Higgsfield Video Explainer

Was macht Higgsfield Video Explainer?

Führe den MCP-Videoerklärer-Workflow über die Higgsfield CLI aus. Lege einen visuellen Stilschlüssel fest, schreibe eine Erzählzeile und eine passende visuelle Aufforderung pro 10-Sekunden-Block, generiere zuerst alle Sprachaufnahmen, dann alle Clips und setze die geordneten Paare sofort mit explainer_video zusammen.

Verwende in diesem Skill niemals den monolithischen video_explainer-Job.

MCP-zu-CLI-Zuordnung

MCP-Workflow-Operation	CLI-Äquivalent
get_explainer_presets	higgsfield preset list video-explainer --json
resolve_explainer_preset	higgsfield preset resolve video-explainer <preset_id> --json
generate_image / nano_banana_pro	higgsfield generate create nano_banana_2 ...
list_voices	higgsfield voices list --json
generate_audio / seed_audio	higgsfield generate create seed_audio ...
generate_video / gemini_omni	higgsfield generate create gemini_omni ...
job_status	--wait --json oder higgsfield generate wait <job_id> --json
explainer_video	higgsfield generate create explainer_video ...

nano_banana_2 ist die öffentliche CLI-ID für das Nano Banana Pro Stilschlüssel-Modell, das vom MCP-Workflow verwendet wird.

Bootstrap

1. Falls higgsfield nicht verfügbar ist, installiere es:

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

2. Falls higgsfield account status fehlschlägt, bitte den Benutzer, higgsfield auth login auszuführen, und warte dann.

3. Überprüfe die Live-Verträge vor der ersten Einreichung:

   higgsfield model get nano_banana_2
   higgsfield model get seed_audio
   higgsfield model get gemini_omni
   higgsfield model get explainer_video
   

Phase 0 – zuerst fragen

Sammle die Auswahl in zwei getrennten Runden, in dieser Reihenfolge. Führe sie niemals zusammen.

Runde 1 – nur Stil

Lade immer den Live-CMS-Katalog:

higgsfield preset list video-explainer --json

Zeige die Voreinstellungsnamen mit ihren Vorschaubild-/Video-URLs. Sage einen kurzen Satz, in dem du den Benutzer bittest, eine Voreinstellung auszuwählen, einen benutzerdefinierten Stil zu beschreiben oder Stil-Referenzbilder anzuhängen, und beende dann die Runde. Stelle keine Produktionsfragen in derselben Runde. Die Auswahl eines Stils ist obligatorisch; wähle niemals stillschweigend, es sei denn, der Benutzer sagt ausdrücklich „du entscheidest“.

Überspringe diese Runde nur, wenn die Anfrage bereits explainer preset id: <uuid> enthält. Bestätige, dass diese UUID im Live-Katalog existiert, und behalte sie für Phase 1.

Runde 2 – Produktionseinstellungen

Sammle erst nach der Stilauswahl alle ungeklärten Einstellungen:

• Dauer: eine bis zehn ganze Minuten. N = duration_minutes × 6 feste 10-Sekunden-Blöcke.
• Erzählsprache: standardmäßig Englisch, aber biete dennoch die Wahl an.
• Figur: wiederkehrendes Maskottchen oder gesichtslose stilistische Szenen. Frage immer nach.
• Seitenverhältnis: standardmäßig 16:9 oder 9:16 hochkant.
• Untertitel: standardmäßig aus. Erkläre, dass Untertitel 0,05 Credits pro vertontem Block kosten. Wenn aktiviert, lass den Benutzer zwischen patrick, caveat, marker oder anton wählen; wähle niemals stillschweigend.

Jede Wahl gehört dem Benutzer, es sei denn, er delegiert sie ausdrücklich.

