Higgsfield Genjutsu 是怎么工作的？Maboroshi 如何用更低的价格做到同样的效果（2026）

By DeHub Team — 2026-10-24

Higgsfield Genjutsu 拿一段真实视频，替换其中的一样东西：一个人、一只宠物、一件商品或一套服装。镜头运动、节奏和背景都和拍摄时一模一样。Higgsfield 没有公开它的原理，所以大多数人以为它是一个神秘的模型。

其实不是。拆开来看，Genjutsu 式的编辑是一条由八个步骤组成的链条，几乎每一环都是知名的开源模型。我们把这条链条重建成了 DeHub Creator 里的 Maboroshi。自己跑一遍之后，我们看清了成本到底花在哪里，这也是我们能收费更低的原因。

本指南用每一步的真实画面逐步讲解。接着介绍如何改变整个场景、每个选项的价格，以及视频做好之后还能做什么。

Higgsfield Genjutsu 能做什么

根据 Higgsfield 官方的 Genjutsu 页面，它有两种模式：

• Motion Transfer。 你视频里的动作驱动一个新角色或一个重建的场景。
• Object Swap。 替换你指定的一个元素，画面其余部分保持不变。Higgsfield 给出的例子是商品、道具和服装。

你上传一段 4 到 30 秒的视频，添加最多 30 张参考图，然后从 30 多个预设中选一个，或者写一段简短描述。输出最高 1080p。Higgsfield 没有说底层用的是哪些模型。

你能看到的是结果。镜头运动保留了下来，光线对得上，新主体站在正确的物体后面，嘴型也跟着声音动。单靠一个 text-to-video 模型做不到这些，所以必须先有东西去测量原视频。这个测量环节就是大家说的逆向工程，它分成八项工作。

原理详解，一步一步来

我们的起点是 Sirio Berati 开发、采用 MIT 许可的 Genjutsu Open Source Workflow。它证明了这种效果可以用开源组件重建。我们保留了关键步骤，替换了对真实用户不安全的部分，并加入了支付、审核和恢复功能。下面每张图都是在真实视频上实际运行该步骤得到的。

第 1 步：规范化视频

每个上传的视频都会被转成稳定的每秒 24 帧，并缩放到长边最多 960 像素。手机拍的视频经常是可变帧率，会让模型不同步。固定帧率和固定尺寸让后面每一步都在同一个网格上工作，也让处理又快又便宜。

视频必须不超过 30 秒，而且必须有音轨。在 Maboroshi 的 Kling 路线上，视频需要 3 到 15 秒，每条边至少 720 像素。

第 2 步：剥离音轨

在任何生成开始之前，先把音频拿下来。开源模型 Demucs 把人声和音乐分开，这样视频模型只拿到它需要的东西。完整的原始音轨原封不动地单独保存。

这就是成片听起来和原视频一模一样的原因。视频模型处理音频很差：会改变节奏、把声音弄糊，或者凭空造出新声音。所以原始音轨从一开始就不经过模型。

第 3 步：生成深度图

深度模型逐帧估算每个像素离镜头有多远。Maboroshi 使用 Video Depth Anything，它专为视频打造，帧与帧之间很稳定。下面这张图是用一个更小的单帧深度模型做的，但原理一样：近的亮，远的暗。

有了深度，新主体才能站在同一个位置、保持正确的大小，在出租车前面、路灯杆后面。没有深度，替换后的角色就会像飘在空中。

第 4 步：抠出主体

SAM 3 Video 是 Meta 面向视频的 Segment Anything，它会找到你指定的主体（例如“person”），并在每一帧里给它画出干净的蒙版。边缘的小碎片会被自动清理，避免零散像素干扰模型。蒙版准确告诉渲染器哪些要换、哪些不动。

第 5 步：追踪面部

MediaPipe Face Landmarker 在每一帧的每张脸上描出一个由 478 个点组成的网格。这个网格把表情、转头和嘴唇动作带到新角色身上。这就是为什么替换后的猫看起来依然像在唱那句歌词。

第 6 步：由你审核控制视频

深度、蒙版和面部网格会合成一段控制视频，在任何花钱的步骤之前先给你看。如果抠图不对，你可以就此停下，不再付任何费用。最终渲染只会在你批准的那个版本上运行。只要更换视频、主体或参考图，批准就会重置。

