Paano Gumagana ang Higgsfield Genjutsu? At Paano Ginagawa ng Maboroshi ang Parehong Trabaho sa Mas Mura (2026)

By DeHub Team — 2026-10-24

How Higgsfield Genjutsu works, and how DeHub Maboroshi does the same job for less

Kumukuha ang Higgsfield Genjutsu ng totoong video at pinapalitan ang isang bagay dito: isang tao, alagang hayop, produkto, o damit. Ang galaw ng camera, ang timing at ang background ay nananatiling eksakto gaya ng pagkakakuha. Hindi sinasabi ng Higgsfield kung paano ito gumagana, kaya akala ng karamihan ay isa itong lihim na modelo.

Hindi ganoon. Kapag binaklas mo, ang pag-edit na estilong Genjutsu ay kadena ng walong hakbang, at halos bawat kawing ay kilalang open na modelo. Binuo namin muli ang kadenang iyon bilang Maboroshi, sa loob ng DeHub Creator. Nang kami mismo ang nagpatakbo nito, nakita namin kung saan talaga napupunta ang gastos, at iyon ang dahilan kung bakit mas mura ang singil namin.

Dinadaanan ng gabay na ito ang bawat hakbang na may totoong frame mula sa bawat isa. Pagkatapos, tinatalakay nito ang pagbabago ng buong eksena, ang presyo ng bawat opsyon, at ang nangyayari sa clip mo kapag tapos na ito.

Ano ang ginagawa ng Higgsfield Genjutsu

Ayon sa sariling Genjutsu page ng Higgsfield, may dalawang mode ka:

Motion Transfer. Ang galaw mula sa clip mo ang nagpapagalaw sa bagong karakter o sa muling binuong eksena.
Object Swap. Isang elementong pinangalanan mo ang pinapalitan habang nananatili ang natitirang bahagi ng shot. Ang mga halimbawa ng Higgsfield ay mga produkto, props at damit.

Mag-a-upload ka ng isang clip na 4 hanggang 30 segundo, magdadagdag ng hanggang 30 reference image, at pipili ng isa sa 30+ preset o magsusulat ng maikling paglalarawan. Hanggang 1080p ang output. Hindi sinasabi ng Higgsfield kung anong mga modelo ang tumatakbo sa ilalim.

Ang nakikita mo ay ang resulta. Nananatili ang galaw ng camera, tugma ang ilaw, nasa likod ng tamang mga bagay ang bagong subject, at gumagalaw ang bibig kasabay ng boses. Hindi iyon kaya ng text-to-video model nang mag-isa, kaya may kailangang sumukat muna sa orihinal na clip. Ang pagsukat na iyon ang tinatawag ng mga tao na reverse engineering, at nahahati ito sa walong trabaho.

Paano ito gumagana, hakbang-hakbang

Ang panimulang punto namin ay ang Genjutsu Open Source Workflow ni Sirio Berati na may MIT license. Ipinakita nito na kayang buuin muli ang epekto mula sa mga open na bahagi. Pinanatili namin ang mga hakbang na mahalaga, pinalitan ang mga hindi ligtas para sa totoong user, at nagdagdag ng bayad, review at recovery. Bawat larawan sa ibaba ay ginawa sa pagpapatakbo ng hakbang sa isang totoong clip.

Hakbang 1: I-normalise ang clip

Bawat upload ay kino-convert sa tuloy-tuloy na 24 frame bawat segundo at pinaliliit hanggang 960 pixel sa mahabang gilid nito. Madalas na pabago-bago ang frame rate ng kuha sa phone, kaya nawawala sa sync ang modelo. Ang nakapirming rate at sukat ay nagbibigay sa bawat susunod na hakbang ng iisang grid, at pinananatiling mabilis at mura ang pagproseso.

Dapat 30 segundo o mas maikli ang clip at dapat may sound track. Sa Kling route ng Maboroshi, dapat 3 hanggang 15 segundo ito, at hindi bababa sa 720 pixel bawat gilid.

