mcpField
H
higgsfield-video

higgsfield-video

github.com/calesthio创意与媒体219120 次安装15 周前更新
代码仓库

关于 higgsfield-video

higgsfield-video 是一项用于规划 Higgsfield 视频制作的技能。它介绍如何在第三方视频模型与自有图像、剪辑、镜头运动和多镜头工具间选择，并考虑各模型的限制。

主要功能

  1. 01按任务比较视频模型
  2. 02用 Soul ID 保持图像角色一致
  3. 03使用 DoP 镜头运动预设
  4. 04在 Cinema Studio 规划多镜头制作
  5. 05考虑底层模型的限制

适用场景

  1. 01为特定视频镜头选择模型
  2. 02保持角色在多张静帧中的外观一致
  3. 03为图像添加指定镜头运动
  4. 04规划包含多个衔接镜头的片段

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/calesthio/generative-media-skills --skill higgsfield-video

安装后在 Claude Code 中输入/higgsfield-video确认已加载。

附带文件EVAL.md

详细介绍

Higgsfield 视频

Higgsfield 是什么，以及决定一切的关键事实

Higgsfield（higgsfield.ai）是一个聚合平台加控制层。它并非单一模型，而是一个工作空间：

  1. 接入第三方视频模型，让你无需通过其他渠道也能使用这些模型（Kling、Veo、Seedance、Wan、MiniMax，以及停服前的 Sora）；并且
  2. 在此基础上添加自有的内部功能层：Soul（图像生成 + Soul ID 角色身份）、DoP（围绕 100 多种运镜预设打造的图生视频引擎）、Popcorn（编辑／局部重绘），以及 Cinema Studio（可编排上述所有功能的多镜头电影制作环境）。

决定一切的关键事实（有文档记录）：聚合平台继承其模型的限制。 关于时长、分辨率、物理效果、音频或内容审核的任何说法，都适用于具体的底层模型，而非“Higgsfield”。分析任务时，先确定镜头由哪个模型生成，再应用该模型的限制。比如，“Higgsfield 支持 4K 原生音频”只对支持这些功能的模型（Veo、Seedance）成立，对不支持的模型则不成立。要关注模型，而非品牌。

已于 2026-07-10 核实。以下模型阵容、版本和价格可能随时变动——在确认使用额度或向客户报价前，请重新核对应用内实时模型选择器和定价页面。

适合使用 Higgsfield 的情况（以及不适合的情况）

以下情况可通过 Higgsfield 使用模型：

  • 你想用同一条提示词比较多个模型，又不想分别注册 Kling、Google、ByteDance 等平台的账号并处理其账单——在一个工作空间中并排切换模型是其核心价值。（官方说法。）
  • 你需要 Higgsfield 的独特控制层——Soul ID 角色一致性、DoP 运镜预设库，或 Cinema Studio 的多镜头拍摄装置控制——这些功能在模型提供商的原始服务中并不存在。
  • 你希望在多模型拍摄中使用一个积分钱包和一套内容政策。
  • 用户明确指定 Higgsfield、Soul、DoP 或 Cinema Studio。

以下情况应直接使用模型提供商的服务：

  • 你需要 Higgsfield 未开放的模型能力、档位或区域，或者最新模型版本首先在源头上线（聚合平台会滞后）。
  • 你需要提供商级别的 API SLA、速率限制或企业条款——Higgsfield 自身的 API 功能范围比 Google／Kling 的更窄，发展时间也更短（参见“API 功能范围”）。
  • 规模化时的单位经济效益很重要，而且聚合平台的积分加价高于提供商的直接价格。聚合平台会将便利性打包计入积分价格；对于使用单一模型的高流量工作流，直接使用提供商的服务通常更便宜。
  • 你需要 Higgsfield 条款未提供的数据处理方式（在部分套餐中，Higgsfield 可能会使用输入／输出来训练其模型——参见“权利、同意与数据”）。