Higgsfield 不会给你看这个阶段。我们认为这是最有用的一步，因为蒙版不好是付费渲染出错的头号原因。

第 7 步：渲染

渲染有两种方式：

• Seedance Premium 路线。 Seedance 2.5 reference-to-video 根据控制视频和你的参考图先渲染一个便宜的草稿。只有你喜欢草稿时才为 1080p 付费，最终版就从同一个草稿完成，所以你批准的就是你拿到的。
• Kling 路线。 原视频和一两张角色图一次性交给 Kling O3 video-to-video edit。没有准备步骤，也没有草稿。更快更便宜，是我们大多数替换的默认选择。

第 8 步：放回原声

两条路线最后都会把完整的原始音轨放回去，直接复制而不是重新编码。人声、节拍和时间点都和你拍的时候完全一样，这也是大家并排比较成片时最先注意到的地方。

改变任何场景，或场景里的任何东西

2026 年 10 月 12 日，Higgsfield 推出了 Katana，一个在 AI 聊天里运行的剪辑技能。你给它一段参考视频或素材库里的预设，再加上最多五张人物、商品或服装照片，它会围绕这些素材重建整段剪辑，保留参考视频的镜头结构和节奏，只重新渲染你修改的镜头。它需要有效的 Higgsfield 套餐，并消耗该套餐的积分。

DeHub 用三个工具完成同样的工作，全部按条计费：

• Remake，适合多镜头剪辑。 上传一段有剪辑点的视频。Maboroshi 会自动找到剪辑点，或者由你手动标记（最多七个），然后把视频分成最多八个镜头。每个镜头都可以单独指导，任何一个镜头都能重做最多五次而不影响其他镜头。满意之后，镜头会按顺序和原始音频重新拼接，拼接不额外收费。每个镜头的价格和普通 Kling 替换一样。
• Kling O3 Character Swap，替换画面里的任何东西。 在 DeHub Creator 中，这个模型可以根据最多四张图片把角色、商品或场景换进你的视频。用它来换掉汽车、别人手里的饮料、夹克或背后的街道。
• Seedance 2.0 风格重绘，改变整个场景。 同样在 Creator 中，上传视频并描述新的样子，比如夜晚、黏土动画或暴风雪。动作保持不变，周围的整个世界都会改变。

下图展示了 Remake 在我们自己的宣传视频上做的剪辑点检测。它自动找到了三个剪辑点，把视频分成了四个镜头。

为什么我们能更便宜

除了渲染，上面每一步运行成本都很低。规范化、音频分离、深度、蒙版和面部网格都在我们自己的服务器上运行，只花几美分。钱主要花在按秒计费的最终渲染模型上。所以我们：

• 按秒计费。 5 秒的视频不会按 15 秒收费。
• 不需要时跳过付费步骤。 Kling 路线没有准备费，也没有单独的高清费。
• 先让你检查。 付款前你先批准蒙版，被浪费的付费渲染就更少。
• 不收订阅费。 你只为眼前这条视频付费，在 DeHub 充值的余额永不过期。

一段 15 秒视频的价格对比：

• Higgsfield Genjutsu，1080p：144 积分，约 $7.20，需要套餐
• Higgsfield Genjutsu，720p：104 积分，约 $5.20，需要套餐
• DeHub Maboroshi，Kling 路线，含蒙版审核和原声：$4.55
• DeHub Creator，1080p 的 Kling O3 Character Swap：$3.02
• Higgsfield Genjutsu，480p：40 积分，约 $2.00，需要套餐

更短的视频，按秒计费更划算：

• 5 秒：Maboroshi $1.75，Creator 替换 $1.01
• 10 秒：Maboroshi $3.15，Creator 替换 $2.02
• 15 秒：Maboroshi $4.55，Creator 替换 $3.02

两点诚实的说明。如果你只需要 480p 的视频，而且已经买了 Higgsfield 套餐，它的 $2.00 更便宜。另外，我们的 Seedance Premium 路线在完整 1080p 下比 Higgsfield 贵很多，15 秒约 $31，因为每一秒输入和输出都按接近我们模型成本的价格计费。详细拆解见我们的 Higgsfield Genjutsu 替代方案指南。

