Higgsfield 接入 GPT-6 Astra：AI 影片時長突破 10 分鐘

以前用 AI 做影片，最讓人頭疼的就是時長限制。鏡頭稍微一拉長，畫面裡的人臉就變了樣，背景也跟著抽搐，大部分工具只能撐住幾十秒到一分鐘。

創意影片平臺 Higgsfield AI 最近把這一上限直接推到了 10 分鐘以上。靠著接入 OpenAI 的 GPT-6 Astra，他們讓系統學會了在生成影片時呼叫外部 3D 建模工具，解決了長影片裡最難啃的一致性難題。

調 3D 工具來保一致性

Higgsfield 聯合創始人兼 CEO Alex Mashrabov 透露，過去單靠純影片模型生成，一分鐘就是極限，時間再長人物和場景就會完全崩盤。

現在他們的做法是，讓平臺裡的創意智慧體負責重複的生產步驟，比如一次生成多個分鏡變體。遇到複雜的 3D 空間關係和長線視角時，GPT-6 Astra 會直接呼叫外部專業的 3D 建模工具來打輔助。

有了這個機制，單兵作戰的設計師現在能完整跑通一套原本需要大團隊協作的高階時尚品牌宣傳片。連 Higgsfield 自家擁有近 50 萬訂閱者的 YouTube 教學頻道，如今也已經用這套自動化流程生成時長超過 10 分鐘的完整教程。

除了搞定長影片，他們還接入了 GPT-Image-2.5。Mashrabov 提到，這個模型最大的特點是能極其穩定地在圖片上渲染出清晰的文字和資訊圖表，這讓沒有大製作預算的中小商家也能直接拿來做商業推廣海報。

創意人員自己寫程式碼上線

Higgsfield 內部有約 200 位創意人員和 100 位工程師，以往這種跨部門協作存在相當高的溝通成本。

過去創意人員用 Codex 快速搭出功能原型後，必須交給前後端工程師重寫才能上線。現在換用 GPT-6 Astra 之後，模型給出的程式碼可以直接達到生產級別，創意團隊的原型能極快推向線上環境。

至於下一步，Higgsfield 正在嘗試把 GPT-Live 整合進來，打造「語音成片」體驗。創作者只需要像跟導演講戲一樣對著麥克風描述想法，畫面就會在眼前即時渲染出來。

為什麼重要

對內容創作者和中小商家來說，長影片生成從一分鐘跳到十分鐘，意味著 AI 影片終於從「做幾秒特效轉場」邁向了「能講一個完整故事」。特別是文字渲染和 10 分鐘連貫敘事能力的結合，讓獨立博主和小品牌可以用極低成本產出完整的商業講解影片和長篇教學內容。

我們認為，Higgsfield 這次最聰明的做法，是放棄了「純靠生成式模型死磕一致性」的執念，轉而讓大模型扮演排程者去呼叫成熟的 3D 工具。這避開了當前擴散模型在空間記憶上的短板，把生成式 AI 和確定性的圖形管線拼在了一起。

不過隱患依然存在。把 3D 工具呼叫和複雜大模型推理綁在一起，長影片的渲染延遲和 API 成本顯然不會低；而且「語音即時成片」對端到端延遲的要求極高，在複雜的商業場景中究竟能保持多少可控性，還需要打一個問號。