Tatlong frame ng lalaking naglalakad sa Times Square matapos i-normalise sa tuloy-tuloy na 24 frame bawat segundo

Hakbang 2: Ihiwalay ang soundtrack

Inaalis ang audio bago magsimula ang anumang generation. Ang Demucs, isang open na modelo, ay naghihiwalay ng boses sa musika, kaya ang ibinibigay lang sa video model ay ang kailangan nito. Ang buong orihinal na track ay itinatabi, hindi ginagalaw.

Ito ang dahilan kung bakit ang tapos na clip ay tunog na eksaktong gaya ng orihinal mo. Mahina ang mga video model sa audio: binabago nila ang timing, pinalalabo, o nag-iimbento ng bagong tunog. Kaya hindi na dumadaan sa modelo ang orihinal na track kahit kailan.

Itinatabi ang orihinal na soundtrack bago ang generation at ibinabalik, bit por bit, sa dulo

Hakbang 3: I-map ang lalim

Tinatantya ng depth model kung gaano kalayo ang bawat pixel mula sa camera, frame bawat frame. Gumagamit ang Maboroshi ng Video Depth Anything, na ginawa para sa video at matatag mula sa isang frame papunta sa susunod. Ang larawan sa ibaba ay ginawa gamit ang mas maliit na single-frame depth model, pero pareho ang ideya: maliwanag ang malapit, madilim ang malayo.

Ang lalim ang nagpapahintulot sa bagong subject na tumayo sa parehong lugar, sa tamang laki, sa harap ng mga taxi at sa likod ng poste ng ilaw. Kung wala ito, lumulutang ang mga pinalitang karakter.

Isang frame ng Times Square katabi ng depth map nito, kung saan pinakamaliwanag ang naglalakad na lalaki dahil siya ang pinakamalapit sa camera

Hakbang 4: I-cut out ang subject

Ang SAM 3 Video, ang Segment Anything ng Meta para sa video, ay hinahanap ang subject na pinangalanan mo (halimbawa "person") at gumuguhit ng malinis na mask sa paligid nito sa bawat frame. Awtomatikong nililinis ang maliliit na piraso sa gilid para hindi malito ang modelo sa mga ligaw na pixel. Sinasabi ng mask sa renderer kung ano mismo ang papalitan at ano ang hindi gagalawin.

Ang subject sa isang frame ng Times Square na na-cut out bilang isang malinis na puting mask, madilim ang kalye sa paligid

Hakbang 5: Sundan ang mukha

Ang MediaPipe Face Landmarker ay gumuguhit ng mesh na may 478 punto sa bawat mukha, bawat frame. Dala ng mesh na iyon ang ekspresyon, paglingon ng ulo at galaw ng labi papunta sa bagong karakter. Kaya mukha pa ring kumakanta ang pinalitang pusa.

Isang selfie sa platform ng tren na may 478-puntong face mesh na iginuhit sa mukha ng subject

Hakbang 6: Ire-review mo ang control video

Pinagsasama ang lalim, mask at face mesh sa iisang control video, at makikita mo ito bago mangyari ang anumang mahal. Kung mali ang cut-out, hihinto ka roon at wala ka nang babayaran. Tumatakbo lang ang final render sa eksaktong bersyong inaprubahan mo. Palitan ang clip, ang subject o ang reference at mare-reset ang approval.

Hindi ipinapakita ng Higgsfield ang yugtong ito. Sa tingin namin ito ang pinakakapaki-pakinabang, dahil ang masamang mask ang pangunahing dahilan kung bakit mali ang bumabalik na bayad na render.

