Lyhytvideot edistävät modernia kaupankäyntiä, mutta tehokkaan videon luominen on vaikeampaa kuin miltä se vaikuttaa. TikTokissa, Reelsissä ja Shortsissa sujuvasti pyörivät videoleikkeet rakentuvat näkymättömien sääntöjen varaan: koukun ajoitus, otosten rytmi, kameran liike, tempo ja muut hienovaraiset eleet saavat sisällön tuntumaan luontevalta ja tämänhetkisen trendin mukaiselta.
Higgsfield(avautuu uudessa ikkunassa) on generatiivinen media-alusta, jolla tiimit voivat luoda elokuvamaisia lyhytvideoita suoraan tuotelinkistä, kuvasta tai yksinkertaisesta ideasta. Järjestelmä hyödyntää OpenAI:n GPT‑4.1‑ ja GPT‑5‑malleja suunnitteluun ja Sora 2:ta luontiin. Yksinkertaisilla syötteillä luodaan päivittäin noin neljä miljoonaa jäsenneltyä videota, jotka on optimoitu sosiaalista mediaa varten.
"Käyttäjät harvoin kuvailevat sitä, mitä malli todella tarvitsisi. He kuvailevat, mitä he haluavat tuntea. Meidän työmme on tehdä tästä tavoitteesta toteutuskelpoinen videomalleja varten, ja teemme sen käyttämällä OpenAI:n malleja, jotka muuttavat tavoitteet teknisiksi ohjeiksi."
Ihmiset eivät juurikaan ajattele kuvakäsikirjoituksia. He sanovat esimerkiksi: ”tee siitä dramaattinen” tai ”sen pitäisi tuntua laadukkaalta”. Videomallit vaativat sen sijaan jäsenneltyjä ohjeita, kuten ajoitussääntöjä, liikerajoituksia ja visuaalisia painotuksia.
Tämän kuilun kaventamista varten Higgsfieldin tiimi loi niin sanotun elokuvallisen logiikkakerroksen tulkitsemaan luovia tavoitteita ja laajentamaan ne konkreettiseksi videosuunnitelmaksi ennen kuin mitään luodaan.
Kun käyttäjä antaa tuotteen URL-osoitteen tai kuvan, järjestelmä käyttää GPT‑4.1 mini- ja GPT‑5‑malleja tarinankerronnan, rytmin, kameralogiikan ja visuaalisen painotuksen päättelemiseen. Higgsfield toteuttaa elokuvallisen päätöksenteon edellyttämättä käyttäjältä mitään raakamuotoisia kehotteita. Kun suunnitelma on valmis, Sora 2 luo liikkeen, realismin ja jatkuvuuden näiden jäsenneltyjen ohjeiden pohjalta.
Tämä suunnittelulähtöinen lähestymistapa heijastaa tuotteen taustalla olevaa tiimiä. Higgsfield kokoaa yhteen suunnittelijoita ja kokeneita elokuvantekijöitä, mukaan lukien palkittuja ohjaajia, sekä johtajia, joilla on vahvat juuret kuluttajamediassa. Yrityksen toimitusjohtaja ja yksi perustajista Alex Mashrabov johti aiemmin Snapin generatiivisen tekoälyn kehitystä. Työssään hän kehitti Snap-linssit ja muovasi siten tapaa, jolla sadat miljoonat ihmiset käyttävät visuaalisia tehosteita laajassa mittakaavassa.
Higgsfieldille viraalisuus on joukko mitattavia malleja, jotka tunnistetaan analysoimalla sosiaalisen median lyhytvideoita GPT‑4.1 mini- ja GPT‑5-malleilla laajassa mittakaavassa ja tiivistämällä havainnot toistettaviksi luoviksi rakenteiksi.
Sisäisesti Higgsfield määrittelee viraalisuuden sitoutumis-tavoittavuussuhteella, joka keskittyy erityisesti jakamisnopeuteen. Kun jakamiset alkavat ylittää tykkäykset, sisältö muuttuu passiivisesta kulutuksesta aktiiviseen jakeluun.
Higgsfield tallentaa toistuvat, viraaliset rakenteet videoesiasetusten kirjastoon. Jokaisella esiasetuksella on oma kerronnallinen rakenne, rytmi ja kameralogiikka, joiden on havaittu toimivan hyvin. Päivittäin luodaan noin 10 uutta esiasetusta, ja vanhempia esiasetuksia poistetaan käytöstä sitä mukaa, kun niiden sitoutuminen hiipuu.
Nämä esiasetukset ohjaavat Sora 2 Trendsiä, jolla tekijät voivat luoda trendien mukaisia videoita yhdestä kuvasta tai ideasta. Järjestelmä käyttää liikelogiikkaa ja alustan rytmitystä automaattisesti luodakseen tuotoksia, jotka ovat linjassa kunkin trendin kanssa ilman manuaalista säätöä.
Tällä järjestelmällä luodut videot osoittavat 150 %:n kasvun jakamisnopeudessa ja noin kolminkertaisen kognitiivisen huomion Higgsfieldin aiempaan perustasoon verrattuna, kun tuloksia mitataan myöhempien sitoutumistoimien perusteella.
Click-to-Ad syntyi Sora 2 Trendsin myönteisen vastaanoton pohjalta, ja se on rakennettu samoilla suunnittelulähtöisillä periaatteilla. Ominaisuus poistaa niin sanotun kehotusmuurin käyttämällä GPT‑4.1:tä tuotekohtaisten tavoitteiden tulkitsemiseen ja Sora 2:ta videoiden luomiseen.
