higgsfield-youtube-thumbnail

Higgsfield YouTube 缩略图

构思简洁的缩略图方案，通过 higgsfield CLI 生成每个变体，检查效果，并且只进行用户要求的精准编辑。

初始化

在开始任何生成前：

1. 如果缺少 higgsfield，请安装：

   curl -fsSL https://raw.githubusercontent.com/higgsfield-ai/cli/main/install.sh | sh
   

2. 如果 higgsfield account status 报告 Session expired 或 Not authenticated，请让用户运行 higgsfield auth login，然后等待。
3. 当目录可能已变更时，确认已锁定的模型约定：

   higgsfield model get nano_banana_pro --json
   higgsfield model get gpt_image_2 --json
   higgsfield model get seedream_v5_pro --json
   

UX 规则

1. 使用与用户相同的语言。正常对话中不要提及 CLI／模型机制。
2. 不要询问简报中已有的信息。只有缺失的选择会影响结果时，才问一个简短的问题。
3. 绝不可编造与视频不符的主张、结果、产品、人物、截图或统计数据。
4. 不要向用户输出原始 JSON 或任务 ID。提供图片 URL 和简短的变体标签。
5. 风格参考缩略图仅用于视觉分析。绝不可通过 --image 传入；禁止照搬其身份特征或精确构图。
6. 不要使用 --count。每个概念、情绪或镜头角度都必须使用独立提示词并单独调用生成。
7. use_unlim 不是当前 CLI 参数。绝不可添加 --use-unlim；如果用户明确要求使用无限额度，请说明此工作流必须通过 CLI 使用点数，或改用支持该额度的界面。

收集信息的门槛

只收集简报尚未说明的信息：

• 视频主题／标题，以及缩略图可以传达的真实承诺。
• 如有需要，列出具体场景要求。
• 出镜人数：0–3 人。如果某个方案需要人物，但用户没有提供面部照片，请询问使用用户本人、另一位已提供的人物，还是通用生成角色。绝不可擅自决定。
• 可选的风格参考缩略图。使用主机视觉能力分析其张力、构图、分屏布局、配色和情绪；不要将其发送给 Higgsfield。
• 可选的 logo，以及是否保持平面效果或变为 3D 物体。
• 可选标题，2–4 个词。默认交付不含文字的干净图片。用户要求叠加文字时，使用确定性的叠加方式；只有用户明确要求时，才将文字直接生成在图片中。
• 比例：YouTube 默认使用 16:9，Shorts 使用 9:16，Instagram 使用 4:5。
• 一个最终方案或一组变体。如果用户未指定，且备选方案会显著提升效果，则提供约四个方案。生成总数上限为 16。

如果用户只给出情绪数量，没有指定名称，则使用以下顺序：震惊、狂热、愤怒、敬畏、欢笑、恐惧、自鸣得意、魅力、困惑、坚定、厌恶。

概念门槛

阅读 references/thumbnail-frameworks.md。在内部基于多个框架构思至少五个真实的方案，然后选出信息差最强、主体明确且杂乱元素最少的方案。只有在约 120px 宽时仍能在一秒内看懂，才组合多个框架。

如果存在参考缩略图，提示词编写前先提取以下结构：

brief, generic subject pose/action, elements, location, composition, background,
split (true/false), split_count, person_count, emotion, emotion_detail

参考图只提供美术指导，不指定具体身份。用户的指示在各个字段上均优先于参考图。

参考素材顺序

先按人物顺序传入面部照片，再传入 logo。每个参考素材都要重复使用 --image。附加了两个或更多参考素材时，提示词第一行必须是如下清单：

IMAGE REFERENCES: image 1 = CHARACTER 1 face reference; image 2 = brand logo.

本地路径会自动上传。已完成任务的 ID 也可以用作 --image 输入。

提示词约定

按以下顺序组装每个主渲染提示词：

1. 画面： Bold, punchy YouTube-thumbnail composite — poster-grade, photoreal and high-impact, NOT a muted cinematic movie still, <ratio>, single unified frame — no split-screen, no diagonal divide, everything blends smoothly and organically across the same continuous shot. 对于 9:16，添加 faces in the upper two-thirds。如果用户要求用图形呈现，则用简洁的图表／图形描述替代写实语言。
2. 场景描述： 呈现用户指定的确切内容。
3. 文字： 默认使用 No text, no readable UI labels, no watermark.。如果明确要求嵌入标题，则使用 TEXT: bold thumbnail headline text baked into the image, reading exactly "<TEXT>" — massive, ultra-legible sans-serif with a clean outline/glow treatment, placed where it never covers the subject's face. No other text, no watermark.
4. 主体： 主体应大幅呈现、占据前景，以胸部以上或中近景为主，约占画面的 40–60%。末尾加上 All faces crisply sharp as the anchors of the shot.
5. 关键元素： 仅包含能够说明信息差的标志性道具／特效。
6. Logo： 保留精确的形状、颜色、比例和字形；与人脸保持距离。
7. 地点： 视情况注明地点、时间、天气和氛围。
8. 构图： 设置一个占据三分法视觉焦点的主体，明确层级、纵深，并让主体与背景形成强烈区分。
9. 背景： 使用鲜明、高对比度的色彩场或环境，添加柔和的暗角和边缘渐隐；除非明确要求分割布局，否则不要分割背景。
10. 人物光照： signature YouTube thumbnail lighting rig — strong key light sculpting the face, soft dreamy fill lifting shadows, and defined back light plus hair light tracing a clean bright rim around hair, shoulders and silhouette. 只有轮廓光可以使用彩色点缀。
11. 调色： 鲜明、明亮、通透、海报般醒目，黑位深邃，高光清晰，色彩浓郁饱和，整体协调统一。仅在明确要求平静／高端／低饱和风格时收敛效果。

对于每位以照片为参考的人物，请加入：

CHARACTER N: the person from attached face reference #K — IDENTITY LOCK: reproduce
this exact person with a photographic identity match — same bone structure, eye shape,
nose, lips, jawline, skin tone, hairline and hair texture. Do not beautify, average,
or restyle the face. Expression: <emotion phrase>.

分割布局

只有当用户要求 split、before/after、versus、side by side，或分析的参考图采用分割布局时，才使用分割布局。诸如 X vs Y 这样的主题短语本身并不要求分割画面。用清晰的左右区域／面板约定替换常规画面描述；除非明确要求嵌入简短且真实的 UI 文案，否则不要添加任何标签。

可选 3D Logo

先生成 1:1 的 4K Logo 渲染图，然后在每次缩略图调用中，将已完成任务的 ID 作为最后一个 --image：

higgsfield generate create gpt_image_2 \
  --prompt "Transform the attached 2D logo into a premium 3D logo render: extrude the exact logo shapes into glossy dimensional volumes; preserve every letterform, proportion and brand color; soft studio reflections, subtle bevels, crisp edges, clean dark neutral background, soft contact shadow, centered, generous margins, no extra text, no watermark." \
  --image ./logo.png \
  --aspect_ratio 1:1 \
  --quality high \
  --resolution 4k \
  --wait --json

主渲染

使用 Nano Banana Pro，并明确指定 4K。将最终提示词写入临时文本文件，再通过 stdin 管道传入，以安全保留标点和多行文本：

higgsfield generate create nano_banana_pro \
  --aspect_ratio 16:9 \
  --resolution 4k \
  --image ./face-1.png \
  --image ./logo.png \
  --wait --json < thumbnail-prompt.txt

没有参考图时，省略所有 --image 标志。对于一组变体，每种不同的提示词分别调用一次。保持相同的参考图和设置；只更改所选概念、表情或镜头版本描述。

已完成的 JSON 结果包含 id 和 result_url。请私下保存两者：URL 会交付给用户；ID 用于后续编辑。

渲染后检查

条件允许时，使用主机视觉能力检查每个结果：

• 参考人物的身份在视觉上匹配。
• 不存在多余文字或水印，除非要求嵌入文字。
• 明确要求嵌入的文字逐字匹配。
• 人脸／情绪和主体元素在约 120px 宽时仍清晰可辨。
• 概念真实契合视频所传达的内容。

如果出现严重问题，使用相同提示词最多重试两次。如果无法进行视觉检查，不要声称结果已通过检查；应将结果交由用户审核。展示所有通过检查的变体，并让用户选择后，再进行可选调整。

细微调整

仅使用选定的已完成任务 ID 作为图像输入。将编辑提示词限定在狭窄范围内，并说明其他所有像素级属性都保持不变。

higgsfield generate create seedream_v5_pro \
  --prompt "Change ONLY the person's facial expression to: <phrase>. Keep identity, face structure, hair, pose, body, clothing, logo, background, lighting and composition EXACTLY unchanged, pixel-faithful. Keep the YouTube thumbnail lighting rig intact." \
  --image <picked_job_id> \
  --aspect_ratio 16:9 \
  --resolution 2k \
  --wait --json

如果缺少 seedream_v5_pro 或提交被拒绝，则使用 seedream_v4_5 --quality high 重试一次。对于 4:5 的主渲染，Seedream 不支持 4:5；如需将编辑改为 3:4，请先询问，并说明裁剪／比例变化。每次获准的编辑都会成为下一次调整的源 ID。

CLI 兼容性：1.1.20 及更早版本可能会将 nano_banana_pro 任务引用错误标记为 nano_banana_pro_job。如果编辑因 medias.0...data.type 错误被拒绝，请将选定的 result_url 下载到本地图像，然后使用 --image ./picked-thumbnail.png 重试相同的编辑。本地路径会自动作为 media_input 上传；不要重试无效的任务 ID 负载。

允许的调整范围：仅调整表情、仅替换背景、仅重新着色背景，或仅重新着色轮廓光。对于精细调整请求，绝不能在未说明的情况下重新生成完整构图。

文字叠加

默认情况下，生成的图像应不含文字。收到标题叠加请求时，请阅读 references/text-overlay-bake.md，并使用其中五种预设之一：Beast、Fire、Neon Lime、Clean Glass 或 Marker。叠加流程需要具备 HTML canvas 渲染能力的环境；如果无法满足，请提供干净图像，或提供经明确批准的烘焙文字重新生成方案。绝不要将 HTML 预览冒充为已扁平化的 PNG。

交付

返回通过检查的 result_url 值，并附上简短的语义标签，例如 shock / close-up 或 product / size contrast。说明所选比例，以及交付内容是干净版、可叠加文字版还是已烘焙文字版。除非用户提出要求，否则不要透露内部提示词、任务 ID 或重试机制。

参考文件

• references/thumbnail-frameworks.md — 16 种概念框架、信息差规则和真实性准则。
• references/text-overlay-bake.md — 五种确定性的文字叠加样式和 4K canvas 烘焙方案。