Video fupi zinaendesha biashara za kisasa, lakini kutengeneza video inayofanya kazi kwa ufanisi ni ngumu zaidi kuliko inavyoonekana. Klipu zinazoonekana kuwa rahisi bila juhudi kwenye TikTok, Reels, na Shorts hujengwa kupitia kanuni zisizoonekana: muda wa kivutio, mdundo wa upigaji picha, mwendo wa kamera, kasi, na vihisishi vingine vya hila vinavyofanya maudhui yahisi kuwa “ya asili” kwa chochote kinachovuma.
Higgsfield(fungua katika dirisha jipya) ni jukwaa la midia zalishi linalowezesha timu kuunda video fupi za kisinema kutoka kwa kiungo cha bidhaa, picha, au wazo rahisi. Kwa kutumia OpenAI GPT‑4.1 na GPT‑5 kupanga na Sora 2 kuunda, mfumo huo huzalisha takribani video milioni 4 kwa siku, ukibadilisha ingizo dogo kuwa video iliyopangwa, inayolenga mitandao ya kijamii kwanza.
“Mara chache watumiaji hueleza kile ambacho muundo unahitaji kwa kweli. Wanaeleza wanachotaka kuhisi. Kazi yetu ni kutafsiri nia hiyo kuwa kitu ambacho muundo wa video unaweza kutekeleza, kwa kutumia miundo ya OpenAI kubadilisha malengo kuwa maagizo ya kiufundi."
Watu hawafikirii kwa orodha za picha. Wanasema mambo kama “ifanye iwe ya kusisimua” au “hii inapaswa kuhisi ya hali ya juu.” Miundo ya video, kwa upande mwingine, inahitaji maelekezo yaliyopangwa: sheria za muda, vikwazo vya mwendo, na vipaumbele vya kuona.
Ili kuziba pengo hilo, timu ya Higgsfield iliunda kile wanachokiita safu ya mantiki ya kisinema ili kutafsiri nia ya ubunifu na kuipanua kuwa mpango thabiti wa video kabla ya kizazi chochote kutokea.
Wakati mtumiaji anapotoa URL ya bidhaa au picha, mfumo hutumia GPT‑4.1 mini na GPT‑5 kutambua mkondo wa simulizi, mwendo, mantiki ya kamera, na msisitizo wa kuona. Badala ya kuwafanya watumiaji kupata vidokezo ghafi, Higgsfield hujumuisha maamuzi ya kisinema ndani ya mfumo wenyewe. Mara tu mpango unapokamilika, Sora 2 hutoa mwendo, uhalisia, na mwendelezo kulingana na maagizo hayo yaliyopangwa.
Njia hiyo ya kupanga kwanza inaangazia timu iliyo nyuma ya bidhaa hiyo. Higgsfield inawaleta pamoja wahandisi na watengenezaji wa filamu wenye uzoefu, wakiwemo wakurugenzi walioshinda tuzo, pamoja na uongozi wenye mizizi ya kina katika vyombo vya habari vya watumiaji. Mwanzilishi Mwenza na Afisa Mtendaji Mkuu Alex Mashrabov hapo awali aliongoza AI zalishi katika Snap, ambapo alivumbua lenzi za Snap, na kuunda jinsi mamia ya mamilioni ya watu wanavyoingiliana na athari za kuona kwa kiwango kikubwa.
Kwa Higgsfield, ueneaji ni seti ya mifumo inayoweza kupimika inayotambuliwa kwa kutumia GPT‑4.1 mini na GPT‑5 kuchanganua video fupi za mitandao ya kijamii kwa kiwango kikubwa na kuchuja matokeo hayo kuwa miundo ya ubunifu inayoweza kurudiwa.
Ndani ya kampuni, Higgsfield inafafanua ueneaji kwa uwiano wa ushiriki-kwa-ufikiaji, kwa kuzingatia hasa kasi ya kushirikiwa. Wakati usambazaji unapoanza kuzidi zilizopendwa, maudhui hubadilika kutoka matumizi ya pasipo kushiriki hadi usambazaji wa kikamilifu.
Higgsfield husimba miundo ya kurudiarudia, ya ueneaji katika maktaba ya mipangilio iliyowekwa mapema ya video. Kila mpangilio uliowekwa mapema una muundo mahususi wa masimulizi, mtindo wa mwendo, na mantiki ya kamera inayozingatiwa katika maudhui yenye utendaji wa juu. Takriban mipangilio mipya 10 huundwa kila siku, na ya zamani huondolewa kadri ushiriki unavyopungua.
Mipangilio hii iliyowekwa mapema inaendesha Sora 2 Trends, ambayo inawawezesha waundaji kuzalisha video zinazolingana na mitindo inayovuma kutoka kwa picha au wazo moja. Mfumo hutumia mantiki ya mwendo na upangaji wa kasi wa jukwaa kiotomatiki, na kutoa matokeo yanayolingana na kila mwelekeo bila urekebishaji wa mikono.
Ikilinganishwa na msingi wa awali wa Higgsfield, video zinazozalishwa kupitia mfumo huu zinaonyesha ongezeko la 150% katika kasi ya kusambazwa na takriban mara 3 zaidi ya kunasa utambuzi, inapopimwa kupitia tabia ya ushiriki wa baadaye.
Ikiwa imeundwa kwa kutumia kanuni zilezile za kupanga-kwanza zinazoongoza sehemu nyingine ya jukwaa, Click-to-Ad ilikua kutokana na mapokezi chanya ya Sora 2 Trends. Kipengele hiki huondoa “kizuizi cha kuhamasisha” kwa kutumia GPT‑4.1 kufasiri nia ya bidhaa na Sora 2 ya kutengeneza video.