剪辑、发布、赚钱

Higgsfield 到下载按钮就结束了。在 DeHub，视频只是起点，不是终点。

内置视频编辑器。 DeHub 的视频编辑器可以在浏览器和 DeHub 应用中使用。它是真正的多轨时间线，不只是一个裁剪滑块。把 Maboroshi 视频和你的其他素材放在一起，然后：

• 按场景切换和音乐节拍剪辑。
• 添加字幕，并把整条字幕轨翻译成其他语言。
• 去除背景。
• 生成配乐或音效。
• 直接把屏幕或声音录进时间线。

项目会带着版本历史保存到云端，你还可以分享剪辑，收集带时间戳的审阅评论。

围绕它的社交应用。 DeHub 既是工作室，也是一个社交网络，所以剪好的作品可以直接从编辑器发成帖子或 Short。在那里，观众可以给你打赏，你的播放量会计入 watch-to-earn 奖励。说其他语言的观众可以选择开启自动配音。DeHub 还在不断完善信息流、Shorts、直播，以及可以定时发帖的 AI 智能体。

一个账号搞定全流程：做替换、剪成片、发出去、拿收益。

马上试试

1. 想替换主体，打开 dehub.io/creator/maboroshi；想改变画面里的任何东西，在 DeHub Creator 里选择 Kling O3 Character Swap。
2. 上传一段带声音的短视频，以及一两张清晰的参考图。
3. 检查蒙版、批准，然后渲染。付款前会以美元显示价格。
4. 在视频编辑器中打开结果，完成剪辑，然后发布到你的信息流。

常见问题

Higgsfield Genjutsu 是怎么工作的？

Higgsfield 没有公开它的流程。这类效果的做法是先测量原视频：帧率、声音、深度、主体轮廓和面部网格。然后由 reference-to-video 或 video-edit 模型只重新渲染主体，最后放回原始音频。Maboroshi 运行的正是这条链条，本指南展示了每一步。

Genjutsu 式编辑用到了哪些模型？

在 Maboroshi 中：音频用 Demucs，深度用 Video Depth Anything，蒙版用 SAM 3 Video，面部用 MediaPipe Face Landmarker，渲染用 Seedance 2.5 reference-to-video 或 Kling O3 video-to-video edit。

Maboroshi 比 Higgsfield Genjutsu 便宜吗？

在 720p 和 1080p 下是的。一段 15 秒视频在 Maboroshi 的 Kling 路线上是 $4.55，用 Creator 的 Kling O3 Character Swap 是 $3.02，而 Higgsfield 分别约为 $5.20 和 $7.20。两个 DeHub 选项都不需要订阅。如果你已经有套餐，Higgsfield 的 480p 选项约 $2.00，会更便宜。

Higgsfield Katana 是什么？DeHub 有类似的功能吗？

Katana 是 Higgsfield 基于聊天的技能，用你自己的人物、商品或服装重建一段参考剪辑。在 DeHub 上，Remake 逐个镜头重建多镜头视频，Kling O3 Character Swap 替换角色、商品或场景，Seedance 2.0 为整个场景换风格。三者都按条计费。

除了人物，能换背景或物品吗？

可以。在 DeHub Creator 中用 Kling O3 Character Swap 根据参考图替换商品或场景，或用 Seedance 2.0 通过提示词给整段视频换风格。Maboroshi 本身会让背景保持拍摄时的样子，这正是干净替换主体所需要的。

原声会保留吗？

会。在 Maboroshi 的两条路线上，完整的原始音轨都会原封不动地复制回成片。

补充说明

Higgsfield 的 Genjutsu 数据来自其 Genjutsu 页面，于 2026 年 9 月核实。Katana 的细节来自 Higgsfield 于 2026 年 10 月 12 日发布的 Katana 文章。Higgsfield 以积分定价且经常调整套餐，比较前请先查看其最新价格。DeHub 的价格为撰写时的零售价，每一步之前显示的价格始终就是你实际支付的价格。第 3 步的深度图是为了说明而用单帧深度模型制作的，Maboroshi 本身使用的是 Video Depth Anything。