有好的產品、有清楚的賣點，但沒有攝影團隊、沒有影樓，更沒有時間由零開始搞一場 Product Shoot，是否就代表做不到一條有質感的產品廣告？
未必。
今次我們做了一個很直接的測試：只用同一支 Facial Lotion 的3張產品相片——正面、側面及背面——放入 Higgsfield，再配合 Prompt，生成一條15秒產品廣告。
不用租場地、不用等天氣、不需要認識導演，整個生成流程只需要幾分鐘。對中小企、Solo Marketer 或 Content Creator 來說，這種 AI Video Workflow 的吸引力非常直接：以前可能需要一隊人處理的 Hero Shot，現在一個人也有機會做到。
但問題亦正正在這裡。
AI 可以很快幫你「拍」出一條漂亮的片，卻不代表它知道你的 Target Audience 是誰、產品真正的 Selling Point 是甚麼，更不代表它會準確保留包裝上的每一個字。只要少給一個產品角度，它甚至可能自行「想像」瓶身背面的設計。
所以今次真正想測試的，不只是 Higgsfield 能否生成一條漂亮影片，而是如何把 ChatGPT Codex 加入 Workflow，先建立 Product Brief、Review 第一版廣告，再反過來改善 Video Prompt。
以下就完整拆解這次實測。
「生成一條漂亮的影片，和生成一條打中受眾 Pain Point、講得出賣點的影片，是兩回事。」
1. 為甚麼用 AI 做產品廣告，最好不要只上傳一張相？
今次測試使用 Higgsfield 的 Video Generation 功能，Input 很簡單：3張同一產品、不同角度的照片。
這個步驟看似普通，其實直接影響最後影片是否可信。
AI 看不到的地方，就只能靠「猜」
假設你只上傳一張產品正面照，但生成影片時鏡頭突然旋轉到瓶身背面，Video Model 面對一個很實際的問題：
它根本不知道你的產品背面是甚麼樣子。
它只能生成一個「看起來合理」的背面。
問題是，「合理」不等於「正確」。
例如瓶身背面可能有：
- 製造地資料
- 有效期限
- 成分
- 使用方法
- Tagline
- 法規或產品標示
- 品牌特定排版
如果 Reference Image 沒有提供這些資訊，AI 就可能遺漏、改寫甚至自行生成文字。
在今次錯誤示範中，只提供產品正面照片後，AI 生成出來的瓶身背面基本上變成黑色——這並非真實產品設計，而是 Model 自己補完的畫面。
最簡單的解決方法：增加 Reference Coverage
如果產品會在影片中旋轉，至少應準備：
- 正面照
- 側面／斜角照
- 背面照
核心原則很簡單：
你希望 AI 展示哪一個角度，就盡量提供那個角度的真實 Reference。
這不代表 AI 從此不會出錯，但至少可以大幅減少它需要「猜」的地方。
尤其如果影片準備用於付費廣告，生成後更應逐格檢查 Label、Logo、包裝比例及文字，不能因為整體畫面漂亮就直接發布。
2. Higgsfield 新手設定：Model、Duration、Resolution 怎樣選？
Higgsfield 是一個 AI 創作平台，可以透過文字 Prompt、產品照片及不同 Video Model 生成影片。
對新手而言，真正令人卡住的往往不是創意，而是打開平台後看到大量選項，不知道應該從哪裡開始。
今次使用的是最直接的 Video → Create Video Workflow。
基本流程是：
- Upload Media
- 選擇 Video Model
- 設定 Duration
- 設定 Dimension
- 設定 Resolution
- 輸入 Prompt
- Generate
Video Model 不只是「越新越好」
不同 Model 支援的影片長度、解像度及用途並不完全相同。
在今次測試的設定中，如果希望做較長影片，可以考慮支援較長 Duration 的 Model；如果解像度是優先考慮，就需要比較不同 Model 支援的 Resolution。
例如測試中提到 Seedance 2.5 可以做到較長影片，但最高解像度有其限制；如果需要更高解像度，就可能要考慮 Seedance 2.0 或其他 Model。
如果已經有影片，只希望加入運鏡或效果，選擇亦可能不同。
換句話說，選 Model 前先問自己：
我要的是長度、畫質、生成能力，還是後期 Motion Effect？
Credit 成本要在 Generate 前看清楚