Hivi ndivyo inavyofanya kazi:
- Mtumiaji hubandika kiungo cha ukurasa wa bidhaa
- Mfumo huchanganua ukurasa ili kutoa nia ya chapa, kutambua viunzi muhimu vya kuona, na kuelewa cha muhimu kuhusu bidhaa
- Mara tu bidhaa inapobainishwa, mfumo huiweka katika mojawapo ya mipangilio iliyowekwa mapema inayovuma
- Sora 2 huzalisha video ya mwisho, ikitumia viwango changamano vya kitaalamu vya kila mpangilio uliowekwa mapema kwa mwendo wa kamera, kasi ya mpangilio wa mdundo, na sheria za mtindo
Lengo ni kupata matokeo ya haraka na yanayoweza kutumika ambayo yanatoshea majukwaa ya kijamii mara ya kwanza, na mabadiliko hayo yanabadilisha jinsi timu zinavyofanya kazi. Watumiaji sasa huwa wanapata video inayoweza kutumika kwa jaribio moja au mawili, badala ya kurudia kupitia vidokezo vitano au sita. Kwa timu za mauzo, hiyo inamaanisha kampeni zinaweza kupangwa kulingana na kiasi na utofauti, si majaribio na makosa.
Utengenezaji wa kawaida huchukua dakika 2–5, kulingana na mtiririko wa kazi. Kwa sababu jukwaa linaunga mkono uendeshaji wa wakati mmoja, timu zinaweza kuzalisha tofauti kadhaa kwa saa moja, na kufanya iwe rahisi kupima mwelekeo wa ubunifu kadri mitindo inavyobadilika.
Tangu kuzinduliwa mapema Novemba, Click-to-Ad imetumiwa na zaidi ya 20% ya waundaji wa kitaalamu na timu za biashara kwenye jukwaa, ikipimwa kwa kuzingatia kama matokeo yanapakuliwa, yanachapishwa, au yanashirikiwa kama sehemu ya kampeni za moja kwa moja.
Mfumo wa Higgsfield unategemea miundo mingi ya OpenAI, kila mmoja ukichaguliwa kulingana na mahitaji ya kazi.
Kwa michakato ya kazi ya kubainika, inayozuiliwa na umbo, kama vile kutekeleza muundo uliowekwa awali au kutumia vielezo vya mwendo wa kamera vinavyojulikana, jukwaa huelekeza maombi kwa GPT‑4.1 mini. Shughuli hizi zinafaidika kutokana na uwezo wa juu wa kuelekezwa, matokeo yanayotabirika, utofauti mdogo, na utambuzi wa haraka.
Mitiririko ya kazi yenye utata zaidi inahitaji mbinu tofauti. Wakati mfumo unahitaji kufasiri nia kutokana na maingizo nusu, kama vile kutafsiri ukurasa wa bidhaa au kupatanisha ishara za kuona na za maandishi, Higgsfield huelekeza maombi kwa GPT‑5, ambapo uwazaji wa kina na uelewa wa mbinu mbalimbali huzidi uzingatiaji wa ucheleweshaji au gharama.
Maamuzi ya uelekezaji yanaongozwa na uvumbuzi wa ndani unaoangalia:
- Kina kinachohitajika cha uwazaji dhidi ya ucheleweshaji unaokubalika
- Utabiri wa matokeo dhidi ya uhuru wa ubunifu
- Nia dhahiri dhidi ya nia inayodhaniwa
- Matokeo yanayotumiwa na mashine dhidi ya yanayoelekezwa kwa binadamu
“Hatuoni hili kama kuchagua muundo bora zaidi,” anasema Yerzat Dulat, CTO na mwanzilishi mwenza wa Higgsfield “Tunafikiria kwa misingi ya nguvu za kitabia. Baadhi ya miundo ni bora zaidi katika usahihi. Nyingine ni bora zaidi katika ufafanuzi. Mfumo huelekeza ipasavyo."
Mitiririko mingi ya kazi ya Higgsfield haingewezekana miezi sita iliyopita.
Miundo ya awali ya picha na video ilikumbana na changamoto za kudumisha uthabiti: wahusika walihama, bidhaa zilibadilika umbo, na mfuatano mrefu ulivunjika. Maendeleo ya hivi karibuni katika miundo ya picha na video ya OpenAI yamewezesha kudumisha mwendelezo wa mwonekano katika picha, na hivyo kuwezesha mwendo halisi zaidi na hadithi ndefu zaidi.
Mabadiliko hayo yalifungua aina mpya za miundo. Higgsfield hivi karibuni ilizindua Cinema Studio, eneokazi lililoundwa kwa ajili ya trela na filamu fupi. Waundaji wa awali tayari wanazalisha video za dakika nyingi ambazo zinasambaa sana mtandaoni, mara nyingi zikiwa hazitofautishiki na picha za matukio halisi.
Kadri miundo ya OpenAI inavyoendelea kubadilika, ndivyo mfumo wa Higgsfield unapanuka pamoja nayo. Uwezo mpya unabadilishwa kuwa mitiririko ya kazi inayohisi dhahiri ukitazama baada ya muda, lakini haingewezekana hapo awali. Kadiri miundo inavyopevuka, kazi ya kusimulia hadithi huhama kutoka kusimamia zana na kuelekea kufanya maamuzi kuhusu sauti, muundo, na maana.