Ang source frame katabi ng pinagsamang control video: lalim na kulay abo at subject mask na puti, may Approve button

Hakbang 7: Render

Tumatakbo ang render sa isa sa dalawang paraan:

Seedance Premium route. Ang Seedance 2.5 reference-to-video ay nagre-render ng murang draft mula sa control video at sa mga reference image mo. Magbabayad ka lang para sa 1080p kung gusto mo ang draft, at tinatapos ang final mula sa parehong draft, kaya ang inaprubahan mo ang makukuha mo.
Kling route. Ang orihinal na clip at isa o dalawang larawan ng karakter ay ipinapadala sa Kling O3 video-to-video edit sa isang pasada. Walang paghahanda at walang draft. Mas mabilis at mas mura ito, at ito ang default namin para sa karamihan ng swap.

Bago at pagkatapos: ang lalaki sa tawiran ay naging malambot na pusa, parehong hakbang at parehong kalye

Hakbang 8: Ibalik ang orihinal na tunog

Parehong route ay nagtatapos sa pagbabalik ng buong orihinal na audio track, kinopya at hindi ni-re-encode. Ang boses, ang beat at ang timing ay eksaktong gaya ng pagkakakuha mo, at iyon ang unang napapansin ng mga tao kapag pinaghahambing nila ang mga output nang magkatabi.

Pagbabago ng anumang eksena, o anumang bagay rito

Noong Oktubre 12, 2026, inilunsad ng Higgsfield ang Katana, isang editing skill na tumatakbo sa loob ng AI chat. Bibigyan mo ito ng reference video, o preset mula sa library nito, at hanggang limang larawan ng tao, produkto o damit. Binubuo nito muli ang buong edit sa paligid nila, pinananatili ang shot structure at pacing ng reference, at nire-render lang muli ang mga shot na itinatama mo. Kailangan nito ng aktibong Higgsfield plan at gumagastos ng credits ng plan na iyon.

Anumang eksena, anumang bagay: buuin muli ang reference edit nang shot bawat shot sa DeHub

Ginagawa ng DeHub ang parehong trabaho gamit ang tatlong tool, lahat may presyo bawat clip:

Remake, para sa multi-shot na edit. Mag-upload ng clip na may mga cut. Hinahanap ng Maboroshi mismo ang mga cut point, o ikaw ang magmamarka (hanggang pito), at hinahati ang clip sa hanggang walong shot. Bawat shot ay may sariling direksyon, at puwede mong ulitin ang alinmang shot nang hanggang limang beses nang hindi ginagalaw ang iba. Kapag masaya ka na, pinagdudugtong muli ang mga shot ayon sa pagkakasunod kasama ang orihinal na audio, at walang dagdag na bayad ang pagdudugtong. Bawat shot ay may presyong gaya ng normal na Kling swap.
Kling O3 Character Swap, para sa anumang nasa frame. Sa DeHub Creator, ipinapasok ng modelong ito ang mga karakter, produkto o tanawin sa clip mo mula sa hanggang apat na larawan. Gamitin ito para palitan ang kotse, ang inumin sa kamay ng isang tao, ang jacket, o ang kalye sa likod nila.
Seedance 2.0 restyle, para sa buong eksena. Sa Creator din, mag-upload ng video at ilarawan ang bagong itsura, gaya ng gabi, claymation o snowstorm. Nananatili ang galaw at nagbabago ang buong mundo sa paligid nito.

Ipinapakita ng larawan sa ibaba ang cut detection ng Remake sa sarili naming promo video. Awtomatiko itong nakahanap ng tatlong cut at hinati ang clip sa apat na shot.

Hinahati ng Remake ang 19-segundong promo sa apat na shot sa tatlong awtomatikong natukoy na cut point

Bakit namin ito kayang gawin sa mas mura

Mura patakbuhin ang bawat hakbang sa itaas maliban sa render. Ang normalising, paghihiwalay ng audio, lalim, masking at face mesh ay tumatakbo sa sarili naming server at ilang sentimo lang ang gastos. Nasa final render model ang pera, na sinisingil bawat segundo. Kaya kami ay:

Naniningil bawat segundo. Ang 5-segundong clip ay hindi sinisingil na parang 15-segundong clip.
Nilalaktawan ang bayad na hakbang kapag hindi kailangan. Walang preparation charge at walang hiwalay na HD charge ang Kling route.
Pinasusuri ka muna. Inaaprubahan mo ang mask bago magbayad, kaya mas kaunting bayad na render ang nasasayang.
Walang subscription. Binabayaran mo ang clip na nasa harap mo, at ang credit na na-top up sa DeHub ay hindi kailanman nag-e-expire.