不同 Duration、Resolution 及 Model 都會影響生成需要扣除的 Credit。
這件事很容易被忽略，因為 AI Video 很少只生成一次就完成。
假設一個版本需要135 Credits，而你實際上為了找出可以發布的版本生成5次甚至10次，真正應該計算的不是135 Credits，而是：
135 × 5，甚至135 × 10。
所以做 AI Video Budget 時，不應只看「單次生成成本」，而應計算可接受成品的平均 Iteration Cost。
3. Higgsfield Prompt 怎樣寫，才不只是「拍得靚」？
今次第一個版本的目標是一條15秒、三段式、具 Premium Cinematic 感覺的護膚品廣告。
Prompt 並不是只寫一句「幫我做一條 Luxury Skincare Ad」。
相反，它包含幾個重要部分。
第一部分：定義 Reference Image 的角色
先清楚告訴 Model：
上傳的圖片代表 NextMaven AI Facial Lotion 的正確產品外觀及包裝設計，生成時需要以它們為 Reference。
這一步的目的，是降低 Model 自行重新設計產品的機會。
第二部分：定義影片方向
例如：
- 15秒
- 16:9
- Premium skincare commercial
- Cinematic
- Luxury lighting
- 由寧靜夜晚過渡到迎接新一天的肌膚狀態
這些要求控制的是整體 Creative Direction。
第三部分：逐個 Shot 描述
不要只描述「整條片」，而是把影片拆成 Shot 1、Shot 2、Shot 3、Shot 4。
這樣可以讓 AI 更清楚知道15秒內每一段應該發生甚麼，而不是自行安排全部 Narrative。
第四部分：寫清楚不能做甚麼
Negative Constraints 同樣重要。
例如今次會明確要求：
- 不要改動包裝文字
- 不要重新設計 Label
- 不要令標籤變形
- 不要加入不需要的人物、面部或手部
- 不要加入指定以外的使用畫面
Prompt 寫得越具體，通常越能減少 AI 自由發揮的空間。
「AI 不知道的資料，不會自動變成正確答案；很多時候只會變成看似合理的猜測。」
Content Upgrade：AI Product Video Prompt Template
如果你經常需要生成產品廣告，可以把以上結構整理成固定 Template，每次只替換產品資料、受眾、賣點、Visual Style 及 Shot Description。
這樣就不需要每次由空白 Prompt 開始。
4. 第一版很漂亮，為甚麼仍然不算一條完整的 Marketing Ad？
第一條影片由上傳圖片、輸入 Prompt 到生成完成，大約用了7分鐘，測試中消耗135 Credits。
視覺效果其實相當不錯。
產品、光影、水分感及 Premium Skincare 的氣氛都有呈現出來。以過去需要實景拍攝才能做到的效果來說，AI 的確大幅降低了製作門檻。
但再看一次，就會發現另一個問題：
Higgsfield 根本不知道我們真正想賣甚麼。
因為第一版 Prompt 沒有完整交代：
- Target Audience 是誰？
- 他們有甚麼 Pain Point？
- 核心 Selling Point 是甚麼？
- 為甚麼應該選這支 Facial Lotion？
- 有沒有 Campaign Offer？
- 希望觀眾看完做甚麼？
- CTA 是甚麼？
於是 Video Model 能做的，就是按照 Visual Prompt 生成一條「像護膚品廣告」的影片。
這正是 AI Content 很常見的問題：
Output 看起來很 Professional，但 Marketing Strategy 並沒有真正進入 Output。
所以第二個版本，我們沒有直接再 Generate，而是在 Higgsfield 前面加入一個「思考層」。
這個角色就是 ChatGPT Codex。
5. ChatGPT Codex + Higgsfield：把「思考」和「生成」拆開
這個 Workflow 最重要的概念，是不要要求同一個工具完成所有事情。
在這次實測中，可以把角色理解成：
Codex = 思考及 Review
Higgsfield = 影片生成
Plugin = 連接兩者的橋樑
