Īsa formāta videoklipi ir mūsdienu komercijas dzinējspēks, taču radīt video, kas patiešām darbojas, ir grūtāk, nekā šķiet. Klipi, kas TikTok, Reels un Shorts ir viegli uztverami, ir veidoti, pamatojoties uz neredzamiem noteikumiem: āķa laiks, kadra ritms, kameras kustība, temps un citi precīzi norādījumi, kas liek saturam "dabiski" iekļauties aktuālajās tendencēs.
Higgsfield(atveras jaunā logā) ir ģeneratīvo mediju platforma, kas ļauj komandām izveidot īsus, kinematogrāfiskus videoklipus, izmantojot produkta saiti, attēlu vai vienkāršu ideju. Izmantojot OpenAI GPT‑4.1 un GPT‑5, lai plānotu, un Sora 2, lai radītu, sistēma ģenerē aptuveni 4 miljonus videoklipu dienā, pārvēršot minimālus ievades datus strukturētos sociālo tīklu video.
"Lietotāji reti apraksta to, kas modelim patiesībā ir nepieciešams. Viņi apraksta, ko viņi vēlas sajust. Mūsu uzdevums ir pārvērst šo vēlmi tā, lai video modelis to spētu izpildīt, izmantojot OpenAI modeļus, pārvēršot mērķus tehniskos norādījumos".
Cilvēki nedomā par kadru sarakstiem. Viņi saka, piemēram, "lai tas būtu dramatisks" vai "tam vajadzētu šķist ekskluzīvam". Turpretī video modeļiem ir nepieciešama strukturēta vadība: laika noteikumi, kustību ierobežojumi un vizuālās prioritātes.
Lai pārvarētu šo plaisu, Higgsfield komanda izveidoja tā saukto kinematogrāfiskās loģikas slāni, lai interpretētu radošo ieceri un pārvērstu to konkrētā video plānā, pirms notiek jebkāda ģenerēšana.
Kad lietotājs norāda produkta URL vai attēlu, sistēma izmanto GPT‑4.1 mini un GPT‑5, lai noteiktu stāstījuma līniju, tempu, kameras loģiku un vizuālos akcentus. Tā vietā, lai rādītu lietotājiem neapstrādātas uzvednes, Higgsfield iekļauj kinematogrāfisko lēmumu pieņemšanu pašā sistēmā. Kad plāns ir izveidots, Sora 2, pamatojoties uz šiem strukturētajiem norādījumiem, atveido kustību, reālismu un nepārtrauktību.
Šāda plānošanas pieeja atspoguļo to, kāda komanda strādā ar šo produktu. Higgsfield apvieno inženierus un pieredzējušus filmu veidotājus, tostarp godalgotus režisorus, kā arī vadību, kas sakņojas dziļi patēriņa multividē. Līdzdibinātājs un izpilddirektors Alekss Mašrabovs iepriekš vadīja Snap ģeneratīvā MI nodaļu, kur viņš ieviesa Snap lēcas, nosakot to, kā simtiem miljonu cilvēku plašā mērogā mijiedarbojas ar vizuālajiem efektiem.
Higgsfīlds uzskata, ka viralitāte ir izmērāmu modeļu kopums, kas identificēts, izmantojot GPT‑4.1 mini un GPT‑5, lai plašā mērogā analizētu īsformāta sociālos videoklipus un pārveidotu šos rezultātus atkārtojamās radošās struktūrās.
Iekšēji Higgsfield viralitāti definē atbilstoši iesaistīšanās un sasniedzamības attiecībai, īpašu uzmanību pievēršot kopīgošanas ātrumam. Kad kopīgošanas skaits sāk pārsniegt atzīmes "Patīk", saturs no pasīva patēriņa pārtop par aktīvu izplatīšanu.
Higgsfield kodē atkārtojošās virālās struktūras video priekšnoteikumu bibliotēkā. Katram iepriekšējam iestatījumam ir raksturīga īpaša stāstījuma struktūra, sižeta ritma stils un kameras loģika, kas raksturīga augstas kvalitātes saturam. Katru dienu tiek izveidoti aptuveni 10 jauni priekšnoteikumi, bet vecie tiek izņemti no lietošanas, jo iesaistīšanās samazinās.
Šie priekšnoteikumi nodrošina Sora 2 Trends, kas ļauj veidotājiem no viena attēla vai idejas radīt precīzus un tendencēm atbilstošus videoklipus. Sistēma automātiski piemēro kustību loģiku un platformas tempa noteikšanu, radot katrai tendencei pielāgotus rezultātus bez manuālas regulēšanas.
Salīdzinot ar Higgsfield iepriekšējo bāzes scenāriju, videoklipi, kas izveidoti, izmantojot šo sistēmu, uzrāda 150 % lielāku kopīgošanas ātrumu un aptuveni 3 reizes lielāku kognitīvo uztveri, ko mēra, izmantojot turpmākās iesaistes uzvedību.
Platforma Click-to-Ad, kas ir veidota, pamatojoties uz tiem pašiem plānošanas principiem, kuri ir pārējās platformas pamatā, ir radusies, pateicoties pozitīvai reakcijai uz Sora 2 Trends. Šī funkcija novērš "uzvedņu barjeru", izmantojot GPT‑4.1, lai interpretētu produkta nodomu, un Sora 2, lai ģenerētu videoklipus.