Gastos ng 15-segundong swap: Higgsfield $7.20 sa 1080p, $5.20 sa 720p at $2.00 sa 480p, kumpara sa DeHub Maboroshi na $4.55 at Kling O3 swap ng DeHub Creator na $3.02

Isang 15-segundong clip, magkatabi:

Higgsfield Genjutsu, 1080p: 144 credits, mga $7.20, kailangan ng plan
Higgsfield Genjutsu, 720p: 104 credits, mga $5.20, kailangan ng plan
DeHub Maboroshi, Kling route, may mask review at orihinal na audio: $4.55
DeHub Creator, Kling O3 Character Swap sa 1080p: $3.02
Higgsfield Genjutsu, 480p: 40 credits, mga $2.00, kailangan ng plan

Mas maiikling clip, kung saan panalo ang pagsingil bawat segundo:

5 segundo: Maboroshi $1.75, Creator swap $1.01
10 segundo: Maboroshi $3.15, Creator swap $2.02
15 segundo: Maboroshi $4.55, Creator swap $3.02

Presyo ayon sa haba sa DeHub: $1.75, $3.15 at $4.55 sa Maboroshi, at $1.01, $2.02 at $3.02 sa Kling O3 swap ng Creator, sa ilalim ng 15-segundong linya ng Higgsfield

Dalawang tapat na paalala. Kung 480p clip lang ang kailangan mo at nagbabayad ka na ng Higgsfield plan, mas mura ang $2.00 nila. At ang Seedance Premium route namin sa buong 1080p ay mas mahal nang malaki kaysa sa Higgsfield, mga $31 para sa 15 segundo, dahil sinisingil nito ang bawat segundo ng input at output malapit sa gastos ng modelo sa amin. Ipinaliliwanag namin iyon sa aming gabay sa alternatibo sa Higgsfield Genjutsu.

I-edit, i-post, kumita

Humihinto ang Higgsfield sa download button. Sa DeHub, simula ang clip, hindi katapusan ng trabaho.

I-edit, i-post, kumita: ang video editor at feed ng DeHub

Ang built-in na video editor. Ang video editor ng DeHub ay tumatakbo sa browser mo at sa DeHub app. Totoong multi-track timeline ito, hindi lang trim slider. Ilagay ang Maboroshi clip mo katabi ng iba mong footage, pagkatapos:

Mag-cut sa mga palit ng eksena at beat ng musika.
Magdagdag ng caption, at isalin ang buong caption track sa ibang wika.
Magtanggal ng background.
Gumawa ng soundtrack o sound effects.
Mag-record ng screen o boses mo nang diretso sa timeline.

Nase-save ang mga proyekto sa cloud na may version history, at puwede kang mag-share ng cut para sa mga review comment na may timestamp.

Ang social app sa paligid nito. Ang DeHub ay isang social network at studio rin, kaya ang tapos na edit ay diretsong napupunta mula sa editor papunta sa post o Short. Doon, puwede kang bigyan ng tip ng mga manonood, at ang views mo ay binibilang para sa watch-to-earn rewards. Puwedeng i-on ng mga manonood na ibang wika ang automatic dub. Patuloy na nagdadagdag ang DeHub sa feed, Shorts, live streaming at mga AI agent na puwedeng mag-post ayon sa iskedyul.

Isang account ang sumasaklaw sa buong ikot: gawin ang swap, i-cut sa isang edit, i-post ito at mabayaran para rito.

