adamroy13/ai-influencer-promo-machine

Higgsfield Generate

Reichen Sie Aufträge für alle Higgsfield-Modelle ein. Kapselt das higgsfield CLI. Deckt generische Bild-/Video-Generierung, Marketing Studio (Markenanzeigen, Avatare, Produkte, Hooks, Einstellungen) und, sekundär, die Bewertung von Video-Viralität mittels Viralitätsvorhersage ab.

Schritt 0 – Bootstrap

Führen Sie vor jedem anderen Befehl Folgendes aus:

1. Falls higgsfield nicht im $PATH ist, installieren Sie es:

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

2. Wenn higgsfield account status mit Session expired / Not authenticated fehlschlägt, bitten Sie den Benutzer, higgsfield auth login (interaktiv) auszuführen, und warten Sie auf die Bestätigung.

UX-Regeln

1. Seien Sie präzise. Keine rohen IDs, keine JSON-Dumps im Chat. Geben Sie die Medien-URL für generierte Assets oder die Textzusammenfassung für die Viralitätsvorhersage aus.
2. Kein internes Fachjargon. Erzählen Sie nicht "higgsfield cost wird aufgerufen" oder "Job wird abgefragt".
3. Erkennen Sie die Sprache des Benutzers aus der ersten Nachricht und antworten Sie darin. Technische Argumente (--aspect_ratio 16:9) bleiben auf Englisch.
4. Stellen Sie keine Batch-Fragen. Wählen Sie ein sinnvolles Standardmodell und fragen Sie nur dann einzeln nach, wenn wirklich etwas fehlt.
5. Schätzen Sie keine Kosten vorab und optimieren Sie nicht auf günstigere Modelle, es sei denn, der Benutzer fragt danach. Bevorzugen Sie zuerst die Qualitätsvoreinstellung.
6. Übergeben Sie --wait an generate create, damit der Befehl blockiert, bis er abgeschlossen ist, und die Ergebnis-URL selbst ausgibt. Vermeiden Sie das zweistufige create → wait-Muster.

Discovery-Begrenzung

Wenn Sie nach einem Higgsfield-Feature/-Modell suchen, verlassen Sie sich nicht nur auf semantische Suche oder CLI --help. Führen Sie zuerst eine ungefilterte Modellliste aus, dann überprüfen Sie die wahrscheinlichen job_set_type-Namen. Wenn der Benutzer sagt, ein Modell existiere, die Suche aber keine Ergebnisse liefert, vertrauen Sie diesem Signal und überprüfen Sie mit der vollständigen Modellliste, bevor Sie antworten.

Die Viralitätsvorhersage wird wie folgt bereitgestellt:

• Kundenname: Virality Predictor
• Technischer job_set_type: brain_activity
• Kategorie/Ausgabe: Textbericht. Dies ist eine Video-in/Text-out-Analyse, kein Text-/Chat-Generierungsmodell.
• Eingabe: hochgeladenes Video
• Zweck: Analyse von Hook, Aufmerksamkeit, Bindung und Viralität eines fertigen Videos

Wenn der Benutzer "Analysiere dieses Video", "Bewerte diese Anzeige", "Bewerte den Hook" oder Ähnliches sagt, leiten Sie zu brain_activity weiter, auch wenn es unter Text-/Analysemodellen erscheint. Klassifizieren Sie nach Aufgabenzweck und erforderlicher Eingabe, nicht allein nach Ausgabekategorie.

Workflow – Generische Generierung

1. Wählen Sie ein Modell. Beginnen Sie mit den Kernvoreinstellungen, es sei denn, die Aufgabenstellung erfordert eindeutig ein Spezialmodell:

   • GPT Image 2 → Standard-Bildmodell für hochwertige allgemeine Generierung, Grafikdesign, UI, Banner, Typografie und Text im Bild.
   • Seedance 2.0 → Standard-Videomodell für ernsthafte Bewegungen, kinoreife Clips, Multi-Shot-Arbeiten, Bild-zu-Video und 4–15 s produktionsqualität. 12 s sind gültig.
   • Nano Banana 2/Pro → Standard für Charakter-, Cartoon-, stilisierte und referenzgesteuerte Bildarbeiten; verwenden Sie Pro für schwierigere Aufgaben.
   • Marketing Studio → Standard für Anzeigen, UGC, Produktdemos, Unboxing, TV-Spots, Präsentationsvideos und Marken-/Produkt-Workflows.