**经验法则：**对于一次性和小批量创意工作，Higgsfield 在广度、迭代速度和电影化控制方面更具优势。对于固定使用单一模型的生产工作流，直接使用模型提供商的服务则在深度、最新版本、吞吐量和合同控制方面更具优势。

模型阵容（已于 2026-07-10 核实——请重新检查应用内模型选择器）

Higgsfield 提供的视频模型
模型自研或第三方文档所述的最佳用途第一方对比中提到的主要限制
Kling 3.0第三方（Kuaishou）照片级真实感、角色驱动的故事、多镜头分镜（单次最多约 6 次镜头切换）、4K、多语言原生语音绑定。高端模型中积分效率最高。需要逐镜头设置；4K 和较长片段会消耗更多积分。最长约 15 秒。
Kling 2.6第三方这款「经过验证的引擎」适合快速、稳定且一致的角色动画。Kling 3.0 出现偏差时可用作备用。—
Kling o1第三方用于复杂、多层次场景构图的推理模型。较新且速度较慢。
Seedance 2.0第三方（ByteDance）原生音视频：根据最多约 9 个参考输入，统筹规划同步口型、音效和音乐；具备物理感知能力的运动（布料、液体、碰撞）；多镜头电影／广告。在测试模型中积分消耗最高；内容审核严格；最长约 15 秒，入门档为 720p，更高档支持 4K。
Veo 3.1第三方（Google）氛围感／户外场景、全局光照、天气、风、景深；清晰的 4K 画质；色彩调校出色。积分消耗较高；文档指出，在紧贴人脸的特写镜头中效果会变柔和。
Wan 2.7第三方（Alibaba）使用视频参考为现有素材进行风格迁移／重塑风格，无需重新拍摄；产品镜头；原生音频和口型同步。高度依赖提供的参考片段；纯文本生成视频能力较弱。
MiniMax (Hailuo 2.3)第三方快速迭代短视频、风格化／动漫风格、清晰的屏幕文字、稳定的色彩／风格。以电影级景深换取速度；不适用于 4K 成片。
Sora 2第三方（OpenAI）深度世界模拟、物体持存性、物理效果。即将退役。 OpenAI 已停止 Sora 服务：网页／应用预计于 2026-04-26 下线；Sora API 计划于 2026-09-24 下线。新项目应视其为不可用；将提示词迁移到 Seedance 2.0 或 Veo 3.1。（据报道；请核实当前状态。）
自研控制层
  • Soul / Soul 2.0 — Higgsfield 的高保真图像模型。内置 20 多种风格预设（编辑风、高级时装、Y2K 街头风、温暖环境光等）。这是为图生视频镜头提供素材的静态图像引擎。
  • Soul ID — 经过训练的角色身份层（参见「Soul ID」部分）。
  • DoP (Director of Photography) — 一款图生视频引擎，模型内置 100 多种运镜预设（参见「DoP 摄像机预设」）。第三方 API 转售商将其以 dop-lite / dop-preview / dop-turbo 的形式提供。
  • Popcorn — 用于修复细节的编辑／局部重绘模型。
  • Cinema Studio (3.x / 3.5) — 多镜头电影制作套件，可在一个项目中统筹图像模型、视频模型、摄像机设备控制、可重复使用的 Elements 和 AI 联合导演（参见「Cinema Studio」）。
同一工作区中提供的配套图像模型

Seedream 4.x（顶级档最高支持 4.5 和 4K）、Flux.2 Pro、Nano Banana / Nano Banana Pro、GPT Image。这些模型对视频制作很重要，因为 Higgsfield 的大多数电影级工作流都以图像优先：先在 Soul/Seedream 中生成主视觉静帧，再用 Soul ID 锁定身份，然后使用 DoP 或视频模型生成动态效果。

模型选择：决策框架

根据任务选择模型，而不是偏爱某个模型。（综合一手模型对比资料，2026-07-10。）

  • 需要同步对白、音效和音乐的多镜头叙事 → Seedance 2.0（音频与画面同步规划）。为其较高的点数消耗做好预算。
  • 以角色为核心的故事，要求面孔和声音保持一致，且预算有限 → Kling 3.0（点数效率最高的高端模型；多镜头分镜；声音绑定）。
  • 广阔景观、天气、氛围、黄金时段的户外场景 → Veo 3.1。避免用它生成面部特写。
  • 无需重新拍摄即可为现有素材重新设计风格或“重拍” → Wan 2.7（视频参考风格迁移）。务必提供参考片段。
  • 快速制作日常短视频、草稿、风格化／动漫内容和屏幕文字 → MiniMax / Hailuo。
  • 根据单张主视觉图精准生成电影感运镜 → 使用 DoP 预设，或使用 Cinema Studio 搭建完整设备组。
  • 需要角色和地点保持连贯的完整多镜头场景 → Cinema Studio，它可以为每个镜头分配最合适的模型。

