Kortvideoer driver moderne handel, men å produsere videoer som faktisk fungerer, er vanskeligere enn det ser ut til. Klipp som føles uanstrengte på TikTok, Reels og Shorts er bygget på usynlige regler: hook-timing, klipperytme, kamerabevegelse, tempo og andre subtile signaler som får innholdet til å føles «naturlig» for det som trender.
Higgsfield(åpnes i et nytt vindu) er en generativ medieplattform som lar team lage korte, filmatiske videoer fra en produktlenke, et bilde eller en enkel idé. Ved å bruke OpenAI GPT‑4.1 og GPT‑5 til planlegging og Sora 2 til å skape, genererer systemet omtrent 4 millioner videoer per dag, og gjør minimal input om til strukturert, sosialt-første video.
“Brukere beskriver sjelden hva en modell egentlig trenger. De beskriver hva de vil føle. "Vår oppgave er å oversette den intensjonen til noe en videomodell kan utføre, ved å bruke OpenAI-modeller for å omgjøre mål til tekniske instruksjoner.”
Folk tenker ikke i bildelister. De sier ting som «gjør det dramatisk» eller «dette bør føles eksklusivt.» Videomodeller, derimot, krever strukturert veiledning: tidsregler, bevegelsesbegrensninger og visuelle prioriteringer.
For å bygge bro over dette gapet, bygde Higgsfield-teamet det de kaller et filmatisk logikklag for å tolke kreativ hensikt og utvide den til en konkret videoplan før noen generering skjer.
Når en bruker oppgir en produkt-URL eller et bilde, benytter systemet GPT‑4.1 mini og GPT‑5 til å utlede narrativ bue, tempo, kameralogikk og visuell vektlegging. I stedet for å eksponere brukere for rå prompt, integrerer Higgsfield filmatiske beslutningsprosesser i selve systemet. Når planen er konstruert, gjengir Sora 2 bevegelse, realisme og kontinuitet basert på de strukturerte instruksjonene.
Den planleggingsorienterte tilnærmingen reflekterer teamet bak produktet. Higgsfield samler ingeniører og erfarne filmskapere, inkludert prisvinnende regissører, sammen med ledere med dype røtter i forbrukermedier. Medgrunnlegger og administrerende direktør Alex Mashrabov ledet tidligere generativ KI hos Snap, hvor han oppfant Snap-linser, og formet hvordan hundrevis av millioner av mennesker samhandler med visuelle effekter i stor skala.
For Higgsfield er viralitet et sett med målbare mønstre identifisert ved hjelp av GPT‑4.1 mini og GPT‑5 for å analysere kortformede sosiale videoer i stor skala og destillere funnene til repeterbare kreative strukturer.
Internt definerer Higgsfield viralitet ved engasjement-til-rekkevidde-forholdet, med særlig fokus på delingshastighet. Når delinger begynner å overgå likerklikk, endrer innholdet seg fra passiv konsumering til aktiv distribusjon.
Higgsfield koder gjentakende, virale strukturer inn i et bibliotek av videoforhåndsinnstillinger. Hver forhåndsinnstilling har en spesifikk narrativ struktur, tempoprofil og kameralogikk som er observert i innhold med høy ytelse. Omtrent 10 nye forhåndsinnstillinger opprettes hver dag, og eldre blir faset ut etter hvert som engasjementet avtar.
Disse forhåndsinnstillingene driver Sora 2 Trends, som lar skapere lage trendnøyaktige videoer fra et enkelt bilde eller en idé. Systemet anvender bevegelseslogikk og plattformtempo automatisk, og genererer utdata som er tilpasset hver trend uten behov for manuell justering.
Sammenlignet med Higgsfields tidligere baseline viser videoer generert gjennom dette systemet en økning på 150 % i delingshastighet og omtrent 3x høyere kognitiv fangst, målt gjennom engasjementsatferd nedstrøms.
Bygget på de samme planleggings-først-prinsippene som styrer resten av plattformen, vokste Click-to-Ad frem fra den positive mottakelsen av Sora 2 Trends. Funksjonen fjerner «promptbarrieren» ved å bruke GPT‑4.1 til å tolke produktintensjon og Sora 2 til å generere videoer.
