¿Cómo funciona Higgsfield Genjutsu? Y cómo Maboroshi hace el mismo trabajo por menos (2026)

Por DeHub Team — 2026-10-24

Higgsfield Genjutsu toma un vídeo real y cambia una sola cosa: una persona, una mascota, un producto, un atuendo. El movimiento de cámara, el ritmo y el fondo quedan exactamente como se grabaron. Higgsfield no explica cómo funciona, así que la mayoría cree que es un único modelo secreto.

No lo es. Si lo desmontas, la edición estilo Genjutsu es una cadena de ocho pasos, y casi cada eslabón es un modelo abierto conocido. Reconstruimos esa cadena como Maboroshi, dentro de DeHub Creator. Ejecutarla nosotros mismos nos mostró dónde se va realmente el dinero, y por eso podemos cobrar menos.

Esta guía recorre cada paso con un fotograma real de cada uno. Después explica cómo cambiar una escena entera, cuánto cuesta cada opción y qué pasa con tu clip una vez hecho.

Qué hace Higgsfield Genjutsu

Según la propia página de Genjutsu de Higgsfield, tienes dos modos:

• Motion Transfer. El movimiento de tu clip impulsa a un personaje nuevo o una escena reconstruida.
• Object Swap. Se sustituye un elemento que tú indicas y el resto de la toma se queda igual. Los ejemplos de Higgsfield son productos, accesorios y atuendos.

Subes un clip de 4 a 30 segundos, añades hasta 30 imágenes de referencia y eliges uno de más de 30 presets o escribes una descripción corta. La salida llega hasta 1080p. Higgsfield no dice qué modelos funcionan por debajo.

Lo que sí puedes ver es el resultado. El movimiento de cámara se mantiene, la iluminación coincide, el nuevo sujeto queda detrás de los objetos correctos y la boca se mueve al ritmo de la voz. Un modelo de texto a vídeo por sí solo no puede hacer eso, así que algo tiene que medir primero el clip original. Esa medición es lo que la gente llama ingeniería inversa, y se divide en ocho tareas.

Cómo funciona, paso a paso

Nuestro punto de partida fue el Genjutsu Open Source Workflow de Sirio Berati, con licencia MIT. Demostró que el efecto se podía reconstruir con piezas abiertas. Mantuvimos los pasos importantes, sustituimos los que no eran seguros para usuarios reales y añadimos pagos, revisión y recuperación. Cada imagen de abajo se hizo ejecutando el paso sobre un clip real.

Paso 1: normalizar el clip

Cada subida se convierte a 24 fotogramas por segundo constantes y se escala a un máximo de 960 píxeles en su lado largo. El vídeo del móvil suele tener una frecuencia de fotogramas variable, lo que hace que el modelo se desincronice. Una frecuencia y un tamaño fijos dan a cada paso posterior la misma cuadrícula de trabajo y mantienen el procesamiento rápido y barato.

El clip debe durar 30 segundos o menos y debe tener pista de sonido. En la ruta Kling de Maboroshi debe durar de 3 a 15 segundos, con al menos 720 píxeles por lado.

Paso 2: separar la banda sonora

El audio se retira antes de cualquier generación. Demucs, un modelo abierto, separa la voz de la música, así que al modelo de vídeo solo se le entrega lo que necesita. La pista original completa se guarda aparte, intacta.

Por eso el clip terminado suena exactamente como tu original. Los modelos de vídeo son malos con el audio: lo desfasan, lo emborronan o se inventan sonidos. Así que la pista original nunca pasa por el modelo.

Paso 3: mapear la profundidad

Un modelo de profundidad estima a qué distancia de la cámara está cada píxel, fotograma a fotograma. Maboroshi usa Video Depth Anything, que está hecho para vídeo y se mantiene estable de un fotograma al siguiente. La imagen de abajo se hizo con un modelo de profundidad más pequeño, de un solo fotograma, pero la idea es la misma: lo cercano es claro, lo lejano es oscuro.

La profundidad es lo que permite que el nuevo sujeto quede en el mismo sitio, al tamaño correcto, delante de los taxis y detrás de la farola. Sin ella, los personajes cambiados parecen flotar.

Paso 4: recortar al sujeto

SAM 3 Video, el Segment Anything de Meta para vídeo, encuentra el sujeto que nombras (por ejemplo "person") y dibuja una máscara limpia a su alrededor en cada fotograma. Los pequeños fragmentos de los bordes se limpian automáticamente para que los píxeles sueltos no confundan al modelo. La máscara le dice al renderizador exactamente qué sustituir y qué dejar en paz.

Paso 5: seguir la cara

MediaPipe Face Landmarker traza una malla de 478 puntos sobre cada cara, en cada fotograma. Esa malla lleva las expresiones, los giros de cabeza y el movimiento de los labios al nuevo personaje. Por eso un gato cambiado puede seguir pareciendo que canta la frase.

