Higgsfield AI 借助 GPT-6 Astra 将 AI 视频从 1 分钟延长至 10 分钟以上
Higgsfield AI 表示，其用户现在可以创作超过 10 分钟的视频，而此前在采用 GPT-6 Astra 之前，视频时长上限约为 1 分钟。这一说法来自 CEO 兼联合创始人 Alex Mashrabov 在 OpenAI 客户故事中的表述，其重要性在于视频时长和跨镜头一致性一直是 AI 视频生成中最难克服的限制之一。
Higgsfield AI 宣布了什么
Higgsfield AI 是一家使命为让任何有创意的人都能轻松进行专业视频和图像创作的公司。据 Mashrabov 称，从大约 1 分钟的片段到超过 10 分钟的视频，是 GPT-6 Astra 带来的最显著变化。
Mashrabov 更倾向于将这一变化视为工作能力范围的转变，而非单纯的功能升级：较小的创意团队现在可以承担更宏大的项目。用他的话来说：
“对我们 Higgsfield 来说，最重要的是看到较小的创意团队现在能够凭借 GPT-6 Astra 和 GPT-Image-2.5 等模型的力量取得更大的成功。”
更长的视频与一致性问题
Higgsfield AI 的创意代理处理重复性制作任务，例如生成多个镜头变体。借助 GPT-6 Astra，这些代理还可以调用外部工具来处理 3D 建模中的复杂手工工作。
据 Mashrabov 称，这种工具调用能力解决了创意 AI 最困难的问题之一：在更长的视频中保持一致性。跨多个镜头的一致性是将可用的长视频与一组不连贯片段区分开来的关键，也是历史上限制 AI 生成视频时长的约束。
Higgsfield AI YouTube 频道上的教学视频生成
Higgsfield AI 运营着一个 YouTube 频道，Mashrabov 称其拥有近 50 万订阅者，该公司在该频道上教授创意人员如何使用 AI 模型和工作流程。制作这些内容过去需要大量的手工劳动。
借助 GPT-6 Astra，团队构建了一个工作流程，利用 AI 生成超过 10 分钟的教学视频。因此，该频道既是一种营销资产，也是长视频能力的内部展示。
哈萨克斯坦的教育应用案例
Mashrabov 表示，较长的教学视频对他个人而言意义重大。他支持哈萨克斯坦的农村学校，并描述了一项早期工作，该工作利用 GPT-6 Astra 的视觉理解能力来识别学生可能遇到困难的领域，然后创作针对这些学生学习需求的视频。
这是来源中描述的唯一教育应用，但未提供该工作的结果、指标或规模数据。
GPT-Image-2.5 用于可读文本和信息图
对于制作宣传内容的小型企业，Mashrabov 认为可读文本和精确的信息图可能与图像本身同样重要。他表示，GPT-Image-2.5 使没有大型制作预算的企业也能创作此类内容。
“GPT-Image-2.5 是目前最先进的模型，也是同类中首个能够可靠地在图像上呈现文本和信息图的模型。”
生成图像中的文本渲染一直是图像模型的持续弱点，因此 Mashrabov 特别将其视为商业宣传工作的差异化因素。
Codex 与从创意到成品之路
据来源称，Higgsfield AI 通过约 200 名创意人员和 100 名工程师的紧密协作来构建其产品。Codex 为创意团队提供了 Mashrabov 所描述的“真正强大软件工程师的力量”。
创意人员使用 Codex 将想法转化为软件原型。此前，将这些原型投入生产需要前端和后端工程师的大量参与。Mashrabov 表示，GPT-6 Astra 现在减少了将这些想法带入产品所需的工作：
“GPT-6 Astra 可以交付生产级代码，这在以前是不可能的。”
随着原型制作和生产之间摩擦的减少，Mashrabov 表示 Higgsfield AI 可以更快地开发和交付更好的产品。
使用 GPT-Live-1 实现语音到视频
Higgsfield AI 的下一个目标是 Mashrabov 所称的“语音到电影”：创作者描述一个想法，并在说话时看着它成形，AI 理解口头意图并实时渲染视觉。
他指出，OpenAI 在规划、工具调用、图像生成和语音方面的进步使这一体验更近了一步，并称其语音模型“在语音理解和日常交流方面处于行业领先地位”。所述目标是让创作电影更像描述一个想法，而 AI 处理中间更多的工作。
来源未明确说明的内容
这篇文章是供应商客户故事，而非技术论文或基准报告。它不包含长视频的测量质量指标、所列任何模型的定价或可用性详细信息、10 分钟输出的确切分辨率或帧率，也未提及语音到视频功能的发布日期。它提供的数字是 Higgsfield AI 自己的：以前视频时长上限约为 1 分钟，现在超过 10 分钟，YouTube 订阅者近 50 万，团队约 200 名创意人员和 100 名工程师。