Eingaben

• Thema oder persönliche/philosophische Geschichte.
• Optionale lokale Quelldokumente; lies sie vor der Skripterstellung aus/extrahiere sie. Sie sind sachliche Eingabe, keine Generierungsmedien.
• Optionale Voreinstellungs-UUID, die sich gegenseitig mit benutzerdefinierten Stil-Referenzbildern ausschließt.
• Optionale Stil-Referenzbilder. Verwende nur deren Renderstil und Farbkorrektur; kopiere niemals deren Personen, Text, Logos oder Objekte, es sei denn, es wird danach gefragt.
• Dauer, Sprache, Figurenmodus, Seitenverhältnis und Untertitelauswahl aus Phase 0.

Übergebe für lokale Stil-Spender jeden Pfad mit einem wiederholten --image. Lade für ein Web-Bild es zuerst lokal herunter oder verwende eine vorhandene hochgeladene Medien-ID.

Harte Regeln

• Halte jedes Bildmaterial streng nicht-fotorealistisch. Wiederhole denselben STIL-Deskriptor und Nicht-Realitäts-Negative in jedem Clip-Prompt.
• Halte alle gesprochenen Wörter aus der Videogenerierung heraus. Clip-Audio ist nur Umgebungs- oder Musik; kein Dialog, Lippensynchronisation oder eingebettete Erzählung.
• Verwende genau einen Erzähl-Take und einen Clip pro bezeichnetem Block. Block-N-Audio wird immer Block-N-Video zugeordnet.
• Hänge dasselbe Stilschlüssel-Bild an jeden Clip an.
• Schreibe alle Bild-/Video-Prompts auf Englisch. Nur die Erzählung verwendet die gewählte Sprache.
• Recherchiere reale Themen vor der Skripterstellung. Erfinde keine Zitate, Daten, Zahlen oder Ereignisse.
• Setze automatisch im selben Durchlauf zusammen. Lose Clips zurückzugeben ist ein Fehler.

Pipeline

Phase	Ausgabe	CLI
0 Fragen	Stil zuerst; dann Dauer, Sprache, Figur, Seitenverhältnis, Untertitel	preset list + Benutzerfragen
R Recherche	überprüfte Fakten und Quellen	verfügbare Recherche-Tools
1 Stilschlüssel	ein universelles Stilbild	preset resolve oder nano_banana_2
2 Erzählung	N bezeichnete Erzählzeilen	Reasoning
3 Block-Prompts	N bezeichnete Video-Prompts	Reasoning
4 Stimme	Benutzer wählt eine Stimme aus; generiere N Takes	voices list + seed_audio
5 Clips	generiere N 10-Sekunden-Clips	gemini_omni
6 Zusammenbau	ein finales MP4	explainer_video

Lies references/prompts.md vor den Phasen 1–3.

Phase R – Recherche

Verwende für ein reales Thema verfügbare Web-Recherche-Tools und Autoritätsquellen, um genügend Fakten für jeden Block zu überprüfen. Führe eine kurze Quellenliste. Schreibe niemals einen faktenbasierten Erklärer aus dem Gedächtnis allein.

Überspringe für eine persönliche Geschichte die Web-Recherche und verwende nur vom Benutzer bereitgestellte Details. Erfinde nichts Faktisches.

Phase 1 – Stilschlüssel erstellen oder auflösen

Schreibe einen wiederverwendbaren STIL-Deskriptor: Medium, Palette, Linien-/Flächenverhalten, Textur/Oberfläche, dann non-photorealistic, illustrated, not a photo, no live-action, no realism.

Ausgewählte CMS-Voreinstellung

Löse das versteckte Stilbild in den aktiven Arbeitsbereich auf:

higgsfield preset resolve video-explainer "<preset UUID>" --json

Behalte die zurückgegebene media_id als STYLE_KEY_ID. Überspringe die Bildgenerierung: Dieses importierte Medium ist der Stilschlüssel. Baue den STIL-Deskriptor aus dem zurückgegebenen Voreinstellungsnamen plus den obligatorischen nicht-fotorealistischen Regeln. Erstelle keine Voreinstellung aus ihrem Namen neu.