**制作经验法则——“低成本起草，高成本精修”：**先用低成本模型（Kling、MiniMax）反复调整构图、节奏和提示词，直到效果符合预期，再把高端点数（Seedance、Veo）花在最终渲染上。这是在该平台上节省点数最有效的方法。

Soul ID——角色一致性（已于 2026-07-10 验证）

Soul ID 是 Higgsfield 应对角色漂移的方案。它是一个经过训练的身份层，而不是逐条提示词使用的小技巧。

  • **创建方法（有文档记录）：**上传同一个人的 20 张以上照片 → 训练（约 3–5 分钟）→ 命名 → 在 Soul 2.0 中生成内容时选择它。
  • **参考图质量胜过数量：**使用近期照片（约 4–5 个月内），光线充足，避免太阳镜／浓重阴影，包含不同角度和表情，并至少提供一张全身照以呈现身体比例。
  • **作用：**在不同风格预设、光线、拍摄角度和提示词下锁定面部身份，让你通过选择预设来进行导演式控制，而不必与模型反复较劲。
  • 有文档记录的局限性：
    • 它主要是一个图像系统；经过训练的 Soul ID 能稳定你随后用于动画的静帧。身份延续到动态画面中，是通过为这些一致的静帧制作动画（图生视频）实现的，而不是借助单独的“视频 Soul ID”。（一手资料页面记录了图像用途；任何关于“原始文生视频中保持身份”的说法均应视为未经验证。）
    • 身份只能在 Higgsfield 生态系统内使用——无法导出。
    • 最适用于真实人物，不太适用于虚构角色。
    • 风格变化过于极端或角度特殊时，仍可能出现轻微漂移。

**工作流模式（经验法则）：**训练 Soul ID → 生成身份锁定的主视觉图（通过预设进行变化）→ 可选：将其设为首帧／尾帧 → 使用视频模型（角色内容用 Kling）或 DoP 运镜。这样可以让整段镜头中的面部保持稳定，而不是寄希望于文生视频模型每次都能一致地重新生成角色。

DoP 摄影机预设 — 独特的运镜库（已于 2026-07-10 验证）

DoP 是一种通过摄影机运动本身训练的图生视频模型，因此，像“Dolly Zoom”这样的预设会生成实际的运镜效果，而不是寄希望于文本提示词能够描述出来。Higgsfield 宣称提供 100+ 个预设。文档中的命名示例包括：

  • 运镜： Dolly Zoom、360 Orbit、Truck Left / Truck Right、Push to Glass、Head Tracking、Crane Up / Crane Down、Pan Left / Pan Right、Tilt Up / Tilt Down。
  • 视觉风格／光学效果： Anamorphic Flares、Film Stock、Depth-of-Field Control。
  • 此外还有约 90 个预设，官方营销材料未逐一列举（请查阅实时预设库进行核实；从业者讨论中常见的 Higgsfield 预设包括 Crash Zoom、Bullet Time、FPV drone 和 Robo Arm——未经来源证实的预设名称应视为待核实，而非事实）。

使用方法（经验规则）： 提供主视觉静帧，选择一个预设，设置运动强度（API 中为 0–1），然后让预设决定摄影机语言——文本提示词用于描述主体和场景，而不是重复描述运镜。叠加太多相互冲突的运镜会与预设相冲突。