Slik fungerer det:
- En bruker limer inn en lenke til en produktside
- Systemet analyserer siden for å trekke ut merkeintensjon, identifisere viktige visuelle ankerpunkter og forstå hva som er viktig med produktet
- Når produktet er identifisert, plasserer systemet det i en av de forhåndsdesignede trendinnstillingene
- Sora 2 genererer den endelige videoen ved å anvende hver forhåndsinnstillings komplekse profesjonelle standarder for kamerabevegelse, rytmisk tempo og stilistiske regler.
Målet er rask, brukbar output som passer til sosiale plattformer på første forsøk, og den endringen endrer hvordan teamene jobber. Brukere pleier nå å få brukbar video i ett eller to forsøk, i stedet for å gå gjennom fem eller seks prompter. For markedsføringsteam betyr det at kampanjer kan planlegges basert på volum og variasjon, ikke prøving og feiling.
En typisk generering tar 2–5 minutter, avhengig av arbeidsflyten. Fordi plattformen støtter samtidige kjøringer, kan team generere dusinvis av varianter på en time, noe som gjør det praktisk å teste kreative retninger etter hvert som trender endrer seg.
Siden lanseringen tidlig i november har Click-to-Ad blitt tatt i bruk av mer enn 20% av profesjonelle skapere og bedriftsteam på plattformen, målt etter om utganger lastes ned, publiseres eller deles som en del av live-kampanjer.
Higgsfield’s system er avhengig av flere OpenAI-modeller, som hver er valgt basert på oppgavens krav.
For deterministiske, formatbegrensede arbeidsflyter, som å håndheve forhåndsinnstilt struktur eller bruke kjente kamerabevegelsesskjemaer, ruter plattformen forespørsler til GPT‑4.1 mini. Disse oppgavene drar nytte av høy styrbarhet, forutsigbare resultater, lav varians og rask inferens.
Mer tvetydige arbeidsflyter krever en annen tilnærming. Når systemet trenger å utlede hensikt fra delvise inndata, som å tolke en produktside eller avstemme visuelle og tekstlige signaler, ruter Higgsfield forespørsler til GPT‑5, hvor dypere resonnering og multimodal forståelse veier tyngre enn hensyn til ventetid eller kostnad.
Rutevalg styres av interne heuristikker som vurderer:
- Påkrevd resonneringsdybde versus akseptabel ventetid
- Forutsigbarhet i utdata versus kreativt spillerom
- Uttrykkelig versus antatt hensikt
- Maskinforbrukte versus menneskevendte utdata
«Vi ser ikke på dette som å velge den beste modellen», sier Yerzat Dulat, CTO og medgründer av Higgsfield Vi tenker i form av atferdsmessige styrker. Noen modeller er bedre på presisjon. Andre er bedre til å tolke. Systemet ruter deretter.
Mange av Higgsfields arbeidsflyter ville ikke ha vært mulige for seks måneder siden.
Tidligere bilde- og videomodeller slet med konsistens: karakterer drev, produkter endret form, og lengre sekvenser brøt sammen. Nylige fremskritt innen OpenAI sine bilde- og videomodeller har gjort det mulig å opprettholde visuell kontinuitet på tvers av opptak, noe som muliggjør mer realistisk bevegelse og lengre fortellinger.
Det skiftet låste opp nye formater. Higgsfield lanserte nylig Cinema Studio, et horisontalt arbeidsområde designet for trailere og kortfilmer. Tidlige skapere produserer allerede flerminutters videoer som sirkulerer bredt på nettet, ofte umulige å skille fra live-action-opptak.
Etter hvert som OpenAI-modellene fortsetter å utvikle seg, utvides Higgsfields system sammen med dem. Nye funksjoner blir omgjort til arbeidsflyter som føles åpenbare i ettertid, men som ikke var mulige før. Etter hvert som modeller modnes, beveger arbeidet med historiefortelling seg bort fra å administrere verktøy og mot å ta beslutninger om tone, struktur og mening.
