શોર્ટ-ફોર્મ વીડિયો આધુનિક વાણિજ્યને વેગ આપે છે, પરંતુ ખરેખર સારું પ્રદર્શન કરતા વીડિયો બનાવવું લાગે છે તેના કરતાં વધુ અઘરું છે. TikTok, Reels અને Shorts પર જે ક્લિપ્સ પ્રયત્ન વિનાની લાગે છે, તે અદ્રશ્ય નિયમો પર આધારિત હોય છે: હૂક ટાઈમિંગ, શૉટ રિધમ, કેમેરાની ગતિ, તાલમેલ અને અન્ય સૂક્ષ્મ સંકેતો જે કન્ટેન્ટને જે કંઈ ટ્રેન્ડિંગ છે તેના માટે "સ્વાભાવિક" બનાવે છે.
Higgsfield(નવી વિન્ડોમાં ખૂલે છે) એક જનરેટિવ મીડિયા પ્લેટફોર્મ છે જે ટીમોને પ્રોડક્ટ લિંક, ઇમેજ અથવા એક સરળ વિચારમાંથી ટૂંકા ફોર્મના, સિનેમેટિક વીડિયો બનાવવા દે છે. OpenAI GPT‑4.1 અને GPT‑5 નો ઉપયોગ આયોજન માટે અને Sora 2 નો ઉપયોગ નિર્માણ માટે કરીને, આ સિસ્ટમ દરરોજ આશરે 40 લાખ વિડિઓઝ બનાવે છે, જે ન્યૂનતમ ઇનપુટને સંરચિત, સોશિયલ-ફર્સ્ટ વિડિઓમાં રૂપાંતરિત કરે છે.
“વપરાશકર્તાઓ ભાગ્યે જ એ વર્ણવે છે કે મોડલને ખરેખર શું જોઈએ છે. તેઓ એ વર્ણવે છે કે તેઓ શું અનુભવવા માંગે છે. અમારું કામ એ ઇન્ટેન્ટને એવી વસ્તુમાં ફેરવવાનું છે જેને વિડિયો મોડલ અમલમાં મૂકી શકે, અને OpenAI મોડલ્સનો ઉપયોગ કરીને લક્ષ્યોને ટેકનિકલ સૂચનાઓમાં બદલી દેવાનું છે.”
લોકો શૉટ લિસ્ટમાં વિચારતા નથી. તેઓ 'તેને નાટકીય બનાવો' અથવા 'આ પ્રીમિયમ લાગવું જોઈએ' જેવી વાતો કહે છે. તેનાથી વિપરીત, વિડિયો મોડેલ્સને સંરચિત નિર્દેશનની જરૂર હોય છે: સમય નિર્ધારણના નિયમો, ગતિની મર્યાદાઓ અને દ્રશ્ય પ્રાથમિકતાઓ.
તે અંતરને પૂરવા માટે, Higgsfield ટીમે જેને તેઓ 'સિનેમેટિક લોજિક લેયર' કહે છે તે બનાવ્યું, જે સર્જનાત્મક ઇરાદાનું અર્થઘટન કરવા અને કોઈપણ નિર્માણ થાય તે પહેલાં તેને એક નક્કર વિડિઓ યોજનામાં વિસ્તૃત કરવા માટે છે.
જ્યારે કોઈ વપરાશકર્તા પ્રોડક્ટ URL અથવા છબી પ્રદાન કરે છે, ત્યારે સિસ્ટમ GPT‑4.1 મિની અને GPT‑5 નો ઉપયોગ કરીને કથાક્રમ, ગતિ નિર્ધારણ, કેમેરા તર્ક અને દ્રશ્ય ભારનું અનુમાન કરે છે. વપરાશકર્તાઓને કાચા પ્રોમ્પ્ટ્સનો સામનો કરાવવાને બદલે, Higgsfield સિનેમેટિક નિર્ણય લેવાની પ્રક્રિયાને સિસ્ટમમાં જ સમાવી લે છે. એકવાર યોજના ઘડાઈ જાય પછી, Sora 2 તે સંરચિત સૂચનાઓના આધારે ગતિ, વાસ્તવિકતા અને સાતત્યને રેન્ડર કરે છે.
