higgsfield-ai/higgsfield-youtube-thumbnail

Higgsfield YouTube Thumbnail

Erstelle ein sauberes Thumbnail-Konzept, generiere jede Variante über die higgsfield-CLI, inspiziere sie und nimm nur die gewünschten chirurgischen Änderungen vor.

Bootstrap

Vor jeder Generierung:

1. Falls higgsfield fehlt, installiere es:

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

2. Falls higgsfield account status „Session expired“ oder „Not authenticated“ meldet, bitte den Benutzer, higgsfield auth login auszuführen, und warte dann.
3. Bestätige die gesperrten Modellverträge, wenn sich der Katalog geändert haben könnte:

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

UX-Regeln

1. Passe dich der Sprache des Benutzers an. Halte CLI-/Modell-Mechaniken aus dem normalen Chat heraus.
2. Frage nicht nach Fakten, die bereits im Briefing vorhanden sind. Stelle nur dann eine kompakte Frage, wenn eine fehlende Entscheidung das Ergebnis verändert.
3. Erfinde niemals Behauptungen, Ergebnisse, Produkte, Personen, Screenshots oder Statistiken, die nicht dem Video entsprechen.
4. Gib keine rohen JSON oder Job-IDs an den Benutzer aus. Liefere die Bild-URL und eine kurze Variantenbezeichnung.
5. Ein Stil-Referenz-Thumbnail ist nur zur visuellen Analyse gedacht. Übergib es niemals mit --image. Das Kopieren seiner Identität oder exakten Komposition ist verboten.
6. Verwende nicht --count. Jedes Konzept, jede Emotion oder Kameraeinstellung erhält einen eigenen Prompt und Generierungsaufruf.
7. use_unlim ist kein aktueller CLI-Parameter. Füge niemals --use-unlim hinzu. Wenn der Benutzer explizit nach einem unbegrenzten Guthaben fragt, erkläre, dass dieser Workflow auf Credits in der CLI oder über eine Oberfläche laufen muss, die dieses Guthaben unterstützt.

Aufnahmetore

Sammle nur das, was das Briefing nicht beantwortet:

• Das Thema/der Titel des Videos und das wahrheitsgemäße Versprechen, das das Thumbnail implizieren könnte.
• Genaue Szenenanforderungen, falls vorhanden.
• Wer erscheint: 0–3 Personen. Wenn ein Konzept eine Person benötigt und kein Gesichtsfoto bereitgestellt wurde, frage, ob der Benutzer, eine andere bereitgestellte Person oder eine generische generierte Figur verwendet werden soll. Entscheide niemals stillschweigend.
• Optionales Stil-Referenz-Thumbnail. Analysiere es mit Host-Vision auf Energie, Bildausschnitt, Split-Layout, Farbpalette und Emotion; sende es nicht an Higgsfield.
• Optionales Logo und ob es flach bleibt oder ein 3D-Objekt wird.
• Optionale Überschrift, 2–4 Wörter. Standardmäßig wird ein sauberes Bild ohne Text ausgeliefert. Verwende eine deterministische Überlagerung, wenn der Benutzer eine Überlagerung anfordert; backe Text nur dann in das generierte Bild ein, wenn es explizit angefordert wird.
• Seitenverhältnis: Standardmäßig 16:9 für YouTube, 9:16 für Shorts, oder 4:5 für Instagram.
• Ein endgültiges Konzept oder eine Variantensammlung. Wenn nichts angegeben ist und Alternativen wesentlich helfen würden, biete eine Sammlung von etwa vier an. Hartes Limit: 16 Gesamtgenerationen.

Wenn der Benutzer eine Emotionsanzahl ohne Namen angibt, verwende diese Leiter: Schock, Hype, Wut, Ehrfurcht, Lachen, Angst, Überheblichkeit, Charisma, Verwirrung, Entschlossenheit, Ekel.

Konzepttor

Lies references/thumbnail-frameworks.md. Denke intern über mindestens fünf wahrheitsgemäße Konzepte aus mehreren Frameworks nach und wähle dann die stärkste Informationslücke mit einem Brennpunktsubjekt und minimalem Durcheinander aus. Kombiniere Frameworks nur, wenn das Ergebnis bei etwa 120 px Breite noch in unter einer Sekunde lesbar ist.