Subukan ito

Buksan ang dehub.io/creator/maboroshi para sa subject swap, o piliin ang Kling O3 Character Swap sa DeHub Creator para baguhin ang anumang nasa frame.
Mag-upload ng maikling clip na may tunog at isa o dalawang malinaw na reference image.
Suriin ang mask, aprubahan, at i-render. Ipinapakita ang presyo sa dolyar bago ka magbayad.
Buksan ang resulta sa video editor, tapusin ang cut mo, at i-post ito sa feed mo.

Mga madalas itanong

Paano gumagana ang Higgsfield Genjutsu?

Hindi inilalathala ng Higgsfield ang pipeline nito. Ang mga epektong tulad nito ay binubuo sa pagsukat muna sa orihinal na clip: ang frame rate, tunog, lalim, balangkas ng subject at face mesh. Pagkatapos, nire-render muli ng reference-to-video o video-edit model ang subject lang, at ibinabalik ang orihinal na audio sa dulo. Pinatatakbo ng Maboroshi ang eksaktong kadenang iyon, at ipinapakita ng gabay na ito ang bawat hakbang.

Anong mga modelo ang ginagamit ng pag-edit na estilong Genjutsu?

Sa Maboroshi: Demucs para sa audio, Video Depth Anything para sa lalim, SAM 3 Video para sa mask, MediaPipe Face Landmarker para sa mukha, at Seedance 2.5 reference-to-video o Kling O3 video-to-video edit para sa render.

Mas mura ba ang Maboroshi kaysa sa Higgsfield Genjutsu?

Sa 720p at 1080p, oo. Ang 15-segundong clip ay $4.55 sa Kling route ng Maboroshi at $3.02 sa Kling O3 Character Swap ng Creator, kumpara sa mga $5.20 at $7.20 sa Higgsfield. Walang DeHub na opsyon ang nangangailangan ng subscription. Ang 480p na opsyon ng Higgsfield, na mga $2.00, ay mas mura kung may plan ka na.

Ano ang Higgsfield Katana, at may katulad ba nito ang DeHub?

Ang Katana ay chat-based na skill ng Higgsfield para buuin muli ang isang reference edit gamit ang sarili mong mga tao, produkto o damit. Sa DeHub, binubuo muli ng Remake ang mga multi-shot clip nang shot bawat shot, pinapalitan ng Kling O3 Character Swap ang mga karakter, produkto o tanawin, at binabago ng Seedance 2.0 ang estilo ng buong eksena. Lahat ng tatlo ay may presyo bawat clip.

Puwede ko bang palitan ang background o mga bagay, hindi lang ang tao?

Oo. Gamitin ang Kling O3 Character Swap sa DeHub Creator para magpalit ng produkto o tanawin mula sa mga reference image, o Seedance 2.0 para baguhin ang estilo ng buong clip gamit ang prompt. Ang Maboroshi mismo ay pinananatili ang background eksakto gaya ng pagkakakuha, na siyang gusto mo para sa malinis na subject swap.

Nananatili ba ang orihinal na audio?

Oo. Sa parehong route ng Maboroshi, kinokopya pabalik sa tapos na clip ang buong orihinal na track, hindi ginagalaw.

Ang maliliit na detalye

Ang mga numero ng Genjutsu ng Higgsfield ay mula sa Genjutsu page nito na sinuri noong Setyembre 2026. Ang mga detalye ng Katana ay mula sa artikulo ng Higgsfield tungkol sa Katana noong Oktubre 12, 2026. Nagpepresyo ang Higgsfield sa credits at madalas magpalit ng plan, kaya tingnan ang live na presyo nito bago maghambing. Ang mga presyo ng DeHub ay retail rate sa oras ng pagsulat, at ang presyong ipinapakita bago ang bawat hakbang ay laging ang presyong babayaran mo. Ang depth image sa hakbang 3 ay ginawa gamit ang single-frame depth model para sa paglalarawan. Ang Maboroshi mismo ay gumagamit ng Video Depth Anything.