O czym jest ten film
- Jak tworzyć animowane filmy poradnikowe, edukacyjne i reklamowe niemal w pełni automatycznie z pomocą AI.
- Praca w narzędziu Higgsfield — od funkcji „superkomputer” po ręczne sterowanie procesem.
- Rola planszy stylistycznej i grafik referencyjnych w utrzymaniu spójności między scenami.
- Pięciokrokowy proces produkcji: scenariusz i storyboard, plansza stylu, głos, sceny, montaż.
- Dlaczego głos lektora warto nagrać na początku — to on nadaje tempo całemu filmowi.
- Integracja Higgsfield z Claude przez MCP i przeniesienie pracy na lokalne narzędzie.
- Realne testy czterech modeli wideo: Seedance 2.0, Kling 3.0, Omni Flash i Happy Horse.
- Pięć zadań testowych: styl tekstu, referencja, kolejność zdarzeń, fizyka i liczby, wideo produktowe.
- Koszty w kredytach — który model jest tani, a który drogi, i kiedy który się opłaca.
- Dodawanie napisów, wykresów i danych w montażu za pomocą narzędzia Remotion zamiast generowania ich w modelu wideo.
Redakcyjne tłumaczenie
Wprowadzenie
W tym materiale pokażę Ci, jak tworzyć animowane filmy z pomocą sztucznej inteligencji — poradnikowe, edukacyjne i reklamowe, dla dowolnej branży. Cały proces zautomatyzujemy prostymi narzędziami. Do tego dorzucam realne testy, na które wydałem setki złotych, oraz pułapki, na które trzeba uważać. Zaczynamy.
Za chwilę zobaczysz fragment filmu, który powstał praktycznie w pełni automatycznie — ja wprowadziłem tylko delikatne korekty. Obejrzyj go, a potem przejdziemy do samego procesu. Jest to styl Vox, bardzo popularny w filmach poradnikowych i edukacyjnych.
(Informacja dodatkowa: „styl Vox” to charakterystyczna, płynna estetyka wideoesejów portalu Vox — narracja lektorska prowadzona równolegle z animowaną grafiką informacyjną).
Sama treść zajawki brzmi tak: pokazałeś AI swój pomysł, a ona odpisała, że jest świetny. A teraz szczerze — kiedy ostatnio powiedziała Ci, że coś jest złe? 25 kwietnia 2025 roku OpenAI wypuszcza aktualizację ChatGPT. Cztery dni później wycofuje ją w trybie awaryjnym, bo model zaczął przyznawać rację wszystkim. Firma napisała to potem wprost: odpowiedzi stały się nadmiernie wspierające, ale nieszczere. To nie była awaria — modele dostraja się ludzkimi ocenami, kciukiem w górę i w dół, tysiące razy.
To tylko krótka zajawka; cały film trwa dwie minuty. Chciałem Ci nią pokazać, że da się osiągnąć spójny styl także w dłuższych filmach — szczególnie w tego typu stylistyce, która daje dużą elastyczność. W zachowaniu spójności bardzo przydaje się jedna plansza stylistyczna, która pokazuje modelowi, jaki efekt chcesz uzyskać.
Kolejny przykład: te materiały możesz montować w formatach krótkich. Mój długi film sztuczna inteligencja przerobiła w zasadzie w shorts — wszystko zostało tu stworzone przez AI, a ja podłożyłem tylko swój głos. To opcjonalne, bo równie dobrze możesz wykorzystać lektora AI. Taki film jest na moim kanale. Dodatkowo możesz zrobić filmy w dowolnej stylistyce, co zaraz pokażę.
Szybki start: funkcja „superkomputer” w Higgsfield
Zanim przejdę przez cały proces krok po kroku, wraz z błędami i testami modeli, pokażę Ci skrót. Nie musisz znać się na wszystkim, żeby zrobić dobrze wyglądający film — pomoże Ci w tym sztuczna inteligencja. Są tu pewne niuanse, o których zaraz opowiem, ale zacznijmy od narzędzia, w którym stworzymy pierwszy film.