Die Voreinstellungsreferenz steuert die Bildkomposition. Wenn sie mit dem in Phase 0 angeforderten Seitenverhältnis kollidiert, stoppe und lass den Benutzer wählen, anstatt stillschweigend gegen die Referenz zu arbeiten.

Benutzerdefinierter Stil oder Referenzbilder

Generiere genau ein Schlüsselbild. Verwende die abstrakte Farbfeld-Vorlage aus references/prompts.md oder ihre Maskottchen-Variante, wenn der Figurenmodus aktiviert ist. Wiederhole --image für jeden Stil-Spender:

higgsfield generate create nano_banana_2 \
  --prompt "<style-key prompt>" \
  --aspect_ratio 16:9 \
  --resolution 2k \
  --wait \
  --json

Verwende 9:16 für Hochformat. Behalte die UUID des abgeschlossenen Bildjobs als STYLE_KEY_ID; spätere CLI-Generierungen können eine abgeschlossene Job-UUID als Bildreferenz wiederverwenden.

Phase 2 – Erzählung schreiben

Schreibe genau N bezeichnete Erzählblöcke in der gewählten Sprache:

Block 1
<über Clip 1 gesprochene Zeile>
Block 2
<über Clip 2 gesprochene Zeile>

• Eine Zeile pro Block, normalerweise 20–24 Wörter und etwa 8–9 Sekunden.
• Halte jeden Take auf unter etwa 9,5 Sekunden.
• Verwende nur einfachen gesprochenen Text: keine Zeitcodes, Gefühlshinweise, Klammern oder Regieanweisungen.
• Schreibe Zahlen aus.
• Verwende einen konkreten Ton und sage niemals „in diesem Video“.
• Baue für ein Thema von Aufhänger bis zum Höhepunkt/Ministerium auf. Bewahre für eine persönliche Geschichte die Details des Benutzers und den Protagonisten.

Phase 3 – passende Video-Prompts schreiben

Schreibe genau N bezeichnete englische Prompts unter Verwendung der Vorlage in references/prompts.md:

Block N
STYLE REFERENCE: Match the attached reference image EXACTLY. <gleicher STIL-Deskriptor>
SCENE: <eine Szene und Aktion passend zur Block-N-Erzählung>
MOTION: <Kamerabewegung und Animationsverhalten>
AUDIO: <Umgebungs-SFX oder Musik nur; keine Stimme, kein Dialog, keine Erzählung>
NEGATIVE: <Stil-Drift und Realismus-Verbote; keine Lippensynchronisation, Untertitel, Text, Logos oder Wasserzeichen>

Beginnt für den Maskottchen-Modus Block 1 mit einer Begrüßungsgeste (Mund geschlossen), der letzte Block winkt zum Abschied, und mittlere Blöcke verwenden konsistente Cameo-Auftritte nur, wenn nützlich. Verwende für den gesichtslosen Modus nur stilistische Szenen. Halte eine klare Aktion pro Block.

Phase 4 – zuerst alle Sprachaufnahmen generieren

Liste die Live-Stimmen auf, präsentiere die Auswahl und warte, bis der Benutzer einen Sprecher auswählt:

higgsfield voices list --json

Behalte die genaue id und type (preset oder element) der gewählten Stimme. Erfinde oder wähle niemals automatisch eine Stimme aus, es sei denn, der Benutzer delegiert es ausdrücklich.

Generiere einen abgeschlossenen seed_audio-Job pro Erzählblock, immer mit derselben Stimme:

higgsfield generate create seed_audio \
  --prompt "<Block N narration only>" \
  --voice_type "<preset|element>" \
  --voice_id "<voice UUID>" \
  --wait \
  --json

Notiere jede Audio-Job-UUID in Blockreihenfolge. Generiere nur einen fehlgeschlagenen oder übermäßig langen Take neu. Kürze diesen Block oder passe --speech_rate bescheiden an, wenn nötig. Beginne nicht mit Phase 5, bis alle N Audio-Jobs abgeschlossen sind.

