OpenAI 10月13日发布的客户案例称,Higgsfield首席执行官兼联合创始人Alex Mashrabov表示,用户如今可以制作超过10分钟的视频;在使用GPT-6 Astra之前,相关视频最长约1分钟。这个变化来自厂商陈述,指向的是可制作的视频时长,并非模型单次连续生成画面的时长。

Higgsfield提供AI视频和图像创作服务;GPT-6 Astra是OpenAI的模型,在这一案例中用于支持创意智能体调用外部工具。

案例给出的例子是Higgsfield团队的教学视频工作流。OpenAI客户案例称,制作该频道内容过去需要大量人工工作;团队如今建立了利用AI制作超过10分钟教学视频的流程。案例没有列出同一条视频由多少次生成、多少段素材或多少人工操作组成,因此不能从成片长度推导单次生成长度。

较长的视频也带来画面一致性问题。按OpenAI的描述,Higgsfield的创意智能体可以承担为同一镜头制作多个版本等重复任务;借助GPT-6 Astra,智能体还可以调用外部工具处理复杂的3D建模工作。Mashrabov认为,这种工具调用有助于维持较长视频的视觉一致性。材料没有提供跨镜头一致性的独立测评,也未量化工具调用带来的改善。

一则标为Higgsfield AI频道的教学视频页面,进一步展示了该公司如何描述自己的制作过程。页面上的频道说明称,制作者用本人的面部和声音作参考,在Higgsfield生成主持人片段,使用Adobe After Effects处理现有动效模板,再通过DaVinci Resolve组装成片。页面列出的章节还包括检查面部一致性、声音与口型同步,以及最后的质量检查和导出。

这些步骤说明,厂商所展示的流程包含素材生成、现有工具处理、组装和复核,不能理解成只输入一次提示词就得到无需检查的成片。不过,视频说明仍是频道自身的描述,不能据此核算人工修订量,也不足以验证整个制作过程由谁完成了哪些操作。

对小型创作团队而言,值得关注的是智能体能否把镜头变体、建模和后期工具串成可反复使用的流程,并在较长成片中保持质量。这是由案例所述工作方式引出的判断,不是已经测得的生产率结论。现有材料没有提供制作耗时、完整成本、人工修订量或可比较的对照基线,尚不能判断这种方式比既有流程节省多少工作。

Mashrabov还提出“voice to movie”的未来设想:创作者一边口述想法,一边实时看到影片成形。它与目前案例所述的教学视频工作流不同。就现有证据而言,超过10分钟是Higgsfield声称用户能够制作的视频长度;实时口述生成影片仍是目标,而非此次已证实交付的能力。

参考来源: