Video ngắn thúc đẩy thương mại hiện đại, nhưng để sản xuất video thực sự có hiệu quả lại khó hơn bạn tưởng. Những đoạn clip trông có vẻ nhẹ nhàng, không gượng ép trên TikTok, Reels và Shorts được xây dựng dựa trên những quy tắc vô hình: thời điểm mồi nhử, nhịp điệu cảnh quay, chuyển động camera, nhịp độ và các tín hiệu tinh tế khác khiến nội dung mang lại cảm giác “thân thuộc” với bất kỳ xu hướng nào đang thịnh hành.
Higgsfield(mở trong cửa sổ mới) là một nền tảng truyền thông tạo sinh cho phép các nhóm tạo video ngắn, phong cách điện ảnh từ một liên kết sản phẩm, một hình ảnh hoặc một ý tưởng đơn giản. Bằng cách sử dụng OpenAI GPT‑4.1 và GPT‑5 để lập kế hoạch và Sora 2 để tạo, hệ thống tạo ra khoảng 4 triệu video mỗi ngày, biến đầu vào tối thiểu thành video có cấu trúc, ưu tiên cho mạng xã hội.
“Người dùng hiếm khi mô tả những gì một mô hình thực sự cần. Họ mô tả những gì họ muốn cảm nhận. Nhiệm vụ của chúng tôi là chuyển đổi ý định đó thành một thứ mà mô hình video có thể thực hiện, sử dụng các mô hình OpenAI để chuyển đổi mục tiêu thành hướng dẫn kỹ thuật."
Mọi người không suy nghĩ theo danh sách cảnh quay. Họ nói những điều như “làm cho nó kịch tính” hoặc “cái này nên mang lại cảm giác cao cấp.” Ngược lại, các mô hình video đòi hỏi sự chỉ dẫn có cấu trúc: quy tắc về thời gian, ràng buộc chuyển động và ưu tiên hình ảnh.
Để thu hẹp khoảng cách đó, nhóm Higgsfield đã phát triển một lớp logic điện ảnh để diễn giải ý định sáng tạo và mở rộng nó thành một kế hoạch video cụ thể trước khi bất kỳ quá trình tạo sinh nào diễn ra.
Khi người dùng cung cấp URL sản phẩm hoặc hình ảnh, hệ thống sử dụng GPT‑4.1 mini và GPT‑5 để suy luận về mạch truyện, nhịp độ, logic máy quay và điểm nhấn thị giác. Thay vì để người dùng tiếp xúc với các câu lệnh thô, Higgsfield tích hợp việc ra quyết định mang tính điện ảnh vào chính hệ thống. Khi kế hoạch được hoàn thành, Sora 2 sẽ tạo ra chuyển động, độ chân thực và tính liên tục dựa trên các hướng dẫn có cấu trúc đó.
Cách tiếp cận ưu tiên lập kế hoạch đó phản ánh đội ngũ đứng sau sản phẩm. Higgsfield tập hợp các kỹ sư và các nhà làm phim giàu kinh nghiệm, bao gồm cả các đạo diễn từng đoạt giải thưởng, cùng với đội ngũ lãnh đạo có nền tảng sâu rộng trong lĩnh vực truyền thông tiêu dùng. Đồng sáng lập và Giám đốc điều hành Alex Mashrabov trước đây đã dẫn dắt mảng AI tạo sinh tại Snap, nơi ông đã phát minh ra ống kính Snap, định hình cách hàng trăm triệu người tương tác với các hiệu ứng hình ảnh ở quy mô lớn.
Đối với Higgsfield, tính lan truyền là một tập hợp các mẫu có thể đo lường được, được xác định bằng cách sử dụng GPT‑4.1 mini và GPT‑5 để phân tích video mạng xã hội dạng ngắn ở quy mô lớn và chắt lọc những phát hiện đó thành các cấu trúc sáng tạo có thể tái sử dụng.
Về mặt nội bộ, Higgsfield định nghĩa tính lan truyền bằng tỷ lệ tương tác trên phạm vi tiếp cận, với sự chú ý đặc biệt đến tốc độ chia sẻ. Khi lượt chia sẻ bắt đầu vượt qua lượt thích, nội dung chuyển từ tiêu thụ thụ động sang phân phối chủ động.
Higgsfield mã hóa các cấu trúc lặp lại, lan truyền thành một thư viện các cài đặt sẵn cho video. Mỗi thiết lập sẵn có cấu trúc câu chuyện cụ thể, phong cách nhịp điệu và logic máy quay được quan sát trong nội dung có hiệu suất cao. Khoảng 10 cài đặt trước mới được tạo mỗi ngày, và các cài đặt trước cũ hơn sẽ được luân phiên loại bỏ khi sự tương tác giảm dần.
Các thiết lập sẵn này cung cấp sức mạnh cho Sora 2 Trends, cho phép các nhà sáng tạo tạo ra video bám sát xu hướng từ một hình ảnh hoặc ý tưởng duy nhất. Hệ thống tự động áp dụng logic chuyển động và điều chỉnh nhịp độ nền tảng, tạo ra các đầu ra phù hợp với từng xu hướng mà không cần điều chỉnh thủ công.
So với đường cơ sở trước đó của Higgsfield, các video được tạo ra thông qua hệ thống này cho thấy tốc độ lan truyền chia sẻ tăng 150% và mức độ thu hút nhận thức cao hơn khoảng 3 lần, được đo lường thông qua hành vi tương tác ở các bước tiếp theo.
Được xây dựng trên cùng các nguyên tắc ưu tiên lập kế hoạch định hướng phần còn lại của nền tảng, Click-to-Ad đã phát triển từ sự đón nhận tích cực đối với Sora 2 Trends. Tính năng này loại bỏ “rào cản đưa ra câu lệnh” bằng cách sử dụng GPT‑4.1 để diễn giải ý định sản phẩm và Sora 2 để tạo video.