Codex 的工作不是取代 Higgsfield，而是補回 Video Model 缺少的 Marketing Context。
第一步：先建立 Product Brief
不要一開始就叫 AI 寫 Video Prompt。
今次先要求它提出5條問題，引導我們補充：
- Product
- Target Buyer
- Selling Point
- Visual Style
- CTA
回答完成後，再把資訊歸納成一份 Product Brief。
例如今次的產品定位包含：Premium Facial Lotion、Hydrate、Restore、Protect，以及適合不同 Skin Type。
這份 Brief 的作用，是讓後面的 Creative Decision 有一個共同基礎，而不是每次 Generate 都重新猜品牌究竟想表達甚麼。
[IMAGE：Product Brief Workflow：5 Questions → Answers → Product Brief → Video Review]
對需要大量製作廣告素材的團隊來說，這個方法尤其重要。NextMaven Membership 類似的 Prompt、Workflow 及 Template 資源，真正能節省時間的地方，亦不是「幫你寫一句 Prompt」，而是讓這種 Brief → Generate → Review → Improve 的流程可以重複使用。
第二步：不要叫 AI 讚條片，叫它做 Creative Director
完成 Product Brief 後，把以下資料交給 Codex：
- Version 1 Video
- Product Brief
- 3張 Product Reference Images
然後要求它以 Creative Director 的角度 Review。
今次 Review 的問題包括：
- 產品實際清楚出現了多少秒？
- Selling Points 有沒有被視覺化？
- 結尾有沒有建立品牌記憶？
- 包裝是否與 Reference Image 一致？
- 有沒有足夠理由說服觀眾選擇這件產品？
- CTA 是否清晰？
這比「你覺得條片好唔好？」有用得多。
因為 AI 得到了一套明確的評分標準。
6. AI Review 找出了甚麼？第二版真的比較好嗎？
Codex Review 第一版後，指出幾個很實際的問題。
首先，它判斷產品清晰可辨識的時間約為9.9秒。對一條15秒廣告而言，比例相當高，可以考慮把部分時間讓給 Benefit Demonstration。
其次，它指出幾個 Product Brief 中的重要賣點並沒有真正被視覺化，例如：
- 輕盈保濕
- 快速吸收
- 肌膚修復
影片雖然有水珠、有漂亮包裝，但**「有水」並不等於已經證明快速吸收或肌膚修復。**
它亦指出結尾主要依賴瓶身上的產品名稱，以及細小的「Hydrate / Restore / Protect」包裝文字建立品牌記憶，並沒有真正把 Benefit 放大。
另一個問題是 CTA。
第一版基本上沒有告訴觀眾下一步要做甚麼。
然後，我們叫 Codex 重寫 Video Prompt
Codex 根據以上 Review 修改原本 Prompt，再經 Higgsfield 生成 Version 2。
結果很有意思。
第二版的產品賣點明顯清楚了，但視覺效果未必比第一版好。
例如 Facial Lotion、Hydrate、Restore、Protect 等訊息更容易被看見，整體亦較簡潔、極簡。
可是第一版反而有更多視覺細節及氛圍。
這個結果非常值得留意，因為它說明了一件事：
AI Optimization 不是「Version 2 必定全面勝過 Version 1」，而是每一次 Iteration 解決不同問題。
Codex 的確改善了 Version 1「講不出產品賣點」這個弱點，但同時並沒有保證新的生成結果在 Visual Appeal 上一定更強。
所以最合理的做法，可能不是二選一。
而是把 Version 2 的部分訊息或 Shot Direction 帶回 Version 1，再做下一輪修改。
Step-by-Step：建立你自己的 AI Product Video Workflow
如果你想把這次實測變成自己的工作流程，可以按照以下方式執行。
Step 1：準備完整 Product References
至少準備正面、側面及背面照片，確保 AI 不需要猜產品外觀。
Step 2：先寫 Product Brief，不要立即 Generate