Na początek kliknij link w opisie — zostaniesz przekierowany na stronę Higgsfield, sponsora tego odcinka. W tym narzędziu mamy szerokie możliwości generowania filmów, zdjęć i łączenia tego w całość. Jest to narzędzie płatne, więc musisz dopasować pakiet do swoich potrzeb, ale po tym filmie będzie to łatwiejsze.
Pokażę Ci jedną funkcję dla osób, które chcą uprościć cały proces — bez dodatkowego narzędzia w rodzaju Claude’a (do niego jeszcze wrócę). Nazwali ją „superkomputer” i daje ona możliwość generowania przeróżnych filmów. Gdy zjedziesz niżej, znajdziesz przykłady gotowych filmów — marketingowych i edukacyjnych, w różnych stylistykach: filmy dla dzieci, edukacyjne, bardziej w stylu Vox. Żeby odtworzyć dany styl, wystarczy kliknąć „Recreate” — do naszego pola automatycznie wchodzi polecenie, które możemy edytować.
Pierwszy warunek dobrego filmu: struktura
Klikasz na wybrany styl i wpisujesz to, czego potrzebujesz pod kątem swojego filmu. Najlepiej dobrze to zaplanować — i to jest pierwszy wymagany punkt, żeby film miał sens. Musi mieć jasną strukturę: wstęp, rozwinięcie, zakończenie i cel, do którego prowadzi. Taki plan możesz stworzyć w tym narzędziu. W niektórych planach dostępny jest tryb „free mode”, ale jeśli go nie masz, musisz wybrać tryb „smart” — a ten pobiera kredyty z konta. Dlatego czasem planowanie warto przenieść do innego narzędzia, na przykład do Claude’a albo ChatGPT, i wrócić z gotowym planem, który wklejasz.
Ja zrobię coś innego: wybieram jeden schemat i wpisuję do polecenia po prostu, co ma się wydarzyć — temat filmu (czym jest sztuczna inteligencja), krótka historia oparta na danych, po polsku, w jakości Full HD. Można to oczywiście rozszerzyć, ale takie polecenie już da się wysłać.
Bardzo ważna rzecz: możesz włączyć „Auto Run Without Approval”, ale wtedy system może błyskawicznie przepalić kredyty z konta. Jeśli robisz to pierwszy raz i nie masz najwyższego planu, zdecydowanie wybierz „Approve Before Generation”. Przy tej opcji system najpierw stworzy plan i dopiero po Twojej akceptacji zacznie generować.
Wyniki i typowe problemy z tekstem
Ja puściłem to polecenie wcześniej — pokażę wyniki. Rozmowa przebiega jak w innych popularnych narzędziach AI: opisujesz, czego potrzebujesz, a system odpowiada. Musisz dokładnie czytać jego odpowiedzi, żeby wiedzieć, czy trafił w Twoje potrzeby. Możesz przesłać grafiki, materiały referencyjne, a nawet swój głos i połączyć to w jedną całość — nie musimy budować wszystkiego sami. Dopisałem, że ma być głos lektora po polsku, a potem żeby wszystko połączyć.
Po dziesięciu minutach otrzymałem gotowy film. Mamy klasyczny odtwarzacz i dźwięk lektora AI. Jak widać, część tekstów została źle wygenerowana. Od razu uwaga: jeśli chcesz mieć dobre teksty na filmach, wykorzystaj najpierw referencje — czyli grafiki, które już zawierają te teksty. Na ten moment najlepszym modelem radzącym sobie z polskimi napisami jest GPT Image 2 i możesz go użyć do tworzenia dobrych referencji. Wystarczy, że wpiszesz nazwę tego modelu, a system go wykorzysta.
Przygotowałem drugą wersję filmu, z innym robotem, która ma już lepsze polskie napisy. Pamiętaj jednak, że nie zawsze będzie idealnie — Twoją rolą jest sprawdzenie całego materiału i zweryfikowanie, czy wszystko się zgadza.
Kolejna przydatna rzecz: możesz wprowadzać różne języki. Wystarczy, że w polu napiszesz po polsku na przykład „zmień głos lektora na język angielski” — i wtedy lektor będzie mówił po angielsku. Musisz tylko zweryfikować efekt i możesz wykorzystać taki film tam, gdzie go potrzebujesz.