   Bild:

   • Markenproduktvisualisierung (Pinterest-Pin, Lifestyle, Hero-Banner, Anzeigenpaket, virtuelles Anprobieren) → stattdessen higgsfield-product-photoshoot verwenden. NICHT dieses Skill.
   • Generiertes Produktkonzept / Verpackung / Dose / Flasche mit Markennamen oder Etikettentext → GPT Image 2.
   • Markenanzeigenbild mit Avatar + Produkt (Marketing Studio-Form) → Marketing Studio Image (siehe Marketing Studio unten)
   • Ästhetisches UGC / Modeeditorial / Lifestyle-Charakter → Soul 2.0
   • Kinoreifer Standbild → Soul Cinema
   • Stark charaktervolle kreative Persona (nur Text, unverwechselbar) → Soul Cast
   • Orte / Umgebungen / Szenen ohne Personen → Soul Location (Beste in ihrer Klasse)
   • Vektorillustrationen ODER Gesichtsretusche + komplexer Szenenwechsel → Seedream 4.5
   • Soul-Charakter (Referenz-ID von higgsfield-soul-id) → Soul 2.0 für Standbilder, Soul Cinema für kinoreife Bilder
   • Charakter- oder Cartoon-Arbeiten → Nano Banana 2; bei schwierigen Fällen auf Nano Banana Pro aufrüsten
   • Schnelle und günstige Iteration → Z Image
   • Standard für alles andere → GPT Image 2. Grafikdesign, UI, Banner, Typografie und hochwertige allgemeine Generierung.

   Video:

   • Alle Werbe-/kommerziellen/Markenvideos → Marketing Studio (siehe Marketing Studio unten)
   • Standard-Allzweck-ernsthafte Videos (Multi-Shot, konsistente Identität, bewegungsintensiv, Bild-zu-Video, 4–15 s Anfragen) → Seedance 2.0. SOTA. Nicht auf Seedance 1.5 herabstufen, nur weil dessen Dauer-Enum leichter zu lesen ist; zuerst Seedance 2.0 validieren.
   • Einzelbildszene ohne starke Dynamik, günstiger als Seedance 2.0 → Kling 3.0
   • Günstiger sauberer Schuss ohne Schnitte, nur wenn der Benutzer nach günstigerem/Budget-Output fragt → Seedance 1.5 Pro
   • Kinoqualität höchste Wiedergabetreue → Cinema Studio Video 3.0
   • Günstig mit starker Physik, kein Audio nötig → Minimax Hailuo
   • Schnelle Batch-/Mengenverarbeitung → Veo 3.1 Lite

   Videoanalyse:

   • Bewerten Sie den Hook, das Viralitätspotenzial, die Aufmerksamkeit, die Bindung oder das Ablenkungsrisiko eines fertigen Videos → Virality Predictor (brain_activity). Dies ist ein Videoanalysemodell, das eine Textbewertung/einen Textbericht zurückgibt, kein generiertes Medien-Asset.

   Für die tatsächliche --model-ID, die an higgsfield generate create übergeben werden soll, führen Sie higgsfield model list --json | jq aus, um Anzeigenamen auf IDs abzubilden. Siehe references/model-catalog.md für die vollständige Tabelle.

2. Übergeben Sie Medieneingaben direkt an Flags. Medien-Flags akzeptieren einen lokalen Dateipfad oder eine UUID. Das CLI lädt Pfade automatisch hoch und erkennt automatisch, ob es sich bei UUIDs um einen Job oder einen Upload handelt. Kein vorheriger Upload nötig. Jedes Modell deklariert akzeptierte Rollen (image, start_image, end_image, video, audio) – siehe references/media-inputs.md.

3. Validieren Sie schnell. Wenn Sie sich bei Parametern unsicher sind, führen Sie higgsfield model get <jst> --json einmal aus und übergeben Sie nur das Nötigste. Validieren Sie das bevorzugte Modell, bevor Sie auf ein älteres zurückfallen. Verwenden Sie ansonsten Schema-Standardwerte. Der Server gibt adjustments für nicht-fatale Umwandlungen (z. B. aspect_ratio=99:99 → nächste Übereinstimmung) und einen strukturierten Fehler für ungültige deklarierte Parameterwerte zurück.

4. Einreichen und in einem Schritt warten. higgsfield generate create <jst> [--prompt "..."] [media flags] [param flags] --wait. Blockiert, bis der Endstatus erreicht ist, und gibt das Ergebnis auf stdout aus. Einstellbar: --wait-timeout 20m (Standard 10m), --wait-interval 5s (Standard 3s). Virality Predictor benötigt keinen Prompt; übergeben Sie --video.

5. Liefern. Für generierte Medien senden Sie die URL plus eine einzeilige Zusammenfassung (Modell, Dauer bei Video). Für Virality Predictor liefern Sie die Punkte, die geschäftliche Interpretation und den Link zum offenen Bericht. Zeigen Sie .glb, .bin oder regionale Tabelleninterna nicht in der normalen Chat-Ausgabe an.