Phase 5 – dann alle Clips generieren

Generiere einen abgeschlossenen 10-Sekunden-gemini_omni-Clip pro Block. Hänge denselben Stilschlüssel an jeden Aufruf an:

higgsfield generate create gemini_omni \
  --prompt "<Block N video prompt>" \
  --image "<STYLE_KEY_ID>" \
  --duration 10 \
  --resolution 720p \
  --aspect_ratio 16:9 \
  --wait \
  --json

Verwende 9:16, wenn ausgewählt. Notiere jede Video-Job-UUID in Blockreihenfolge. Unabhängige Jobs können innerhalb dieser Phase gleichzeitig laufen, aber die Audio-Phasen-Barriere ist strikt. Reiche nur fehlgeschlagene Blöcke erneut ein. Ersetze gemini_omni niemals stillschweigend; überprüfe den Live-Videokatalog, wenn das Modell nicht verfügbar ist.

Phase 6 – sofort zusammenbauen

Erstelle blocks.json mit mindestens zwei geordneten Block-Paaren. Der CLI-Modellvertrag erfordert typisierte Referenzen, verwende daher die generischen Typen für abgeschlossene Jobs:

[
  {
    "video": {"id": "<clip 1 job UUID>", "type": "video_job"},
    "audio": {"id": "<voice 1 job UUID>", "type": "audio_job"}
  },
  {
    "video": {"id": "<clip 2 job UUID>", "type": "video_job"},
    "audio": {"id": "<voice 2 job UUID>", "type": "audio_job"}
  }
]

Reiche den serverseitigen Assembler sofort ein:

higgsfield generate create explainer_video \
  --items @blocks.json \
  --width 1280 \
  --height 720 \
  --wait \
  --json

Verwende --width 720 --height 1280 für Hochformat. Wenn Untertitel aktiviert sind, füge die gewählte Schriftart hinzu:

--subtitles '{"font":"patrick"}'

Der Assembler hält jeden Block bei genau 10 Sekunden: Er zentriert kurze Sprachaufnahmen, beschleunigt kleine Überschreitungen tonhöhensicher, dehnt niemals Video, verkettet Blöcke in der Reihenfolge und fügt optional zeitgesteuerte Untertitel ein. Die Gesamtdauer beträgt genau N × 10 Sekunden.

Verwende kein lokales ffmpeg, die Legacy-Montageskripte oder den monolithischen video_explainer-Job.

Checkpoints und Wiederherstellung

• Vor Phase 5: Erfordere einen Stilschlüssel, genau N Erzählzeilen und Prompts, eine ausgewählte Stimme und N abgeschlossene Audio-Jobs.
• Vor Phase 6: Erfordere N abgeschlossene Video-Jobs und exakte Eins-zu-Eins-Block-Paarung ohne fehlende oder doppelte IDs.
• Fehlende Voreinstellung: Aktualisiere preset list; verwende oder erfinde niemals eine ID erneut.
• Fehlgeschlagene Voreinstellungsauflösung: Überprüfe die Arbeitsbereichsauswahl und wiederhole einmal.
• Stil-Drift oder Realismus: Verstärke den gemeinsamen STIL- und NEGATIVE-Text und generiere dann nur diesen Clip neu.
• Zeitüberschreitung: Setze mit higgsfield generate wait <job_id> --json fort; dupliziere niemals einen laufenden Job.
• Zwei identische Fehlschläge bedeuten, dass der Prompt oder die Parameter geändert werden müssen.

Liefern

Gib die endgültige zusammengesetzte Video-URL, genaue Dauer, Seitenverhältnis, Erzählsprache, gewählten Stil, Sprecher, Untertitelstatus und eine Quellenliste für recherchierte Themen zurück. Behalte Zwischen-Job-IDs und lose Asset-URLs intern, es sei denn, sie werden angefordert.