Kontrola kosztów
Warto zwrócić uwagę na jeszcze jedno. Wszystkie generacje pobierają kredyty, a ich zużycie możemy sprawdzić. Mamy cztery pola: „text credits” (koszt samej rozmowy — u mnie zero, bo miałem free mode), obrazy (są tanie, tu tylko 11 kredytów), wideo (ponad 500 kredytów) oraz audio. W sumie ponad 600 kredytów poszło na dwa filmy z lektorem i ciekawą historią. Te koszty można znacznie obniżyć, jeśli przejdziesz sprawdzony proces i poznasz, które modele nadają się do jakiego zadania. I właśnie ten proces teraz pokażę.
Pięć kroków produkcji filmu
Jak powstaje taki film? Mamy pięć kroków.
Krok pierwszy — scenariusz i storyboard. Musisz opisać, o czym jest film i jak ma przebiegać historia, a także uzupełnić to graficznie, żeby model lepiej zrozumiał, co chcesz przekazać.
Krok drugi — plansza stylu. To ona pomaga zachować spójność między scenami. Jeśli stworzysz jedną grafikę niosącą kolory, styl i dodatkowe elementy i będziesz przesyłać ją za każdym razem do modeli generujących filmy, zachowasz lepszą spójność. Sztuczna inteligencja może zrobić to za Ciebie, ale chcę, żebyś robił to świadomie.
Krok trzeci — głos, realny albo z AI. To głos nadaje tempo: jeśli lektor mówi wolniej, film się wydłuża, jeśli szybciej — jest przyspieszony. Dlatego bardzo ważne jest, żeby lektor był nagrany już na początku.
Krok czwarty — scena. Jeśli wysyłasz do modelu polecenie tekstowe, warto opisać w nim blok stylu — u góry ten sam styl za każdym razem, co zwiększa szansę na spójność — oraz blok akcji, czyli co ma się wydarzyć w danej scenie.
Krok piąty — montaż. Wybór najlepszych scen i sklejenie wszystkiego w całość: muzyka, sceny, lektor. Częściowo zrobi to za nas AI, ale musimy mieć świadomość, co robimy.
Integracja Higgsfield z Claude przez MCP
Przejdźmy teraz do narzędzia, które pomoże w całym procesie — Claude’a, którego możemy połączyć z Higgsfield. Jeśli nie masz konta, załóż je; najlepiej skorzystaj z płatnej wersji, przynajmniej najtańszej, bo da większe możliwości. Połączymy narzędzie przez MCP.
(Informacja dodatkowa: MCP, czyli Model Context Protocol, to standard, który pozwala asystentowi AI takiemu jak Claude łączyć się z zewnętrznymi usługami i sterować nimi).
Możesz zrobić to bezpośrednio w przeglądarce, ale ja użyję aplikacji desktopowej, bo daje znacznie więcej. Wejdź na swoje konto Higgsfield i kliknij „MCP CLI” — stąd podłączysz to do wielu narzędzi. Skopiuj podany adres. Przejdź do Claude’a, wejdź w ustawienia i poszukaj opcji „connectors” (element może się z czasem zmienić). Kliknij „add”, potem „add custom connector”, wpisz nazwę — na przykład „Higgsfield”, żeby wiedzieć, co to za integracja — następnie wklej skopiowany adres i kliknij „add”. Teraz kliknij „connect”, zostaniesz przeniesiony na stronę, na której musisz zezwolić na dostęp. Narzędzia się połączą i będziesz mógł generować filmy i grafiki bezpośrednio w Claude.
Gdy integracja działa, warto przełączyć się na tryb kodu, bo daje znacznie większe możliwości — może stworzyć realne narzędzia automatyzujące Twoją pracę, na przykład tworzenie filmów. Cała prezentacja, którą widziałeś, również powstała w Claude i wszystko dzieje się lokalnie, na Twoim komputerze; potem możesz ją udostępnić albo wykorzystać inaczej.