Wenn ein Referenz-Thumbnail vorhanden ist, extrahiere diese Struktur vor dem Prompting:

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

Die Referenz gibt die künstlerische Richtung vor, niemals eine spezifische Identität. Benutzeranweisungen überschreiben sie Feld für Feld.

Referenzreihenfolge

Übergib Gesichtsfotos zuerst in der Reihenfolge der Charaktere, dann das Logo. Wiederhole --image für jede Referenz. Wenn zwei oder mehr Referenzen angehängt sind, muss die erste Zeile des Prompts ein Manifest sein wie:

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

Lokale Pfade werden automatisch hochgeladen. Vorherige abgeschlossene Job-IDs funktionieren ebenfalls als --image-Eingaben.

Prompt-Vertrag

Setze jeden Hauptrender-Prompt in dieser Reihenfolge zusammen:

1. Frame: 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. Für 9:16 füge faces in the upper two-thirds hinzu. Eine angeforderte grafische Darstellung ersetzt die fotorealistische Sprache durch eine saubere Diagramm-/Grafik-Beschreibung.
2. Szenen-Beschreibung: Stelle den genauen Inhalt des Benutzers dar.
3. Text: Standardmäßig No text, no readable UI labels, no watermark. Für explizit eingebackene Überschrift: 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. Subjekte: groß, vordergrunddominant, brustaufwärts oder mittlere Nahaufnahme, die etwa 40–60 % des Bildes einnehmen. Endet mit All faces crisply sharp as the anchors of the shot.
5. Schlüsselelemente: nur charakteristische Requisiten/Effekte, die die Informationslücke erklären.
6. Logo: Bewahre exakte Formen, Farben, Proportionen und Buchstaben; halte es von Gesichtern fern.
7. Ort: Ort, Zeit, Wetter und Atmosphäre, wenn relevant.
8. Komposition: ein Power-Drittel-Held, klare Größenhierarchie, Tiefe und starke Trennung von Subjekt/Hintergrund.
9. Hintergrund: lebendiges, kontrastreiches Farbfeld oder Umgebung, weiche Vignette und Randabfall; teile ihn nicht, es sei denn, ein Split-Layout wurde explizit angefordert.
10. Beleuchtung von Personen: 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. Nur der Rand darf einen farbigen Akzent verwenden.
11. Grading: lebendig, hell, glänzend, poster-knackig, tiefe Schwarztöne, klare Lichter, reichhaltige gesättigte Farben, als ein Bild zusammenhängend. Zurückhaltend nur bei explizitem ruhigem/premium/gedämpftem Briefing.

Für jede fotoreferenzierte Person füge hinzu:

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>.

Split-Layouts

Verwende einen Split nur, wenn der Benutzer nach split, before/after, versus, side by side fragt oder die analysierte Referenz gesplittet ist. Ein thematischer Ausdruck wie X vs Y erfordert nicht selbst einen Split. Ersetze den normalen Frame-Block durch einen klaren Hälften/Teile-Vertrag und halte alle Labels draußen, es sei denn, kurzes, wahrheitsgemäß eingebackenes UI wurde explizit angefordert.

Optionales 3D-Logo

Erstelle zuerst ein 1:1 4K-Logo-Render, verwende dann dessen abgeschlossene Job-ID als letztes --image bei jedem Thumbnail-Aufruf:

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

Hauptrender

Verwende Nano Banana Pro mit explizitem 4K. Schreibe den endgültigen Prompt in eine temporäre Textdatei und leite ihn über stdin weiter, damit Satzzeichen und mehrzeilige Blöcke sicher erhalten bleiben:

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

Lasse alle --image-Flags weg, wenn es keine Referenzen gibt. Für eine Variantensammlung führe einen Aufruf pro eindeutigem Prompt durch. Behalte dieselben Referenzen und Einstellungen bei; variiere nur die ausgewählte Konzept-, Ausdrucks- oder Kameraeinstellungszeile.