Cinema Studio — 多镜头拍摄系统（Cinema Studio 3 于约 2026-03/04 年文档化；已于 2026-07-10 验证）

Cinema Studio 是 Higgsfield 用于导演式多镜头创作的旗舰产品。文档中列出的功能包括：

  • 虚拟摄影机物理参数： 选择摄影机机身（6 种专业机身，涵盖模块化 8K 数字摄影机到 16mm 胶片摄影机）、镜头（11 款电影镜头，包括变形镜头、微距镜头、复古定焦镜头和移轴镜头）、焦距（8mm 超广角 → 85mm 人像）和光圈（f/1.4 浅景深、f/4 均衡、f/11 深景深），实现真实的景深控制。
  • 单镜头时长： 为每个镜头指定 1–12 秒，以便在渲染前调整节奏。
  • 可复用元素： 最多可添加 ~9 张参考图，组合角色与地点，在多个镜头间建立一致的视觉世界。
  • AI 联合导演： 具备电影级推理能力的引擎——“描述需要发生什么；模型会自行决定如何拍摄”——因此无需完整控制拍摄系统。
  • 模型路由： Cinema Studio 可调用平台上的图像和视频模型，并逐镜头选择；生成的序列具有同步音频和角色一致性。
  • 格式： 标准 HD，支持电影级 21:9，输出为 16-bit 电影级画质；4K 则取决于底层模型和套餐等级。

何时选择 Cinema Studio，而非单次模型调用： 当你需要多个镜头之间保持连续性（同一角色、同一地点、节奏可控）时使用。对于单个主视觉片段，直接调用模型或使用 DoP 预设更快、更省钱。

针对不同底层模型的提示词策略（基于一手模型说明的经验法则）

由于聚合器会继承各模型的行为，提示词应针对将要生成该镜头的模型来编写：

  • **Seedance 2.0：**提供多模态参考素材（最多约 9 项：图像、视频、音频），并描述完整情节节拍——动作、对话意图和声音，因为它会同时规划画面和音频。可依赖它处理口型同步和物理效果。
  • Kling 3.0：预先定义景别、视角和角色声音；提供参考图像以保持面部和声音的一致性；为想要的剪辑编写分镜（它可以一次生成多个镜头）。
  • Veo 3.1：编写更长且注重环境的提示词，描述光照方向、天气、风和空间关系。不要指望它能很好地处理亲密的面部特写。
  • Wan 2.7：****务必提供参考片段/图像；描述风格变化，而非基础动作（动作来自参考素材）。
  • MiniMax / Hailuo：提示词应简短清晰；快速模式更适合简洁的指示。
  • **DoP / Cinema Studio：**让预设/摄影机架构控制摄影机；文本只用于描述主体和场景。

**适用于不同模型的编写方式（经验法则）：**随着模型不断上线和退役（Sora 退出就是一个警示案例），应让提示词便于移植——用结构化的通俗语言描述主体、动作、摄影机和情绪，而不是使用特定模型的咒语，这样当某个模型被弃用或更便宜的模型已足够时，就可以在其他模型上重新生成镜头。

积分成本（已于 2026-07-10 核实——定价波动较大；请在 higgsfield.ai/pricing 确认）

Higgsfield 按积分计费，积分按订阅档位分配。Higgsfield 自己的页面与第三方追踪网站列出的具体档位名称和价格并不一致，而且经常变化——以下数字是特定日期的快照；引用前请核实最新信息。

  • 档位（快照，约 2026 年第二季度）：入门档约 $5/月（约 70 积分）；Plus 档约 $39/年–$49/月（约 1,000 积分/月）；Ultra 档约 $99/年–$129/月（约 3,000 积分/月，可扩展至 9,000）；另有Business/Team（按席位计费，每席约 $62–$71，且有最低席位数要求）和可自定义的 Enterprise。（有些追踪网站列出的 Starter 档为“$15”，而非“$5”——档位名称可能不稳定，请查看实时页面。）
  • 积分不会结转至下个月。
  • **积分充值包：**约 每 100 积分 $5，据称购买后约 90 天过期。
  • **“无限”访问主要适用于图像生成，且有时间限制：**Plus 及更高档位曾包含 365 天的部分图像工具无限访问（例如 Soul 2.0 & Cinema、Seedream 各版本、Flux.2 Pro、Nano Banana、GPT Image），以及部分模型的短期（约 7 天）无限使用时段。**Ultra（年付）**还增加了 Kling 3.0 视频无限访问和 4K Seedream。请仔细阅读“无限”的具体说明——它因模型和套餐而异，并不代表视频一律不限量。

**每次生成的积分成本会随模型、分辨率和时长而变化。**过往的示例费率（请在应用内核实，费率会变化）：

  • Kling 3.0 720p：每段 5 秒片段约 6–7 积分（最便宜的高端视频）。
  • Seedance 2.0 720p：每段 5 秒片段约 25 积分（每段 15 秒片段约 90 积分）。
  • Veo 3.1（带音频，720p）：每段约 40–70 积分（某追踪网站称，8 秒 Veo 片段约需 58 积分）。
  • Nano Banana Pro 图像：每张图像约 2 积分。