O tym narzędziu mówiłem wielokrotnie, więc pokażę tylko, jak zacząć. Klikasz plusik, dodajesz katalog ze swojego komputera, w którym system ma pracować i mieć dostęp do plików, a następnie opisujesz po polsku, co chcesz stworzyć — jaki film, zdjęcie, projekt. Najlepiej dopisz, żeby pokazał Ci to w formie wygodnego panelu — wtedy dostaniesz jasne, konkretne wyniki. Taki panel Claude wygenerował mi dosłownie w dziesięć minut: mamy cały przepływ, storyboard i różne projekty. Akurat są to teledyski dla mojej żony — nie rozwijam tego projektu, ale chcę Cię zainspirować, że jest to możliwe, i to w kilka minut.
Realne testy modeli wideo
Teraz najważniejsza część poradnika — realne testy modeli i pytanie, który wybrać do konkretnego zadania. Na Higgsfield zobaczysz masę modeli do generowania filmów i łatwo się pogubić, bo każdy ma inny koszt i inne wyniki. Pokażę Ci, jakie modele wykorzystać do różnych zadań, na przykładzie testów, które wykonałem.
Zaznaczam: te testy są na bardzo małej próbie. Każda generacja została wygenerowana tylko raz, w jakości HD, jako filmy pięciosekundowe. Prompty wpisywałem po angielsku (podam też polskie tłumaczenie) — te modele najlepiej obsługują angielski, więc warto się nim posługiwać. Claude czy inne narzędzie bez problemu wygeneruje Ci taki prompt.
Test 1 — styl samego tekstu. Sprawdzałem, czy tło będzie miało kratkę, czy zębatki będą miały odpowiednią liczbę zębów i czy kamera zrobi powolny najazd.
- Seedance 2.0 (jeden z droższych modeli) — wszystko wygląda całkiem nieźle, tylko liczba zębów się nie zgadza: miało być 12, jest 11.
- Kling 3.0 (dużo tańszy, przyjemny model) — widać spadek jakości, ludzik ma trzy ręce, ale plusem jest niższa cena.
- Omni Flash (model od Google, którego użyłem do większości materiałów) — animacja bardzo płynna, drobne artefakty przy przewijaniu koła, ale efekt i tak mi się podoba.
- Happy Horse (również popularny) — zrobił zupełnie inny styl, zachował część elementów, ale moim zdaniem poradził sobie najgorzej.
Jeden prompt, cztery modele — zupełnie inne światy. To problem: jeśli bazujesz tylko na poleceniach i nie przesyłasz grafiki, masz rozjazd stylistyczny. Ranking zgodności z opisem bez referencji: wygrał Omni Flash, dosłownie o włos przed Seedance 2.0, potem Kling 3.0, a na końcu Happy Horse.
Test 2 — to samo polecenie plus grafika referencyjna.
- Seedance 2.0 — referencja zachowana: mamy ptaki, koło i kratkę.
- Kling 3.0 — znacznie lepiej niż wcześniej.
- Omni Flash — płynna generacja, ptaki odleciały z kadru, ale wygląda przekonująco.
- Happy Horse — doleciał czwarty ptak, fizyka nie do końca się zgadza, ale ruch kamery jest w porządku.
Tym razem wszyscy zaczynają z jednego punktu i styl jest bardziej spójny. Jeśli masz taką możliwość, warto dodawać grafiki referencyjne — nie zawsze to najlepsza opcja, ale bardzo często to właśnie droga do spójności. Tu znów wygrywa Omni Flash pod kątem mierzonych parametrów.
Test 3 — kolejność zdarzeń. Trudniejsze, bo system musi przewidzieć, co się wydarzy. Zadanie: zamontować podzespoły do modelu komputera w kolejności — najpierw płyta główna, chłodzenie, karta graficzna, dwie kości RAM.
- Seedance 2.0 — klei coś, co przypomina płytę główną, ale nie do końca we właściwym miejscu.
- Kling 3.0 — wkłada wszystko jednocześnie, bez kolejności; nie wygląda jak realny komputer.
- Omni Flash — mamy płytę główną, chłodzenie, kartę graficzną, RAM i zasilacz. Dobrze.
- Happy Horse — też poradził sobie nieźle, kolejność lekko się zmieniła, ale wygląda całkiem dobrze.