定義：
- Product
- Target Audience
- Pain Point
- USP
- Desired Action / CTA
- Visual Direction
Step 3：建立第一版 Video Prompt
Prompt 最少包含：Reference、Creative Direction、Shot Breakdown、Style、Constraints。
Step 4：生成 Version 1
把它當作 Prototype，而不是 Final Output。
Step 5：逐格 QA
尤其檢查：
- Logo
- Label
- 包裝文字
- 產品比例
- 不存在的產品細節
- AI 自行生成的錯字
Step 6：用 AI 做 Structured Review
不要問「好不好」，而是要求它按 Product Brief、Audience、USP、CTA、Reference Accuracy 等項目逐一分析。
Step 7：建立 Version 2
把 Review 轉成新的 Prompt，再生成一次。
Step 8：不要盲目選最新版
比較 Version 1 和 Version 2：哪個 Visual 更好？哪個 Selling Point 更清楚？哪些 Shot 可以保留？
最後的成品可能是兩者的 Hybrid，而不是任何一個 Raw Generation。
AI Video 成本真的很低？先計算 Iteration Cost
這次測試亦帶出另一個很現實的問題：成本。
一條影片可能只需要數分鐘生成，但真正做廣告時，基本上不可能 Generate 一次就收工。
你可能需要5次、10次甚至更多 Iterations。
所以 AI Video 的成本估算方式應該是：
單次生成成本 × 預計 Iteration 次數 + 後期處理成本。
因此，與其說 AI Video「很便宜」，更準確的說法是：相比需要真人攝影團隊、場地、器材及拍攝日的某些 Production，它可以大幅降低製作門檻。
尤其適合：
- 現實拍攝成本極高的 Hero Shot
- 危險或難以拍攝的場景
- 難以找到的 Location
- 需要快速測試不同 Creative Direction 的廣告
但如果內容依賴真人親身體驗、Customer Testimonial、真實開箱或實際使用經歷，就不應利用 AI 假扮成真實體驗。
短期可能得到一個「像真的」畫面，長期卻可能犧牲品牌信任。
結論：真正值得建立的，不是一條 AI 影片，而是一個 Review Loop
今次 Higgsfield + Codex 的實測，最值得帶走的並不是「3張相就可以生成一條廣告」。
這件事本身已經很吸引，但更重要的是我們看到 AI Video Workflow 應該怎樣分工。
Higgsfield 擅長快速把產品相片變成視覺內容；Codex 則可以補 Product Brief、分析受眾與 Selling Point、Review 第一版，再協助修訂下一版 Prompt。
而人仍然需要做最後一層判斷：哪個 Shot 更好？產品資料有沒有錯？賣點是否真的清楚？這個畫面能不能代表品牌？
Version 2 並沒有全面擊敗 Version 1，反而正正證明了這一點。AI Video Generation 本身仍然有不穩定性。更有效的方法，不是期待一個「神 Prompt」一次完成，而是建立一個可以重複的：
Brief → Generate → Review → Revise → Generate → Human QA
循環。
當你開始用這種方式思考，AI 就不再只是一部「幫你出片的機器」，而是成為 Content Production Workflow 裡不同角色的協作工具。
對中小企、Marketer 和 Content Creator 來說，真正的優勢亦在這裡：不是完全取代攝影、Creative Director 或 Marketer，而是用更少資源、更短時間，測試以前根本沒有 Budget 測試的 Creative Idea。
下一步，不妨先拿一件自己的產品、準備3個角度的 Reference Image，建立一份簡單 Product Brief，再跑一次這個 Workflow。你會很快看出：AI 生成速度不是最大的瓶頸，如何給它正確 Context，以及如何 Review Output，才是決定廣告能不能真正用得上的關鍵。
.jpg)