Paso 6: revisas el vídeo de control

Profundidad, máscara y malla facial se combinan en un único vídeo de control, y lo ves antes de que ocurra nada caro. Si el recorte está mal, te detienes ahí y no pagas nada más. El render final solo se ejecuta sobre la versión exacta que aprobaste. Cambia el clip, el sujeto o la referencia y la aprobación se reinicia.

Higgsfield no te muestra esta etapa. Creemos que es la más útil, porque una mala máscara es la principal razón por la que un render de pago sale mal.

Paso 7: renderizar

El render se hace de una de dos formas:

• Ruta Seedance Premium. Seedance 2.5 reference-to-video renderiza un borrador barato a partir del vídeo de control y tus imágenes de referencia. Solo pagas el 1080p si te gusta el borrador, y el final se termina a partir de ese mismo borrador, así que recibes lo que aprobaste.
• Ruta Kling. El clip original y una o dos imágenes del personaje van a Kling O3 video-to-video edit en una sola pasada. No hay preparación ni borrador. Es más rápida y barata, y es nuestra opción por defecto para la mayoría de los cambios.

Paso 8: devolver el sonido original

Ambas rutas terminan colocando de nuevo la pista de audio original completa, copiada en lugar de recodificada. La voz, el ritmo y los tiempos quedan exactamente como los grabaste, que es lo primero que la gente nota al comparar resultados uno al lado del otro.

Cambiar cualquier escena, o cualquier cosa en ella

El 12 de octubre de 2026, Higgsfield lanzó Katana, una habilidad de edición que funciona dentro de un chat de IA. Le das un vídeo de referencia, o un preset de su biblioteca, y hasta cinco fotos de personas, productos o ropa. Reconstruye toda la edición a su alrededor, manteniendo la estructura de tomas y el ritmo de la referencia, y solo vuelve a renderizar las tomas que corriges. Necesita un plan activo de Higgsfield y gasta los créditos de ese plan.

DeHub cubre el mismo trabajo con tres herramientas, todas con precio por clip:

• Remake, para ediciones con varias tomas. Sube un clip con cortes. Maboroshi encuentra los puntos de corte por sí mismo, o los marcas tú (hasta siete), y divide el clip en hasta ocho tomas. Cada toma tiene su propia dirección, y puedes rehacer cualquier toma hasta cinco veces sin tocar el resto. Cuando estés contento, las tomas se vuelven a unir en orden con el audio original, y la unión no cuesta nada extra. Cada toma cuesta lo mismo que un cambio normal con Kling.
• Kling O3 Character Swap, para cualquier cosa del encuadre. En DeHub Creator, este modelo cambia personajes, productos o escenarios en tu clip a partir de hasta cuatro imágenes. Úsalo para cambiar el coche, la bebida en la mano de alguien, la chaqueta o la calle de detrás.
• Seedance 2.0 restyle, para toda la escena. También en Creator, sube un vídeo y describe un aspecto nuevo, como de noche, de plastilina o con una tormenta de nieve. El movimiento se queda y todo el mundo a su alrededor cambia.

La imagen de abajo muestra la detección de cortes de Remake en nuestro propio vídeo promocional. Encontró tres cortes automáticamente y dividió el clip en cuatro tomas.

Por qué podemos hacerlo por menos

Todos los pasos anteriores, salvo el render, son baratos de ejecutar. La normalización, la separación del audio, la profundidad, la máscara y la malla facial funcionan en nuestro propio servidor y cuestan céntimos. El dinero está en el modelo de render final, que se cobra por segundo. Así que:

• Cobramos por segundo. Un clip de 5 segundos no se cobra como uno de 15.
• Nos saltamos el paso de pago cuando no hace falta. La ruta Kling no tiene cargo de preparación ni cargo HD aparte.
• Te hacemos revisar primero. Apruebas la máscara antes de pagar, así que se tiran menos renders de pago.
• No cobramos suscripción. Pagas el clip que tienes delante, y el crédito que recargas en DeHub nunca caduca.

Un clip de 15 segundos, lado a lado:

• Higgsfield Genjutsu, 1080p: 144 créditos, unos $7.20, requiere plan
• Higgsfield Genjutsu, 720p: 104 créditos, unos $5.20, requiere plan
• DeHub Maboroshi, ruta Kling, con revisión de máscara y audio original: $4.55
• DeHub Creator, Kling O3 Character Swap a 1080p: $3.02
• Higgsfield Genjutsu, 480p: 40 créditos, unos $2.00, requiere plan

Clips más cortos, donde gana el cobro por segundo:

• 5 segundos: Maboroshi $1.75, cambio en Creator $1.01
• 10 segundos: Maboroshi $3.15, cambio en Creator $2.02
• 15 segundos: Maboroshi $4.55, cambio en Creator $3.02

Dos advertencias honestas. Si solo necesitas un clip en 480p y ya pagas un plan de Higgsfield, sus $2.00 salen más baratos. Y nuestra ruta Seedance Premium a 1080p completo cuesta mucho más que Higgsfield, unos $31 por 15 segundos, porque cobra cada segundo de entrada y de salida a un precio cercano a lo que nos cuesta el modelo. Lo desglosamos en nuestra guía de alternativa a Higgsfield Genjutsu.