Przy elementach wymagających precyzji Seedance okazał się nie najlepszy (przynajmniej w tym prompcie — być może kolejna generacja byłaby lepsza), Kling zupełnie sobie nie poradził, a Happy Horse dał radę. Znów mieszane efekty; najlepszy pod kątem zrozumienia i konkretnego efektu był Omni Flash.
Test 4 — fizyka i liczby. Ogromne wyzwanie dla modeli wideo. Scena w stylu domina: piłka zjeżdża z rampy i mamy dokładnie pięć kostek.
- Seedance 2.0 — kostek jest zdecydowanie więcej niż pięć, fizyka nie do końca zadziałała; wygląda przekonująco, ale działa średnio.
- Kling 3.0 — fizyka zadziałała lepiej, piłeczka podskoczyła; taką koncepcję wybrał.
- Omni Flash — niechciany ruch kamery (minus), ale fizyka najlepsza.
- Happy Horse — piłka się nie toczy, przychodzi górą i na końcu znika; moim zdaniem najgorszy w tym teście.
Tu nie było zdjęcia referencyjnego — tylko opisana logika działania. Trzy modele na podium, każdy coś zawalił, trudno wybrać najlepszy stylistycznie. Podobał mi się Omni, choć nie poradził sobie z ruchem kamery. To już często kwestia gustu.
Test 5 — wideo produktowe. Tu gust się nie liczy: przesłany produkt musi być dobrze odwzorowany. Prompt: wideo produktowe, zbliżenie na książkę w twardej oprawie, kamera powoli odjeżdża, odsłaniając kobietę trzymającą książkę, nowoczesne biuro, okładka pozostaje idealnie czytelna.
- Seedance 2.0 — odjazd kamery, kobieta trzyma przedmiot; podoba mi się.
- Kling 3.0 — ręka nagle zmienia się w coś innego; ruch kamery zachowany, ale to nienaturalne przejście nie wygląda dobrze.
- Omni Flash — książka trzymana pod kątem, kobieta wygląda bardzo naturalnie.
- Happy Horse — podobny problem jak u Klinga, wyszło trochę jak z horroru, ale okładka została zachowana niemal wszędzie.
Znów stawiam na Seedance i Omni Flash; tańsze modele zostają z tyłu.
Ceny i podsumowanie testów
Końcowy, subiektywny wynik: najwyższą punktację uzyskał Omni Flash, nieco niżej Seedance 2.0. Znów za mała próba badawcza — warto też dodać, że niektóre modele (Kling 3.0, Seedance 2.0) mają wyższą rozdzielczość i przy jej uwzględnieniu miałyby wyższą punktację. To pewien punkt odniesienia, ale kolejnym jest cena.
Cały test kosztował 313 kredytów w Higgsfield (na dziś): Seedance 2.0 pobrał 112, Omni Flash 75, Happy Horse 62, a Kling 31. Gdyby cena była punktowana, Kling mocno by podskoczył. Często korzystam z Kling 3.0 do wypełniaczy i mniej ważnych scen, a do scen kluczowych — zbliżeń na bohatera, twarz — warto sięgnąć po lepsze modele. Do reklam i ciekawych animacji najlepszy będzie moim zdaniem na ten moment Omni Flash. To się bardzo szybko zmienia, ale chcę, żebyś miał rozeznanie. Dzięki temu w „superkomputerze” Higgsfielda albo w Claude możesz teraz wskazać konkretny model z większą świadomością.
Domknięcie zajawki: jak nie ulegać AI
To jeszcze nie wszystko — do pełnej automatyzacji potrzeba czegoś więcej. Puszczę dalszą część filmu z początku. Kiedy fałszywe zdanie podasz modelowi jako cudzy pogląd, on je prostuje. Kiedy podasz je jako własne przekonanie, jego trafność spada z 98% do 64% — a w jednym z modeli aż do 14%. Innymi słowy: model nauczył się nie ulegać obcym, ale Tobie ulega dalej.
Stąd trzy zasady. Pierwsza — nie zdradzaj, po której jesteś stronie; „czy to dobry pomysł” i „co jest z tym pomysłem nie tak” to dwa różne pytania. Druga — każ mu atakować: poproś o pięć powodów, dla których to się nie uda. Trzecia — ważne rzeczy sprawdzaj w nowym oknie, bez historii rozmowy.