**预算估算经验法则：**将制作预算估算为（最终渲染次数 × 每个片段的高端模型成本）+（草稿次数 × 每个片段的低成本模型成本）。由于积分会过期且不会结转，应在实际制作月份购买，并在消耗高端模型积分前先完成所有低成本迭代。

API 功能 — 请仔细核实，信息并不完整（已于 2026-07-10 核实）

请准确、如实地说明现有功能；这里很容易出现信心十足却夸大其词的情况。

  • Higgsfield 官方 Cloud API：cloud.higgsfield.ai 提供第一方云端/API 产品，支持 API 密钥身份验证（Authorization: Bearer …；SDK 环境变量为 HF_KEY 或 HF_API_KEY/HF_API_SECRET），并提供官方 Python SDK（higgsfield-ai/higgsfield-client，支持同步和异步、提交/等待、轮询、回调、文件上传）。注意：SDK 的文档示例侧重于文生图（例如 Seedream 的 text-to-image 模型 ID）。请将官方 API 的视频功能视为已提供但文档不完善——请在实时云端控制面板中确认确切的视频端点和模型 ID，不要假定它与 Web 应用的模型选择器一致。
  • 第三方转售商/网关也提供 Higgsfield 功能——主要包括 Pixazo、Segmind、VideoGenAPI 和 Make 集成。示例（Pixazo 网关）：单个 POST /v1/image-to-video 端点，提供模型变体 dop-lite（约 $0.14/5s）、dop-turbo（约 $0.42/5s）、dop-preview（约 $0.57/5s），可接收提示词、种子（1–1,000,000）、动作预设 ID + 强度（0–1）、输入图像 URL（可多个）、用于插帧的可选结束帧，以及 NSFW 检测开关。这些不是 Higgsfield 第一方定价，而是包含转售商加价的价格；使用时请标明它们来自第三方。
  • **实用建议：**以官方云端控制面板和 SDK 作为编程接入的起点；根据实时文档核实每个模型 ID 和模式；如果官方 API 尚未提供特定视频模型，可使用该模型对应的 Web 应用 / Cinema Studio，或直接接入底层提供商（Kling/Google/ByteDance）。在未确认某个模型当天确实存在于官方 API 中之前，不要承诺可通过 API 使用该模型。

权利、同意与数据（已于 2026-07-10 核实——向客户端提供建议前，请阅读最新的服务条款）

  • **所有权 / 商业用途（有文档说明）：**Higgsfield 不主张对输入或输出拥有所有权。付费套餐下，你保留生成文件的完整所有权和商业权利。Free 套餐下，Higgsfield 保留非独占许可，可将你生成的内容用于平台推广和模型改进。
  • **使用你的内容训练模型（有文档说明）：**Higgsfield 可能会使用输入和输出训练/改进其模型，并将其用于营销——对机密内容或涉及客户端敏感信息的材料而言，这一点尤为重要。如果客户端要求其素材不得用于训练，应核查当前套餐条款，或直接选择明确承诺不用于训练/面向企业的提供商。
  • 真实人物、深度伪造与同意（有文档说明的政策）：只有在获得真实人物同意后，才能上传其参考图像；Higgsfield 的条款要求你在上传时确认已获得同意。禁止的内容包括：未经同意冒充或以误导性方式描绘真实、可识别的个人；欺骗性地伪造“某人说过/做过某事”的内容；未经授权使用名人肖像。允许使用的内容包括：你本人、已同意的员工，或获得授权的图库模特图像。
  • Agent 的义务（经验规则，请遵守）：
    1. 使用任何真实人物参考素材生成内容之前，确认用户拥有相关权利/已获得同意；如果无法确认，请拒绝生成涉及真实人物的元素，并提供 AI 生成或已授权的替代方案。
    2. 当任务暗示要对真实人物进行欺骗性使用（伪造言论/事件）时，发出警告——这违反政策，也可能违法。
    3. 对机密/品牌材料，提醒用户注意使用输入内容训练模型的条款；并指出Free 套餐的输出内容附带推广许可（因此客户端项目应使用付费套餐）。
    4. 切勿建议用户在任何地方输入付款或账户凭据；请引导用户前往 Higgsfield 自有的账单管理界面。