Das abgeschlossene JSON-Ergebnis enthält id und result_url. Bewahre beide privat auf: Die URL wird ausgeliefert; die ID ist die Quelle für spätere Bearbeitungen.

Nach-Render-Tor

Überprüfe jedes Ergebnis mit Host-Vision, wenn verfügbar:

• Referenzierte Identitäten stimmen sichtbar überein.
• Kein fremder Text oder Wasserzeichen vorhanden, es sei denn, eingebackener Text wurde bestellt.
• Expliziter eingebackener Text stimmt zeichengenau.
• Das Gesicht/die Emotion und das Heldenelement bleiben bei etwa 120 px Breite lesbar.
• Das Konzept entspricht wahrheitsgemäß dem Videoversprechen.

Bei einem schwerwiegenden Fehler wiederhole denselben Prompt höchstens zweimal. Wenn keine visuelle Inspektion verfügbar ist, behaupte nicht, dass sie bestanden wurde; liefere das Ergebnis zur Überprüfung durch den Benutzer aus. Präsentiere alle bestandenen Varianten und lasse den Benutzer auswählen, bevor optionale Anpassungen vorgenommen werden.

Chirurgische Anpassungen

Verwende die ausgewählte abgeschlossene Job-ID als einzige Bildeingabe. Halte den Bearbeitungsprompt eng gefasst und gib an, dass alle anderen Pixel-für-Pixel-Eigenschaften unverändert bleiben.

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

Wenn seedream_v5_pro fehlt oder die Einreichung ablehnt, wiederhole einmal mit seedream_v4_5 --quality high. Für ein 4:5-Hauptrender hat Seedream kein 4:5; frage vor der Änderung des Seitenverhältnisses auf 3:4 und lege den Beschnitt-/Seitenverhältniswechsel offen. Jede akzeptierte Bearbeitung wird zur Quell-ID für die nächste Anpassung.

CLI-Kompatibilität: Versionen bis 1.1.20 können eine nano_banana_pro-Job-Referenz fälschlicherweise als nano_banana_pro_job bezeichnen. Wenn die Bearbeitung mit einem medias.0...data.type-Fehler abgelehnt wird, lade die ausgewählte result_url als lokales Bild herunter und wiederhole dieselbe Bearbeitung mit --image ./picked-thumbnail.png. Ein lokaler Pfad wird automatisch als media_input hochgeladen; wiederhole nicht die ungültige Job-ID-Nutzlast.

Zulässige Bearbeitungsumfänge: nur Ausdruck, nur Hintergrundersatz, nur Hintergrund-Neufärbung oder nur Randlicht-Neufärbung. Generiere niemals stillschweigend die gesamte Komposition für eine chirurgische Anfrage neu.

Textüberlagerung

Halte das generierte Bild standardmäßig textfrei. Wenn eine Überschrift-Überlagerung angefordert wird, lies references/text-overlay-bake.md und verwende eine seiner fünf Voreinstellungen: Beast, Fire, Neon Lime, Clean Glass oder Marker. Der Überlagerungspfad erfordert eine Umgebung, die HTML-Canvas rendern kann; wenn nicht verfügbar, biete entweder das saubere Bild oder eine explizit genehmigte eingebackene Text-Neugenerierung an. Gib niemals vor, dass eine HTML-Vorschau ein flaches PNG ist.

Auslieferung

Gib die bestandenen result_url-Werte mit kurzen semantischen Bezeichnungen wie „Schock / Nahaufnahme“ oder „Produkt / Größenkontrast“ zurück. Erwähne das ausgewählte Seitenverhältnis und ob das ausgelieferte Produkt sauber, überlagerungsbereit oder textgebaked ist. Lege keine internen Prompts, Job-IDs oder Wiederholungsmechanismen offen, es sei denn, der Benutzer fragt danach.

Referenzdateien

• references/thumbnail-frameworks.md — 16 Konzept-Frameworks, Informationslücken-Regel, Wahrheitsgebot.
• references/text-overlay-bake.md — fünf deterministische Textüberlagerungsstile und 4K-Canvas-Bake-Rezept.