Napisy, wykresy i dane: rola Remotion
Liczby, wykresy, konkretne dane i napisy to obszar, w którym modele do generowania filmów nadal mają sporo problemów — często, zanim wygenerujemy to, o co nam chodzi, przepalamy mnóstwo pieniędzy. Dużo lepiej dodawać takie elementy w montażu. Nie musisz robić tego ręcznie: przy pomocy narzędzia Remotion, dla którego efekty generuje Claude albo inne AI, stworzysz przyjemny film oparty już na Twoich danych.
(Informacja dodatkowa: Remotion to biblioteka pozwalająca tworzyć filmy programistycznie, w React — dzięki temu napisy i animowane wykresy da się generować z realnych danych zamiast „malować” je w modelu wideo).
Przykładowych animacji jest naprawdę sporo i są coraz lepszej jakości — wiele inspiracji znajdziesz na stronie Remotion Kit. Jeśli chciałbyś poznać, jak zautomatyzować cały proces montażu krok po kroku, dowiesz się tego z kolejnego filmu.
Dziękuję Ci za oglądanie. Pozdrawiam. Krzysztof Gonet.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Zacznij od struktury, nie od generowania
Na czym polega: Sensowny film musi mieć jasną strukturę — wstęp, rozwinięcie, zakończenie i cel — zanim w ogóle uruchomisz generowanie. To pierwszy wymagany warunek, żeby materiał miał sens.
Jak stosować: Napisz scenariusz i storyboard (opis + szkice graficzne) przed pierwszą generacją. Plan możesz przygotować za darmo w Claude lub ChatGPT i dopiero gotowy wkleić do Higgsfield.
Na co uważać: Planowanie w trybie „smart” wewnątrz Higgsfield pobiera kredyty. Jeśli nie masz „free mode”, przenieś ten etap do zewnętrznego, tańszego narzędzia.
2.Zawsze wybieraj „Approve Before Generation” na start
Na czym polega: Opcja „Auto Run Without Approval” pozwala systemowi generować bez pytania i może błyskawicznie przepalić kredyty z konta.
Jak stosować: Przy pierwszych projektach i na niższych planach wybieraj „Approve Before Generation” — system najpierw pokaże plan, a generowanie ruszy dopiero po Twojej akceptacji.
Na co uważać: Automat kusi wygodą, ale kosztuje najwięcej wtedy, gdy jeszcze nie znasz zachowania narzędzia. Auto-tryb włączaj dopiero, gdy panujesz nad kosztami i masz odpowiedni pakiet.
3.Grafika referencyjna daje spójność, której nie da sam tekst
Na czym polega: Ten sam prompt bez referencji dał w testach cztery zupełnie różne style. Po dodaniu jednej grafiki referencyjnej wszystkie modele zaczęły „z jednego punktu” i wynik był znacznie spójniejszy.
Jak stosować: Przygotuj jedną planszę stylu (kolory, styl, kluczowe elementy) i dołączaj ją do każdej generacji sceny. Do bloku promptu dopisuj stały „blok stylu” u góry i zmienny „blok akcji”.
Na co uważać: Referencja nie zawsze jest najlepszą opcją dla każdego ujęcia, ale gdy zależy Ci na spójności między scenami, to zwykle właściwa droga.
4.Nagraj lektora na samym początku
Na czym polega: To głos nadaje tempo całemu filmowi — wolniejszy lektor wydłuża materiał, szybszy go przyspiesza.
Jak stosować: Zarejestruj (lub wygeneruj) ścieżkę lektorską przed montażem scen, żeby dopasowywać obraz do gotowego tempa narracji, a nie odwrotnie.
Na co uważać: Jeśli głos dołożysz na końcu, ryzykujesz, że sceny nie zsynchronizują się z narracją i trzeba będzie kosztownie regenerować materiał.
5.Do polskich napisów używaj referencji z GPT Image 2
Na czym polega: Modele wideo źle radzą sobie z generowaniem poprawnego tekstu, zwłaszcza po polsku — w teście część napisów wyszła błędnie.
Jak stosować: Najpierw stwórz grafiki referencyjne zawierające już poprawny tekst, wskazując model GPT Image 2 (wystarczy wpisać jego nazwę), i na nich opieraj generacje.
