Higgsfield 接入 GPT-6 Astra：AI 视频时长突破 10 分钟

以前用 AI 做视频，最让人头疼的就是时长限制。镜头稍微一拉长，画面里的人脸就变了样，背景也跟着抽搐，大部分工具只能撑住几十秒到一分钟。

创意视频平台 Higgsfield AI 最近把这一上限直接推到了 10 分钟以上。靠着接入 OpenAI 的 GPT-6 Astra，他们让系统学会了在生成视频时调用外部 3D 建模工具，解决了长视频里最难啃的一致性难题。

调 3D 工具来保一致性

Higgsfield 联合创始人兼 CEO Alex Mashrabov 透露，过去单靠纯视频模型生成，一分钟就是极限，时间再长人物和场景就会完全崩盘。

现在他们的做法是，让平台里的创意智能体负责重复的生产步骤，比如一次生成多个分镜变体。遇到复杂的 3D 空间关系和长线视角时，GPT-6 Astra 会直接调用外部专业的 3D 建模工具来打辅助。

有了这个机制，单兵作战的设计师现在能完整跑通一套原本需要大团队协作的高端时尚品牌宣传片。连 Higgsfield 自家拥有近 50 万订阅者的 YouTube 教学频道，如今也已经用这套自动化流程生成时长超过 10 分钟的完整教程。

除了搞定长视频，他们还接入了 GPT-Image-2.5。Mashrabov 提到，这个模型最大的特点是能极其稳定地在图片上渲染出清晰的文字和信息图表，这让没有大制作预算的中小商家也能直接拿来做商业推广海报。

创意人员自己写代码上线

Higgsfield 内部有约 200 位创意人员和 100 位工程师，以往这种跨部门协作存在相当高的沟通成本。

过去创意人员用 Codex 快速搭出功能原型后，必须交给前后端工程师重写才能上线。现在换用 GPT-6 Astra 之后，模型给出的代码可以直接达到生产级别，创意团队的原型能极快推向线上环境。

至于下一步，Higgsfield 正在尝试把 GPT-Live 整合进来，打造「语音成片」体验。创作者只需要像跟导演讲戏一样对着麦克风描述想法，画面就会在眼前实时渲染出来。

为什么重要

对内容创作者和中小商家来说，长视频生成从一分钟跳到十分钟，意味着 AI 视频终于从「做几秒特效转场」迈向了「能讲一个完整故事」。特别是文字渲染和 10 分钟连贯叙事能力的结合，让独立博主和小品牌可以用极低成本产出完整的商业讲解视频和长篇教学内容。

我们认为，Higgsfield 这次最聪明的做法，是放弃了「纯靠生成式模型死磕一致性」的执念，转而让大模型扮演调度者去调用成熟的 3D 工具。这避开了当前扩散模型在空间记忆上的短板，把生成式 AI 和确定性的图形管线拼在了一起。

不过隐患依然存在。把 3D 工具调用和复杂大模型推理绑在一起，长视频的渲染延迟和 API 成本显然不会低；而且「语音实时成片」对端到端延迟的要求极高，在复杂的商业场景中究竟能保持多少可控性，还需要打一个问号。