તે આયોજન-પ્રથમ અભિગમ પ્રોડક્ટ પાછળની ટીમને પ્રતિબિંબિત કરે છે. Higgsfield ઇજનેરો અને અનુભવી ફિલ્મ નિર્માતાઓને, જેમાં પુરસ્કાર વિજેતા દિગ્દર્શકોનો સમાવેશ થાય છે, ગ્રાહક મીડિયામાં ઊંડા મૂળ ધરાવતા નેતૃત્વ સાથે એકસાથે લાવે છે. સહ-સ્થાપક અને CEO એલેક્સ મશરાબોવ અગાઉ સ્નેપ (Snap) માં જનરેટિવ AI (generative AI) નું નેતૃત્વ કરતા હતા, જ્યાં તેમણે સ્નેપ લેન્સ (Snap lenses) ની શોધ કરી, જેણે કરોડો લોકો વિઝ્યુઅલ ઇફેક્ટ્સ (visual effects) સાથે મોટા પાયે કેવી રીતે ક્રિયાપ્રતિક્રિયા કરે છે તેને આકાર આપ્યો.
Higgsfield માટે, વાયરાલિટી એ માપી શકાય તેવી પેટર્નનો સમૂહ છે જે GPT‑4.1 મિની અને GPT‑5 નો ઉપયોગ કરીને મોટા પાયે ટૂંકા‑ફોર્મના સોશિયલ વીડિયોનું વિશ્લેષણ કરવા અને તે તારણોને પુનરાવર્તિત કરી શકાય તેવી સર્જનાત્મક રચનાઓમાં રૂપાંતરિત કરવા માટે ઓળખવામાં આવે છે.
આંતરિક રીતે, Higgsfield વાયરલતાને જોડાણ-થી-પહોંચ ગુણોત્તર દ્વારા વ્યાખ્યાયિત કરે છે, જેમાં શેરના વેગ પર વિશેષ ધ્યાન કેન્દ્રિત કરવામાં આવે છે. જ્યારે શેર લાઈક્સ કરતાં વધી જવા માંડે છે, ત્યારે કન્ટેન્ટ નિષ્ક્રિય ઉપભોગમાંથી સક્રિય વિતરણ તરફ વળે છે.
Higgsfield પુનરાવર્તિત, વાયરલ સંરચનાઓને વિડિઓ પ્રીસેટ્સની લાઇબ્રેરીમાં એન્કોડ કરે છે. દરેક પ્રીસેટમાં ઉચ્ચ-પ્રદર્શનવાળી સામગ્રીમાં જોવા મળતું એક વિશિષ્ટ કથાત્મક માળખું, ગતિ શૈલી અને કેમેરા લોજિક હોય છે. દરરોજ આશરે 10 નવા પ્રીસેટ્સ બનાવવામાં આવે છે, અને જેમ જેમ લોકોનો રસ ઓછો થાય છે તેમ તેમ જૂનાને દૂર કરવામાં આવે છે.
આ પ્રીસેટ્સ Sora 2 ટ્રેન્ડ્સને શક્તિ આપે છે, જે સર્જકોને એક જ છબી અથવા વિચારમાંથી ટ્રેન્ડ-અનુરૂપ વીડિયો જનરેટ કરવાની સુવિધા આપે છે. સિસ્ટમ આપમેળે ગતિ તર્ક અને પ્લેટફોર્મની ગતિનું નિયમન લાગુ કરે છે, જેનાથી મેન્યુઅલ ટ્યુનિંગ વિના દરેક ટ્રેન્ડ સાથે સુસંગત આઉટપુટ મળે છે.
Higgsfieldના અગાઉના બેઝલાઇનની સરખામણીમાં, આ સિસ્ટમ દ્વારા જનરેટ કરાયેલા વીડિયોમાં શેર વેલોસિટીમાં 150% નો વધારો અને લગભગ 3 ગણી વધુ કોગ્નિટિવ કેપ્ચર જોવા મળે છે, જે ડાઉનસ્ટ્રીમ એન્ગેજમેન્ટ બિહેવિયર દ્વારા માપવામાં આવે છે.
પ્લેટફોર્મના બાકીના ભાગને માર્ગદર્શન આપતા એ જ આયોજન-પ્રથમ સિદ્ધાંતો પર આધારિત, ક્લિક-ટુ-એડ Sora 2 ટ્રેન્ડ્સને મળેલા સકારાત્મક પ્રતિસાદમાંથી વિકસિત થયું છે. આ સુવિધા GPT‑4.1 નો ઉપયોગ કરીને ઉત્પાદનના ઇરાદાને સમજવા અને Sora 2 નો ઉપયોગ કરીને વીડિયો બનાવવા દ્વારા 'પ્રોમ્પ્ટિંગ અવરોધ' દૂર કરે છે.
તે કેવી રીતે કાર્ય કરે છે તે અહીં છે:
- એક વપરાશકર્તા પ્રોડક્ટ પેજની લિંક પેસ્ટ કરે છે
- સિસ્ટમ બ્રાન્ડનો ઇરાદો કાઢવા, મુખ્ય દ્રશ્ય એન્કરને ઓળખવા અને ઉત્પાદન વિશે શું મહત્વનું છે તે સમજવા માટે પેજનું વિશ્લેષણ કરે છે
- એકવાર ઉત્પાદનને ઓળખી કાઢવામાં આવે છે, સિસ્ટમ તેને પ્રિ-એન્જિનિયર્ડ ટ્રેન્ડિંગ પ્રીસેટ્સમાંથી એકમાં મેપ કરે છે
- Sora 2 અંતિમ વિડિઓ બનાવે છે, જેમાં કેમેરાની ગતિ, લયબદ્ધ ગતિ અને શૈલીયુક્ત નિયમો માટે દરેક પ્રીસેટના જટિલ વ્યાવસાયિક ધોરણો લાગુ પાડે છે
લક્ષ્ય ઝડપી, ઉપયોગી આઉટપુટ છે જે પહેલા જ પ્રયાસમાં સોશિયલ પ્લેટફોર્મ્સ પર બંધબેસે, અને આ બદલાવ ટીમોના કામ કરવાની રીતને બદલી નાખે છે. પાંચ કે છ પ્રોમ્પ્ટ્સ વારંવાર અજમાવવાને બદલે, વપરાશકર્તાઓને હવે એક કે બે પ્રયાસમાં જ ઉપયોગી વિડિઓ મળી જાય છે. માર્કેટિંગ ટીમો માટે, તેનો અર્થ એ છે કે કેમ્પેઇનનું આયોજન ટ્રાયલ એન્ડ એરરને બદલે વોલ્યુમ અને વિવિધતાને આધારે કરી શકાય છે.
સામાન્ય રીતે, એક જનરેશનમાં 2–5 મિનિટનો સમય લાગે છે, જે કાર્યપ્રવાહ પર આધાર રાખે છે. કારણ કે પ્લેટફોર્મ એકસાથે ચાલતા રનને સપોર્ટ કરે છે, ટીમો એક કલાકમાં ડઝનબંધ ભિન્નતાઓ બનાવી શકે છે, જે ટ્રેન્ડ્સ બદલાય તેમ સર્જનાત્મક દિશાઓનું પરીક્ષણ કરવાનું વ્યવહારુ બનાવે છે.
નવેમ્બરની શરૂઆતમાં લોન્ચ થયા પછી, Click-to-Ad ને પ્લેટફોર્મ પરના 20% થી વધુ વ્યાવસાયિક સર્જકો અને એન્ટરપ્રાઇઝ ટીમો દ્વારા અપનાવવામાં આવ્યું છે, જેનું માપન એના પરથી થાય છે કે લાઇવ કેમ્પેઇનના ભાગ રૂપે આઉટપુટ ડાઉનલોડ, પ્રકાશિત કે શેર કરવામાં આવે છે.
Higgsfieldની સિસ્ટમ બહુવિધ OpenAI મોડેલ્સ પર નિર્ભર છે, જેમાંથી દરેકને કાર્યની જરૂરિયાતોને આધારે પસંદ કરવામાં આવે છે.
નિશ્ચિત, બંધારણ-મર્યાદિત કાર્યપ્રવાહો માટે, જેમ કે પૂર્વ-નિર્ધારિત માળખાનો અમલ કરવો અથવા જાણીતી કેમેરા-ગતિ સ્કીમા યોજનાઓ લાગુ કરવી, પ્લેટફોર્મ GPT‑4.1 મિની ને વિનંતીઓ મોકલે છે. આ કાર્યોને ઉચ્ચ નિયંત્રિતતા, અનુમાનિત પરિણામો, ઓછું વિચલન અને ઝડપી અનુમાનથી લાભ થાય છે.
વધુ અસ્પષ્ટ કાર્યપ્રવાહોને એક અલગ અભિગમની જરૂર પડે છે. જ્યારે સિસ્ટમને આંશિક ઇનપુટ્સ પરથી ઇરાદો તારવવાની જરૂર પડે છે, જેમ કે પ્રોડક્ટ પેજનું અર્થઘટન કરવું અથવા દ્રશ્ય અને શાબ્દિક સંકેતોને સુમેળ સાધવો, ત્યારે Higgsfield વિનંતીઓને GPT‑5 પર મોકલે છે, જ્યાં વધુ ઊંડી તર્કશક્તિ અને બહુવિધ માધ્યમોની સમજ લેટન્સી કે ખર્ચના પાસાં કરતાં વધુ મહત્વ ધરાવે છે.
રૂટિંગના નિર્ણયો આંતરિક હ્યુરિસ્ટિક્સ દ્વારા માર્ગદર્શન મેળવે છે જે ધ્યાનમાં લે છે:
- જરૂરી તર્કની ઊંડાઈ વિરુદ્ધ સ્વીકાર્ય લેટન્સી
- પરિણામની આગાહીક્ષમતા વિરુદ્ધ સર્જનાત્મક સ્વતંત્રતા
- સ્પષ્ટ ઇરાદો વિરુદ્ધ અનુમાનિત ઇરાદો
- મશીન-ઉપયોગી વિરુદ્ધ માનવ-લક્ષી આઉટપુટ્સ
"અમે આને શ્રેષ્ઠ મોડેલ પસંદ કરવા તરીકે ગણતા નથી," યેરઝેટ દુલાત, Higgsfieldના CTO અને સહ-સ્થાપક, કહે છે. આપણે વર્તણૂકલક્ષી શક્તિઓના સંદર્ભમાં વિચારીએ છીએ. કેટલાક મોડેલ ચોકસાઈમાં વધુ સારા હોય છે. બીજા અર્થઘટનમાં વધુ સારા છે. સિસ્ટમ તે મુજબ રૂટ કરે છે.
Higgsfieldના ઘણા કાર્યપ્રવાહો છ મહિના પહેલાં શક્ય ન બન્યા હોત.
અગાઉના ઇમેજ અને વિડિયો મોડેલ્સ સુસંગતતા જાળવવામાં મુશ્કેલી અનુભવતા હતા: પાત્રો બદલાઈ જતા હતા, ઉત્પાદનો આકાર બદલાઈ જતા હતા, અને લાંબા ક્રમ તૂટી જતા હતા. OpenAI ના ઇમેજ અને વિડિયો મોડેલોમાં થયેલી તાજેતરની પ્રગતિઓએ શોટ્સ વચ્ચે દ્રશ્ય સાતત્ય જાળવી રાખવાનું શક્ય બનાવ્યું છે, જેનાથી વધુ વાસ્તવિક ગતિ અને લાંબી વાર્તાઓ શક્ય બની છે.
તે બદલાવથી નવા ફોર્મેટનો માર્ગ ખુલ્યો. Higgsfield એ તાજેતરમાં સિનેમા સ્ટુડિયો લોન્ચ કર્યું છે, જે ટ્રેલર અને શોર્ટ ફિલ્મો માટે ડિઝાઇન કરાયેલું એક હોરિઝોન્ટલ વર્કસ્પેસ છે. પ્રારંભિક સર્જકો પહેલેથી જ ઘણી મિનિટના વીડિયો બનાવી રહ્યા છે જે ઓનલાઈન વ્યાપકપણે પ્રસારિત થાય છે અને જેને ઘણીવાર લાઇવ-એક્શન ફૂટેજથી અલગ પાડી શકાતા નથી.
જેમ જેમ OpenAI મોડેલો વિકસિત થતા રહે છે, તેમ તેમ Higgsfield ની સિસ્ટમ તેમની સાથે વિસ્તરે છે. નવી ક્ષમતાઓ એવા કાર્યપ્રવાહોમાં રૂપાંતરિત થાય છે જે પાછળથી સ્પષ્ટ લાગે છે, પરંતુ અગાઉ શક્ય નહોતી. જેમ જેમ મોડેલ્સ પરિપક્વ થાય છે, તેમ તેમ વાર્તા કહેવાનું કામ સાધનોનું સંચાલન કરવાથી હટીને સ્વર, સંરચના અને અર્થ વિશે નિર્ણયો લેવા પર કેન્દ્રિત થાય છે.