Lūk, kā tas darbojas:
- lietotājs ielīmē saiti uz produkta lapu
- Sistēma analizē lapu, lai noteiktu zīmola nolūku, identificētu galvenos vizuālos elementus un saprastu, kas produktā ir svarīgs.
- Kad produkts ir identificēts, sistēma to iezīmē vienā no iepriekš izstrādātajiem tendenču iestatījumiem.
- Sora 2 ģenerē galīgo videoklipu, piemērojot katram iestatījumam sarežģītus profesionālos standartus attiecībā uz kameras kustību, ritmisko tempu un stilistikas noteikumiem.
Mērķis ir ātrs, ērti lietojams rezultāts, kas atbilst sociālajām platformām no pirmā mēģinājuma, un šī pārmaiņa maina komandu darba veidu. Tagad lietotāji parasti iegūst lietojamu video ar vienu vai diviem mēģinājumiem, nevis atkārtojot piecas vai sešas uzvednes. Mārketinga komandām tas nozīmē, ka kampaņas var plānot, ņemot vērā apjomu un variācijas, nevis izmēģinājumus un kļūdas.
Parasti ģenerēšana aizņem 2–5 minūtes, atkarībā no darbplūsmas. Tā kā platforma atbalsta vienlaicīgu darbu veikšanu, komandas stundas laikā var ģenerēt desmitiem variāciju, tādējādi praktiski testējot radošos virzienus, kad mainās tendences.
Kopš darbības uzsākšanas novembra sākumā Click-to-Ad ir izmantojuši vairāk nekā 20 % profesionālo radošo darbinieku un uzņēmumu komandu platformā, ko mēra pēc tā, vai rezultāti tiek lejupielādēti, publicēti vai kopīgoti kā daļa no tiešraides kampaņām.
Higgsfield sistēma paļaujas uz vairākiem OpenAI modeļiem, katrs no tiem tiek izvēlēts atbilstoši uzdevuma prasībām.
Deterministiskām, formāta ierobežotām darbplūsmām, piemēram, iepriekš iestatītas struktūras ieviešanai vai zināmu kameras un kustības shēmu piemērošanai, platforma novirza pieprasījumus uz GPT‑4.1 mini. Šiem uzdevumiem ir izdevīga augsta vadāmība, paredzami rezultāti, zema dispersija un ātra secinājumu izpilde.
Neviennozīmīgākām darba plūsmām ir nepieciešama atšķirīga pieeja. Ja sistēmai ir jāizdara secinājumi par nodomu no daļējas ievades datiem, piemēram, interpretējot produkta lapu vai saskaņojot vizuālos un teksta signālus, Higgsfield novirza pieprasījumus uz GPT‑5, kur dziļāka argumentācija un multimodāla izpratne ir svarīgāka par latentuma vai izmaksu apsvērumiem.
Maršrutēšanas lēmumus vada iekšējā heiristika, kas nosaka šādus parametrus:
- nepieciešamais spriestspējas dziļums salīdzinājumā ar pieņemamu latentumu;
- rezultātu prognozējamība pret radošo brīvību;
- skaidri izteikts un netiešs nodoms;
- mašīnu patērētie un cilvēkam paredzētie iznākumi.
"Mēs par to nedomājam kā par labākā modeļa izvēli," saka Higgsfield tehniskais direktors un līdzdibinātājs Jerzats Dulats (Yerzat Dulat). “Mēs domājam par uzvedības stiprajām pusēm. Daži modeļi ir labāki precizitātes ziņā. Citi labāk spēj interpretēt. Sistēma attiecīgi maršrutē".
Daudzas no Higgsfield darbplūsmām pirms sešiem mēnešiem nebūtu bijušas dzīvotspējīgas.
Agrākajiem attēlu un video modeļiem bija grūtības ar konsekvenci: tēli novirzījās, produkti mainīja formu, bet garākas sekvences pārtrūka. Nesenie OpenAI attēlu un video modeļu uzlabojumi ļāva saglabāt vizuālo nepārtrauktību starp kadriem, tādējādi nodrošinot reālistiskāku kustību un garākus stāstus.
Šī pārmaiņa pavēra iespēju jauniem formātiem. Nesen Higgsfield atklāja Cinema Studio — horizontālu darba telpu, kas paredzēta treileriem un īsfilmām. Pirmie autori jau veido vairāku minūšu garus videoklipus, kas tiek plaši izplatīti tiešsaistē un bieži vien neatšķiras no tiešraides kadriem.
Tā kā OpenAI modeļi turpina attīstīties, Higgsfield sistēma paplašinās līdz ar tiem. Jaunās iespējas tiek pārvērstas darbplūsmās, kas, atskatoties, šķiet pašsaprotamas, tomēr iepriekš nebija iespējamas. Modeļiem kļūstot pilnvērtīgākiem, stāstīšanas darbs pāriet no rīku pārvaldības uz lēmumu pieņemšanu par toni, struktūru un nozīmi.