Cách thức hoạt động như sau:
- Người dùng dán một liên kết vào trang sản phẩm.
- Hệ thống phân tích trang để trích xuất ý định thương hiệu, xác định các điểm neo trực quan chính và hiểu những điều quan trọng về sản phẩm
- Khi sản phẩm được xác định, hệ thống sẽ ánh xạ nó vào một trong các cài đặt (preset) xu hướng được thiết kế sẵn
- Sora 2 tạo ra video cuối cùng, áp dụng các tiêu chuẩn chuyên nghiệp phức tạp của từng preset cho chuyển động máy quay, nhịp độ tiết tấu và các quy tắc phong cách.
Mục tiêu là tạo ra đầu ra nhanh chóng, dễ sử dụng, phù hợp với các nền tảng mạng xã hội ngay từ lần đầu tiên, và sự thay đổi đó làm thay đổi cách thức đội nhóm làm việc. Hiện tại, người dùng thường có thể tạo ra video có thể sử dụng chỉ sau một hoặc hai lần thử, thay vì phải lặp lại qua năm hoặc sáu câu lệnh. Đối với các nhóm tiếp thị, điều đó có nghĩa là các chiến dịch có thể được lập kế hoạch dựa trên khối lượng và sự đa dạng, thay vì thử và sai sót.
Một lần tạo thông thường mất từ 2 đến 5 phút, tùy thuộc vào quy trình làm việc. Vì nền tảng hỗ trợ các lượt chạy đồng thời, các nhóm có thể tạo ra hàng chục biến thể trong một giờ, làm cho việc thử nghiệm các hướng sáng tạo trở nên thiết thực khi xu hướng thay đổi.
Kể từ khi ra mắt vào đầu tháng 11, Click-to-Ad đã được hơn 20% các nhà sáng tạo chuyên nghiệp và đội ngũ doanh nghiệp trên nền tảng áp dụng, được đo lường dựa trên việc các đầu ra có được tải xuống, xuất bản hoặc chia sẻ như một phần của các chiến dịch trực tiếp.
Hệ thống của Higgsfield dựa vào nhiều mô hình OpenAI, mỗi mô hình được chọn lựa dựa trên yêu cầu của nhiệm vụ.
Đối với các quy trình làm việc mang tính xác định và bị ràng buộc về định dạng, chẳng hạn như thực thi cấu trúc đặt sẵn hoặc áp dụng các lược đồ chuyển động camera đã biết, nền tảng sẽ định tuyến các yêu cầu đến GPT‑4.1 mini. Các nhiệm vụ này hưởng lợi từ khả năng điều hướng cao, đầu ra có thể dự đoán, độ biến thiên thấp và suy luận nhanh.
Các quy trình làm việc mơ hồ hơn đòi hỏi một cách tiếp cận khác. Khi hệ thống cần suy luận ý định từ các nội dung đầu vào không đầy đủ như diễn giải một trang sản phẩm hoặc đối chiếu các tín hiệu trực quan và văn bản, Higgsfield định tuyến các yêu cầu đến GPT‑5, nơi khả năng suy luận sâu hơn và hiểu biết đa phương thức được ưu tiên hơn so với các cân nhắc về độ trễ hoặc chi phí.
Các quyết định định tuyến được hướng dẫn bởi các phương pháp heuristic nội bộ cân nhắc:
- Độ sâu suy luận yêu cầu so với độ trễ chấp nhận được
- Khả năng dự đoán kết quả so với khả năng tự do sáng tạo
- Ý định rõ ràng so với ý định suy luận
- Kết quả dành cho máy so với kết quả dành cho con người
“Chúng tôi không coi đây là việc chọn mô hình tốt nhất,” Yerzat Dulat, Giám đốc Công nghệ kiêm Đồng sáng lập của Higgsfield, cho biết “Chúng tôi suy nghĩ theo các điểm mạnh về hành vi. Một số mô hình có độ chính xác tốt hơn. Những người khác giỏi hơn trong việc diễn giải. Hệ thống định tuyến theo cách phù hợp.”
Nhiều quy trình làm việc của Higgsfield sẽ không thể thực hiện được vào sáu tháng trước.
Các mô hình hình ảnh và video trước đây gặp khó khăn về tính nhất quán: nhân vật bị trôi dạt, sản phẩm thay đổi hình dạng, và các chuỗi dài hơn bị phá vỡ. Những tiến bộ gần đây trong các mô hình hình ảnh và video của OpenAI đã làm cho việc duy trì tính liên tục về mặt hình ảnh giữa các cảnh quay trở nên khả thi, cho phép chuyển động chân thực hơn và các câu chuyện dài hơn.
Sự thay đổi đó đã mở ra những định dạng mới. Higgsfield gần đây đã ra mắt Cinema Studio, một không gian làm việc theo chiều ngang được thiết kế cho các đoạn giới thiệu và phim ngắn. Những nhà sáng tạo ban đầu đã sản xuất các video dài nhiều phút được lan truyền rộng rãi trên mạng, thường không thể phân biệt với cảnh quay người thật.
Khi các mô hình của OpenAI tiếp tục phát triển, hệ thống của Higgsfield cũng mở rộng theo. Những khả năng mới được chuyển đổi thành các quy trình làm việc mà khi nhìn lại thì thấy rõ ràng, nhưng trước đây không thể thực hiện được. Khi các mô hình trưởng thành, công việc kể chuyện chuyển từ việc quản lý công cụ sang việc đưa ra quyết định về giọng điệu, cấu trúc và ý nghĩa.