Zur späteren Überprüfung oder erneuten Ausführung können Sie higgsfield generate list --json und higgsfield generate get <id> --json für die Retrospektion verwenden. higgsfield generate wait <id> ist weiterhin verfügbar, falls Sie jemals einen Job wieder aufnehmen müssen, der ohne --wait gestartet wurde.

Medien-Flags

Flag	Zweck	Modelle, die es akzeptieren
--image <path-or-id>	Referenzbild	die meisten Bildmodelle, seedance_2_0, veo3, marketing_studio_video
--start-image <path-or-id>	Erstes Bild für Bild-zu-Video-Übergänge	kling3_0, kling2_6, veo3_1, seedance_2_0, marketing_studio_video
--end-image <path-or-id>	Letztes Bild für Übergänge	kling3_0, seedance_2_0, marketing_studio_video
--video <path-or-id>	Referenz- oder analysiertes Video	seedance_2_0, brain_activity
--audio <path-or-id>	Referenzaudio (Lippensynchronisation, Soundtrack-Anpassung)	seedance_2_0 (dieses verwenden, NICHT --generate-audio)

Jedes Flag akzeptiert entweder einen lokalen Dateipfad (automatisch hochgeladen) oder eine UUID (Upload-ID von higgsfield upload create oder eine vorherige Job-ID). Jedes Modell deklariert seinen eigenen Rollensatz über MEDIA_ROLES. Siehe references/media-inputs.md für die vollständige Tabelle.

Allgemeine Parameter

Flags werden an das Modellschema übergeben. Verwenden Sie higgsfield model get <jst>, um sie zu entdecken.

higgsfield generate create gpt_image_2 --prompt "neon city at dusk" --aspect_ratio 16:9 --resolution 2k --wait
higgsfield generate create nano_banana_2 --prompt "anime character concept, expressive pose" --image ./ref.png --wait
higgsfield generate create seedance_2_0 --prompt "camera dollies in" --start-image ./first.png --duration 12 --wait
higgsfield generate create text2image_soul_v2 --prompt "..." --soul-id <soul_ref_id> --quality 2k --wait
higgsfield generate create brain_activity --video ./ad.mp4 --wait

Für maschinenlesbare Ausgabe (verkettete Pipelines, Agentenkontext) fügen Sie --json hinzu. Mit --wait --json erhalten Sie das endgültige Job-Objekt-Array. Ohne --wait erhalten Sie die Job-IDs. Virality Predictor speichert rohe Analyse- und Render-Artefakte in den Job-Parametern, aber die Standard-Textausgabe sollte bei den Punktzahlen plus offenem Bericht bleiben.

Stdin-Prompt: echo "..." | higgsfield generate create z_image --wait.

Soul-Bildqualität: für text2image_soul_v2 und soul_cinematic übergeben Sie --quality 1.5k oder --quality 2k. Dies sind UI-facing Stufen; das Backend bildet sie auf 720p/1080p und modellspezifische Abmessungen aus dem gewählten --aspect_ratio ab. soul_location hat keinen Qualitätswähler; es verwendet feste Abmessungen pro Seitenverhältnis.

Marketing Studio

Markenbild-/Video-Generierung: Avatare + Produkte + optionale Setup-Hooks/Einstellungen + Anzeigenmodi. Verwenden Sie die Modelle marketing_studio_video und marketing_studio_image.

Konzepte

• Avatar — Präsentationsgesicht. Kuratierter preset (durchsuchen Sie higgsfield marketing-studio avatars list) oder custom (hochgeladene Fotos über higgsfield marketing-studio avatars create). Für UGC-Modi ist ein Avatar optional, wenn die Aufgabenstellung klar eine Person erwähnt; das Backend kann automatisch einen Soul-Charakter erstellen. Übergeben Sie einen Avatar, wenn der Benutzer einen bestimmten Präsentator wünscht.
• Produkt — Markenartikel mit Titel + Referenzbildern. Importiert von URL (higgsfield marketing-studio products fetch --url ...) oder aus hochgeladenen Bildern erstellt (higgsfield marketing-studio products create).
• Webprodukt — App Store / Webseiten-Version. Wird automatisch weitergeleitet, wenn App Store-URLs abgerufen werden.
• Hook — Wiederverwendbarer Eröffnungswinkel / Anzeigen-Hook. Durchsuchen mit higgsfield marketing-studio hooks list. Der Hook-Text wird dem Prompt des Benutzers vorangestellt; er ersetzt nicht --prompt.
• Einstellung — Wiederverwendbarer Umgebungs-/Szenenkontext. Durchsuchen mit higgsfield marketing-studio settings list.
• Anzeigenreferenz — Wiederverwendbares Inspirationsvideo, das an einen Avatar und/oder ein Produkt gebunden werden kann. Erstellt aus einem hochgeladenen Video (--video-input <upload_id>) oder einem vorherigen Generierungsjob (--job <job_id>). Durchsuchen mit higgsfield marketing-studio ad-references list. Siehe references/marketing-ad-references.md.
• Marken-Kit — Erfasst die Identität einer Marke (Name, Logo, Heldenbilder, Farben, Schriftarten, Ton) zur Wiederverwendung über Bildgenerierungen hinweg. Erstellt durch Übergabe einer Website-URL (higgsfield marketing-studio brand-kits fetch --url https://… --wait). Siehe references/marketing-brand-kits.md.
• Anzeigenformat — Voreinstellungen, die die visuelle Struktur eines generierten Bildes bestimmen (headline, bullet-points, usw.). Schreibgeschützt, durchsuchen mit higgsfield marketing-studio ad-formats list. Erforderliche Eingabe für dtc-ads generate.

