Higgsfield、GPT-6 Astra連携で10分超のAI動画生成に対応

これまでの生成AI動画には、常に「1分間の壁」が立ちはだかっていました。それ以上尺を伸ばそうとすると、登場人物の顔が崩れ、背景の辻褄が合わなくなるのが常でした。

クリエイティブ制作プラットフォームのHiggsfield AIは、OpenAIのGPT-6 Astraを統合することで、この上限を一気に10分以上に引き上げました。長尺動画で最も困難とされる一貫性の維持を、外部ツールの連携によって克服しています。

3Dツールを呼び出して整合性を保つ

HiggsfieldのCEO兼共同創業者であるAlex Mashrabov氏によると、従来の動画生成は1分程度が限界でした。シーンを長く維持しようとすると、破綻が避けられなかったためです。

同社はGPT-6 Astraを活用し、制作エージェントが外部の3Dモデリングツールを自律的に呼び出す仕組みを構築しました。これにより、複雑な空間把握やアングル変更を3D側で担保し、動画全体の一貫性を保ちます。

この成果は、約50万人の登録者を抱える同社の公式YouTubeチャンネルでも実証されています。従来は多大な手作業を要していた解説動画が、10分を超える尺のままAI主導のワークフローで生成できるようになりました。

さらに同社はGPT-Image-2.5も導入しました。Mashrabov氏はこのモデルについて、画像上に判読可能なテキストやインフォグラフィックスを正確に描画できる初のモデルだと評価しており、多額の予算を持たない中小企業の販促物制作に役立つとしています。

現場のクリエイターが本番コードを直接書く

Higgsfield社内では、約200人のクリエイターと100人のエンジニアが協働しています。これまではクリエイターがCodexで試作品を作っても、製品に組み込むにはエンジニアによる書き直しが必要でした。

しかしGPT-6 Astraの導入により、クリエイターが生成したコードがそのまま本番環境に耐えうる品質に達したといいます。これによりプロトタイプから実装までの摩擦が劇的に減りました。

同社は今後、GPT-Liveを活用した「音声から映画へ」という機能の開発を進めています。クリエイターがマイクに向かってアイデアを話すだけで、意図を理解したAIがリアルタイムに映像を描画する世界を目指しています。

なぜ重要か

動画生成が1分から10分以上に伸びたことは、AI動画がつなぎの短尺クリップ制作から「物語や講座を一本丸ごと作り切る道具」へと進化したことを意味します。テキストの正確な描画力と合わさることで、個人クリエイターや小規模事業者が本格的な解説動画やファッション広告を単独で制作できるようになります。

同社のアプローチで賢いのは、モデル単体の生成力に頼り切るのではなく、外部の3Dツールを呼び出して空間の一貫性を担保した点です。拡散モデルの弱点を既存のグラフィック技術で補う現実的な解といえます。

ただし、複数の推論と外部ツールを組み合わせるパイプラインは、演算コストや生成待ち時間がかさむリスクを孕んでいます。同社が掲げるリアルタイムの音声対話型制作が、商用レベルの安定性をどこまで維持できるかが今後の焦点になりそうです。