„Higgsfield“: DI vaizdo įrašai nuo 1 iki daugiau nei 10 min.

„Higgsfield AI“⁠(atsidaro naujame lange) siekia, kad profesionalius vaizdo įrašus ir vaizdus galėtų kurti kiekvienas, turintis idėją. Iki GPT‑6 Astra tokie vaizdo įrašai trukdavo ne ilgiau kaip maždaug minutę. Dabar, pasak generalinio direktoriaus ir vieno iš įkūrėjų Alexo Mashrabovo, naudotojai gali kurti ilgesnius nei 10 minučių vaizdo įrašus.

Ilgesni vaizdo įrašai – tik vienas iš būdų, kaip „Higgsfield AI“ padeda mažesnėms kūrybinėms komandoms imtis ambicingesnių darbų. Pasak Alexo, pasitelkęs tokius modelius kaip GPT‑6 Astra ir GPT‑Image‑2.5, vienas kūrėjas dabar gali nuo pradžios iki pabaigos įgyvendinti aukščiausio lygio mados reklamos kampanijas.

„Higgsfield AI“ kūrybiniai agentai atlieka pasikartojančias kūrimo užduotis, pavyzdžiui, sukuria kelis kadro variantus. Naudodami GPT‑6 Astra, šie agentai taip pat gali iškviesti išorinius įrankius sudėtingiems, rankiniu būdu atliekamiems 3D modeliavimo darbams. Alexas teigia, kad ši galimybė padeda spręsti vieną sunkiausių kūrybai naudojamo DI problemų – išlaikyti vaizdo nuoseklumą ilgesniuose įrašuose.

Tai galima pamatyti pačios „Higgsfield AI“ „YouTube“ kanale, kuris, pasak Alexo, turi beveik pusę milijono prenumeratorių. Kanale kūrybos specialistai mokomi naudotis DI modeliais ir taikyti darbo eigas. Anksčiau šiam turiniui kurti „Higgsfield AI“ reikėdavo daug rankinio darbo. Tačiau pasitelkusi GPT‑6 Astra komanda sukūrė darbo eigą, kurioje DI generuoja ilgesnius nei 10 minučių mokomuosius vaizdo įrašus.

Galimybė kurti ilgesnius mokomuosius vaizdo įrašus Alexui svarbi ir asmeniškai. Jis remia Kazachstano kaimo mokyklas ir pasakoja apie pirmuosius bandymus pasitelkti GPT‑6 Astra gebėjimą suprasti vaizdinę informaciją: nustatyti, kurios temos mokiniams gali kelti sunkumų, ir kurti vaizdo įrašus, pritaikytus tam, ką jiems reikia išmokti.

Reklaminį turinį kuriančioms mažoms įmonėms įskaitomas tekstas ir tiksli infografika gali būti tokie pat svarbūs kaip pats vaizdas. Pasak Alexo, GPT‑Image‑2.5 leidžia tokį turinį kurti ir įmonėms, neturinčioms didelio turinio kūrimo biudžeto.

„GPT‑Image‑2.5 yra pažangiausias ir pirmasis tokio tipo modelis, galintis patikimai atvaizduoti tekstą ir infografiką vaizdų fone“, – sako jis.

„Higgsfield AI“ produktą kuria glaudžiai bendradarbiaudami maždaug 200 kūrybos specialistų ir 100 inžinierių. „Codex“ kūrybinei komandai suteikia „itin stipraus programinės įrangos inžinieriaus gebėjimus“, – dalijasi Alexas.

Kūrybos specialistai naudoja „Codex“ savo idėjoms paversti programinės įrangos prototipais. Anksčiau norint šiuos prototipus parengti naudoti reikėdavo daug naudotojo sąsajos ir serverio dalies programuotojų darbo. Dabar, pasak Alexo, GPT‑6 Astra sumažina darbo, kurio reikia šioms idėjoms įgyvendinti produkte, apimtį.

Alexas teigia, kad sklandžiau pereidama nuo prototipo prie galutinio produkto „Higgsfield AI“ gali greičiau kurti ir išleisti geresnius produktus.

Kitas „Higgsfield AI“ siekis – leisti kūrėjams žodžiu nusakyti idėją ir dar kalbant stebėti, kaip ji įgauna formą. Alexas šią viziją vadina „nuo balso iki filmo“: DI supranta kūrėjo žodžiu išsakytą sumanymą ir realiuoju laiku paverčia jį vaizdu.

Jo manymu, „OpenAI“ pažanga planavimo, įrankių iškvietimo, vaizdų generavimo ir balso technologijų srityse artina šią viziją prie tikrovės. Jis apibūdina bendrovės balso modelį kaip „geriausią savo klasėje tiek kalbai suprasti, tiek tiesiog įprastai bendrauti“.

„Higgsfield AI“ siekia, kad kurti filmą būtų kone taip pat paprasta kaip nusakyti idėją, o daugiau tarpinių darbų atliktų DI.