Discovery-Befehle

Verwenden Sie diese genauen List-Befehle, wenn der Benutzer fragt, was bereits existiert:

higgsfield marketing-studio avatars list --json
higgsfield marketing-studio products list --json
higgsfield marketing-studio hooks list --json
higgsfield marketing-studio settings list --json
higgsfield marketing-studio ad-references list --json
higgsfield marketing-studio brand-kits list --json
higgsfield marketing-studio ad-formats list --json

--hook_id und --setting_id werden nur von marketing_studio_video unterstützt; übergeben Sie sie nicht an marketing_studio_image.

UX-Regeln (zusätzlich)

• Eine Frage pro Phase. Fragen Sie nicht Produkt+Avatar+Modus auf einmal.
• Zwei Anzeigenansätze schließen sich gegenseitig aus. Entweder der Benutzer gibt ein Anzeigenreferenzvideo (referenzgesteuert) oder wählt Hook/Setting-Blöcke (aus Blöcken zusammengesetzt) – niemals beides. Wenn der Benutzer eine Anzeigenreferenz ausgewählt hat, bieten Sie keine Hook/Setting an; wenn Hook/Setting ausgewählt wurden, bieten Sie nicht an, eine Anzeigenreferenz anzuhängen.
• Anzeigenreferenzquelle. Die einzigen gültigen Eingaben sind eine lokale Videodatei (hochgeladen über higgsfield upload create ... --video) oder ein vorheriger Video-Job. Wenn der Benutzer etwas anderes angibt, fragen Sie nach einer lokalen Datei.
• dtc-ads Anzeigenformat ist obligatorisch. Fragen Sie den Benutzer immer, aus ad-formats list auszuwählen. Es gibt keine automatische Voreinstellung – sowohl das CLI als auch der Server lehnen Aufrufe ohne --format-id ab.
• dtc-ads optionale Eingaben. Schlagen Sie Avatare, Produkte und Referenzmedien vor, wenn die Aufgabenstellung dies erfordert; hängen Sie nur an, was der Benutzer auswählt.

Workflow – Schnelles Anzeigenvideo

1. Produkt besorgen.
   • Vorhandenes Produkt → higgsfield marketing-studio products list --json
   • URL → higgsfield marketing-studio products fetch --url <url> --wait (pollt, bis der Import abgeschlossen ist)
   • Lokale Bilder → higgsfield upload create <photo>... dann higgsfield marketing-studio products create --title "..." --image <id>... Produkt-ID erfassen. Wenn Sie --hook_id verwenden, bevorzugen Sie stark die Übergabe von --product_ids; Hooks sind darauf ausgelegt, auf ein Produkt einzugehen, und funktionieren ohne Produktkontext schlecht.
2. Avatar auswählen, falls nötig.
   • Standard: higgsfield marketing-studio avatars list und wählen Sie einen Voreinstellung, der zur Markenstimme passt.
   • Benutzerdefiniert: higgsfield marketing-studio avatars create --name "..." --image <upload_id>. Für UGC-Modi können Sie --avatars weglassen, wenn kein bestimmter Präsentator erforderlich ist und die Aufgabenstellung eine Person erwähnt; das Backend kann einen Soul-Charakter synthetisieren.
3. Optional Setup-Elemente auswählen.
   • Hook: higgsfield marketing-studio hooks list --json
   • Einstellung: higgsfield marketing-studio settings list --json Übergeben Sie ausgewählte IDs als --hook_id <hook_id> und --setting_id <setting_id> nur für marketing_studio_video. Kopieren Sie den Prompt des Hooks nicht in --prompt, es sei denn, der Benutzer möchte explizit dieselbe Formulierung verstärken.
4. Modus auswählen, falls nötig. Standard ist ugc; --mode ist nicht erforderlich, nur weil --hook_id vorhanden ist. Andere aktuelle Modi...

[Hinweis: Die vollständige Ausgabe wurde aufgrund der Zeichenbegrenzung gekürzt.]