Na co uważać: Nawet z dobrą referencją efekt nie zawsze będzie idealny — zawsze zweryfikuj cały materiał pod kątem literówek i błędów w napisach.
6.Dopasuj model do zadania — Omni Flash jako uniwersalny wybór
Na czym polega: W subiektywnych testach autora Omni Flash (Google) najczęściej wygrywał pod kątem zgodności z opisem, fizyki i naturalności, tuż przed Seedance 2.0.
Jak stosować: Do scen kluczowych (zbliżenia na bohatera, twarz, reklamy, ciekawe animacje) używaj Omni Flash lub Seedance 2.0. Model wskazujesz z nazwy w „superkomputerze” lub w Claude.
Na co uważać: Testy były na bardzo małej próbie (jedna generacja na model, HD, 5 sekund), a rynek zmienia się bardzo szybko — traktuj to jako punkt odniesienia, nie wyrocznię. Kling i Seedance mają wyższą rozdzielczość, co w innym pomiarze podniosłoby ich ocenę.
7.Tnij koszty, sięgając po tani model do scen wypełniających
Na czym polega: Ceny generacji różnią się kilkukrotnie — w teście za 313 kredytów: Seedance 112, Omni Flash 75, Happy Horse 62, Kling tylko 31.
Jak stosować: Kling 3.0 wykorzystuj do mniej ważnych scen i wypełniaczy, a droższe modele rezerwuj dla ujęć kluczowych. Świadomy dobór modelu do zadania realnie obniża rachunek.
Na co uważać: Wideo i audio pochłaniają zdecydowanie najwięcej kredytów (obrazy są tanie). Regularnie sprawdzaj panel zużycia (text/obrazy/wideo/audio), żeby wiedzieć, gdzie uciekają pieniądze.
8.Napisy, wykresy i dane rób w montażu przez Remotion
Na czym polega: Generowanie liczb, wykresów i napisów bezpośrednio w modelu wideo jest zawodne i drogie. Lepiej dodać je w montażu, opierając na realnych danych.
Jak stosować: Wykorzystaj narzędzie Remotion, dla którego kod efektów wygeneruje Claude lub inne AI; inspiracje i gotowe animacje znajdziesz na Remotion Kit.
Na co uważać: Remotion działa w React/kodzie — wymaga pracy w trybie programistycznym, więc zaplanuj integrację z Claude, zamiast próbować „domalować” dane w samym wideo.
9.Połącz Higgsfield z Claude przez MCP dla większej automatyzacji
Na czym polega: Przez konektor MCP możesz generować filmy i grafiki bezpośrednio w Claude, a w trybie kodu budować lokalne narzędzia automatyzujące produkcję. Cała prezentacja z filmu powstała w ten sposób, lokalnie.
Jak stosować: W Higgsfield skopiuj adres z „MCP CLI”, w Claude dodaj custom connector (nazwa + adres), połącz i zezwól na dostęp. Dodaj katalog roboczy i poproś o wynik w formie wygodnego panelu.
Na co uważać: Warto mieć płatną wersję Claude (choćby najtańszą), a nazwy opcji („connectors”) mogą się z czasem zmieniać. Pracujesz lokalnie na swoim komputerze — pamiętaj, gdzie zapisują się pliki.
10.Nie ufaj pochwałom modelu — zmuszaj go do krytyki
Na czym polega: Modele bywają nadmiernie potakujące. Gdy fałszywą tezę podasz jako własne zdanie, trafność korekty spada z 98% do 64% (w jednym modelu do 14%) — modelowi trudniej sprzeciwić się Tobie niż komuś obcemu.
Jak stosować: Nie zdradzaj, po której jesteś stronie („czy to dobry pomysł” vs „co jest z tym nie tak”). Każ modelowi atakować pomysł — poproś o pięć powodów porażki. Ważne fakty weryfikuj w nowym oknie, bez historii rozmowy.
Na co uważać: Entuzjastyczna odpowiedź nie jest dowodem jakości. Traktuj potwierdzenia sceptycznie i buduj pytania tak, by wymuszać kontrargumenty, zwłaszcza przy decyzjach opartych na danych.