Edítalo, publícalo, gana con él

Higgsfield se detiene en el botón de descarga. En DeHub el clip es un punto de partida, no el final del trabajo.

El editor de vídeo integrado. El editor de vídeo de DeHub funciona en tu navegador y en la app de DeHub. Es una línea de tiempo multipista de verdad, no un simple recortador. Pon tu clip de Maboroshi junto al resto de tu material y luego:

• Corta en los cambios de escena y en los golpes de la música.
• Añade subtítulos y traduce una pista de subtítulos entera a otro idioma.
• Elimina fondos.
• Genera una banda sonora o efectos de sonido.
• Graba tu pantalla o tu voz directamente en la línea de tiempo.

Los proyectos se guardan en la nube con historial de versiones, y puedes compartir un montaje para recibir comentarios con marca de tiempo.

La app social que lo rodea. DeHub es una red social además de un estudio, así que una edición terminada pasa directamente del editor a una publicación o a un Short. Ahí los espectadores pueden darte propinas y tus visualizaciones cuentan para las recompensas de watch-to-earn. Los espectadores de otros idiomas pueden activar un doblaje automático. DeHub sigue ampliando el feed, los Shorts, el streaming en directo y los agentes de IA que pueden publicar según un horario.

Una sola cuenta cubre todo el ciclo: haz el cambio, móntalo en una edición, publícalo y cobra por ello.

Pruébalo

1. Abre dehub.io/creator/maboroshi para cambiar un sujeto, o elige Kling O3 Character Swap en DeHub Creator para cambiar cualquier cosa del encuadre.
2. Sube un clip corto con sonido y una o dos imágenes de referencia claras.
3. Revisa la máscara, aprueba y renderiza. El precio se muestra en dólares antes de pagar.
4. Abre el resultado en el editor de vídeo, termina tu montaje y publícalo en tu feed.

Preguntas frecuentes

¿Cómo funciona Higgsfield Genjutsu?

Higgsfield no publica su proceso. Los efectos como este se construyen midiendo primero el clip original: su frecuencia de fotogramas, el sonido, la profundidad, el contorno del sujeto y la malla facial. Después, un modelo de referencia a vídeo o de edición de vídeo vuelve a renderizar solo al sujeto, y el audio original se coloca de nuevo al final. Maboroshi ejecuta exactamente esa cadena, y esta guía muestra cada paso.

¿Qué modelos usa la edición estilo Genjutsu?

En Maboroshi: Demucs para el audio, Video Depth Anything para la profundidad, SAM 3 Video para la máscara, MediaPipe Face Landmarker para la cara, y Seedance 2.5 reference-to-video o Kling O3 video-to-video edit para el render.

¿Es Maboroshi más barato que Higgsfield Genjutsu?

A 720p y 1080p, sí. Un clip de 15 segundos cuesta $4.55 en la ruta Kling de Maboroshi y $3.02 con el Kling O3 Character Swap de Creator, frente a unos $5.20 y $7.20 en Higgsfield. Ninguna de las opciones de DeHub necesita suscripción. La opción de 480p de Higgsfield, a unos $2.00, es más barata si ya tienes un plan.

¿Qué es Higgsfield Katana y tiene DeHub algo parecido?

Katana es la habilidad de Higgsfield basada en chat para reconstruir una edición de referencia con tus propias personas, productos o ropa. En DeHub, Remake reconstruye clips de varias tomas toma a toma, Kling O3 Character Swap cambia personajes, productos o escenarios, y Seedance 2.0 cambia el estilo de una escena entera. Las tres herramientas tienen precio por clip.

¿Puedo cambiar el fondo o los objetos, no solo a la persona?

Sí. Usa Kling O3 Character Swap en DeHub Creator para cambiar productos o escenarios a partir de imágenes de referencia, o Seedance 2.0 para cambiar el estilo de todo el clip con un prompt. Maboroshi en sí mantiene el fondo exactamente como se grabó, que es lo que quieres para un cambio de sujeto limpio.

¿Se conserva el audio original?

Sí. En las dos rutas de Maboroshi, la pista original completa se copia de nuevo en el clip terminado, intacta.

La letra pequeña

Las cifras de Genjutsu de Higgsfield proceden de su página de Genjutsu, consultada en septiembre de 2026. Los detalles de Katana proceden del artículo de Higgsfield sobre Katana del 12 de octubre de 2026. Higgsfield cobra en créditos y cambia sus planes a menudo, así que consulta sus precios actuales antes de comparar. Los precios de DeHub son tarifas al público en el momento de escribir esto, y el precio que se muestra antes de cada paso es siempre el que pagas. La imagen de profundidad del paso 3 se hizo con un modelo de profundidad de un solo fotograma como ilustración. Maboroshi en sí usa Video Depth Anything.