Näin se toimii:
- Käyttäjä liittää tuotesivulle osoittavan linkin
- Järjestelmä analysoi sivun tunnistaakseen brändin tarkoituksen ja keskeiset visuaaliset ankkurit sekä ymmärtääkseen tuotteen keskeiset ominaisuudet
- Kun tuote on tunnistettu, järjestelmä määrittää sen yhteen valmiiksi suunnitelluista trendien esiasetuksista
- Sora 2 luo lopullisen videon soveltaen kunkin esiasetuksen tarkkoja ammattilaistason standardeja kameran liikkeelle, rytmitykselle ja tyylisäännöille
Tavoitteena on saada aikaan nopeasti käyttökelpoinen tuotos, joka sopii sosiaalisen median alustoille heti ensimmäisellä yrittämällä, ja tämä muuttaa tapoja, joilla tiimit työskentelevät. Käyttäjät saavat nyt käyttökelpoisen videon yleensä yhdellä tai kahdella yrityksellä sen sijaan, että he kävisivät läpi viisi tai kuusi kehotetta. Markkinointitiimeille tämä tarkoittaa, että kampanjat voidaan suunnitella volyymin ja vaihtelun perusteella yrityksen ja erehdyksen sijaan.
Tyypillinen luonti kestää 2–5 minuuttia työnkulun mukaan. Koska alusta tukee samanaikaisia suorituksia, tiimit voivat luoda tunnissa kymmeniä variaatioita, mikä helpottaa luovien ohjeiden testausta trendien muuttuessa.
Marraskuun alussa tapahtuneen julkaisun jälkeen yli 20 % alustan ammattimaisista tekijöistä ja yritystiimeistä on ottanut Click-to-Adin käyttöön. Tämä mitataan sen perusteella, ladataanko tuotokset, julkaistaanko ne vai jaetaanko ne osana käynnissä olevia kampanjoita.
Higgsfieldin järjestelmä käyttää useita OpenAI:n malleja, joista jokainen valitaan tehtävän vaatimusten mukaan.
Ennalta määritetyissä, formaattirajoitteisissa työnkuluissa, kuten valmiin rakenteen tai tunnettujen kameraliikeskeemojen noudattamisessa, alusta ohjaa pyynnöt GPT‑4 minille. Nämä tehtävät hyötyvät korkeasta ohjattavuudesta, ennustettavista tuotoksista, vähäisestä vaihtelusta ja nopeasta päättelykyvystä.
Monimutkaisemmat työnkulut vaativat toisenlaista lähestymistapaa. Kun järjestelmän on pääteltävä tarkoitus osittaisista syötteistä, esimerkiksi tulkitessaan tuotesivua tai yhdistäessään kuva- ja tekstisignaaleja, Higgsfield ohjaa pyynnöt GPT‑5:lle. Tällöin syvällisempi päättely ja multimodaalinen ymmärrys ovat tärkeämpiä kuin viive- tai kustannusnäkökohdat.
Reitityspäätöksiä ohjaa sisäinen heuristiikka, joka arvioi
- vaadittua päättelyn syvyyttä suhteessa hyväksyttävään viiveeseen
- tuotoksen ennustettavuuden ja luovan liikkumavaran välistä tasapainoa
- eksplisiittistä ja pääteltyä tavoitetta
- koneille ja ihmisille tarkoitettujen tuotosten eroa.
”Emme ajattele tätä parhaan mallin valintana”, sanoo Yerzat Dulat, joka on Higgsfieldin teknologiajohtaja ja yksi yrityksen perustajista. "Kyse on enemmänkin eri mallien vahvuuksista. Jotkut mallit ovat muita tarkempia. Toiset taas ovat parempia tulkinnassa. Järjestelmä ohjaa toimintaa sen mukaisesti.”
Monet Higgsfieldin työnkuluista eivät olisi olleet mahdollisia puoli vuotta sitten.
Aikaisemmat kuva- ja videomallit kamppailivat johdonmukaisuuden kanssa: hahmot ajelehtivat, tuotteet vaihtoivat muotoaan ja pidemmät jaksot hajosivat. OpenAI:n kuva- ja videomallien viimeaikaiset edistysaskeleet ovat mahdollistaneet visuaalisen jatkuvuuden säilyttämisen otosten välillä, mikä mahdollistaa realistisemman liikkeen ja pidemmät kertomukset.
Tämä muutos avasi uusia formaatteja. Higgsfield julkaisi hiljattain Cinema Studion, joka on trailereita ja lyhytelokuvia varten suunniteltu horisontaalinen työtila. Sillä tuotetaan jo monen minuutin pituisia videoita, jotka saavuttavat laajan yleisön verkossa ja joita on lähes mahdoton erottaa live-action-videoista.
OpenAI:n mallien kehittyessä Higgsfieldin järjestelmä laajenee niiden mukana. Uudet kyvykkyydet muuttuvat työnkuluiksi, jotka tuntuvat jälkikäteen itsestäänselviltä, mutta eivät olleet aiemmin mahdollisia. Kun mallit kypsyvät, tarinankerronnan työ siirtyy pois työkalujen hallinnasta ja kohti sävyä, rakennetta ja merkitystä koskevien päätösten tekemistä.