质量审核清单（启发式）

根据生成结果所用的模型和需求说明进行评判：

  • **身份：**整个片段中的面部/身体是否与 Soul ID 或参考素材一致？检查最后一帧，而不只是第一帧——偏移往往会在后段出现。
  • **动作连贯性：**四肢、手部和物体是否始终连贯？（Sora 的优势在于物理效果；其替代方案各有不同——Seedance 的物理效果出色，Veo 对面部的处理较柔和。）
  • **摄影机：**预期的 DoP 预设/设备运镜是否实际发生，并且始终合理，还是模型没能配合？
  • **音频（Seedance/Wan/Veo）：**口型同步是否准确？音效/音乐是否合适且同步？对于不支持音频的模型，请规划后期音频制作。
  • **分辨率/格式：**交付质量是否达到该级别/模型的实际上限（不要对最高仅支持 720p 的模型/级别承诺 4K）。
  • **连续性（Cinema Studio）：**角色、地点、灯光和节奏在镜头之间是否保持一致？
  • **政策：**涉及真人肖像时是否已获授权？是否需要去除任何可能造成误导的呈现方式？
  • **成本合理性：**这次渲染值得花费高级积分吗？还是应该先低成本地打磨这个片段？

完整示例（标注为示例，并非必须遵循的公式）

**制作意图：**为虚构人物创始人“Mara”制作一支 20 秒、包含三个镜头的品牌预告片，以 16:9 交付，确保各镜头中的面部一致，并在最后一段加入与画面同步的旁白。

平台/模型计划：

  1. **Soul ID：**使用 24 张清晰、近期且多样化的照片（包括一张全身照）训练“Mara”（训练约 4 分钟）。
  2. **主视觉静帧：**在 Soul 2.0 中通过风格预设生成 3 张锁定身份的静帧（办公室、街道、特写）——在此处打草稿，因为生成图片成本低。
  3. **镜头 A 和 B（运镜 + 无对白）：**使用 DoP 预设为办公室和街道静帧制作动画（A：“Push to Glass”；B：“360 Orbit”），动作强度约为 0.5，文本提示词只描述主体/场景。先用 dop-lite 级别的设置打草稿，再用高一级的设置完成。
  4. **镜头 C（对白）：**特写镜头需要同步语音 → 使用静帧作为参考，加上 VO 台词，在 Seedance 2.0（原生音频）中生成；预算约为 25 个积分，可生成 5 秒的 720p 片段，4K 则需要更多积分。
  5. **剪辑合成：**在 Cinema Studio（或外部编辑器）中以 16:9 合成三个镜头；分别设置每个镜头的时长（约 6 秒/8 秒/6 秒）。

**如此安排的原因：**先锁定身份，再制作动画（Soul ID → 静帧 → 动画），避免每个镜头中的面部重新生成；运镜使用 DoP 预设，而不是依赖不稳定的提示词描述；只有需要口型同步的那个镜头才花费高级音频生成积分（低成本打草稿/高成本完成）。

**预期结果：**面部一致的预告片，包含两段流畅的运镜和一段对白同步镜头。

**可能的失败模式：**镜头 B 旋转时面部发生偏移（解决方法：使用更强大/更多样化的 Soul ID 训练集，或将静帧设为首帧）；如果用 Veo 制作特写，面部可能变柔（因此特意选择 Seedance）；如果反复将镜头 C 以 4K 重新渲染，可能会超支（先在 720p 下锁定时长）。

**变体：**如果你有可供重新风格化的主持人实拍素材，可将镜头 C 换成 Wan 2.7；使用 MiniMax 快速制作社交媒体短版；如果需要三个以上镜头并严格保持连续性，可使用 Cinema Studio 的 Elements + AI 联合导演端到端制作。

来源（访问/验证日期：2026-07-10）

第一方（Higgsfield）：

第二方（披露方法的评测/第三方 API 转售商——标注为第二方）：

易变信息（模型阵容/版本、价格、积分成本、API 端点、Sora 退役日期）的日期为 2026-07-10；用于生产或面向客户时，必须通过实时的第一方页面重新核实。

评论

支持 Markdown