 Astra екипът изгради работен процес, който използва ИИ за генериране на обучителни видеа с продължителност над 10 минути.

Възможността за създаване на по-дълги обучителни видеа има и лично значение за Алекс. Той подкрепя училища в селските райони на Казахстан и описва първоначален опит да използва способността на GPT‑6 Astra да разбира визуална информация, за да открива теми, които може да затрудняват учениците, и да създава видеа, съобразени с това, което трябва да научат.

За малките фирми, които създават рекламно съдържание, четливият текст и прецизните инфографики могат да бъдат също толкова важни, колкото самото изображение. GPT‑Image‑2.5 прави този вид съдържание достъпно за фирми без големи бюджети за продукция, казва Алекс.

„GPT‑Image‑2.5 е на върха на съвременните технологии и е първият модел от този вид, който може надеждно да изобразява текст и инфографики върху изображенията“, казва той.

Higgsfield AI разработва своя продукт чрез тясно сътрудничество между около 200 творци и 100 инженери. Codex дава на творческия екип „възможностите на наистина добър софтуерен инженер“, споделя Алекс.

Творците използват Codex, за да превръщат идеите си в софтуерни прототипи. Преди внедряването на тези прототипи в реална среда изискваше значително участие на фронтенд и бекенд инженери. Сега, казва Алекс, GPT‑6 Astra намалява работата, необходима за реализирането на тези идеи в продукта.

Според Алекс по-плавният преход от прототип към реална употреба позволява на Higgsfield AI да разработва и пуска по-добри продукти по-бързо.

Следващата цел на Higgsfield AI е творците да могат да описват идея и да я виждат как придобива форма, докато говорят. Алекс нарича тази визия „от глас към филм“: ИИ разбира устно изразения замисъл на твореца и го визуализира в реално време.

Според него напредъкът на OpenAI в планирането, извикването на инструменти, генерирането на изображение и гласовите технологии доближава тази възможност до реалността. Той описва гласовия модел на компанията като „най-добрия в своя клас за разбиране на реч, а и просто за обикновено общуване“.

Амбицията на Higgsfield AI е създаването на филм да прилича повече на описване на идея, като ИИ поема по-голяма част от работата между замисъла и крайния резултат.