Higgsfield Video Explainer

¿Qué hace Higgsfield Video Explainer?

Ejecuta el flujo de trabajo MCP video-explainer a través de la CLI de Higgsfield. Fija una clave de estilo visual, escribe una línea de narración y un mensaje visual correspondiente por bloque de 10 segundos, genera todas las tomas de voz primero, luego todos los clips, y ensambla inmediatamente los pares ordenados con explainer_video.

Nunca uses el trabajo monolítico video_explainer en esta habilidad.

Mapeo MCP a CLI

Operación del flujo de trabajo MCP	Equivalente CLI
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 o higgsfield generate wait <job_id> --json
explainer_video	higgsfield generate create explainer_video ...

nano_banana_2 es el ID público de CLI para el modelo de clave de estilo Nano Banana Pro utilizado por el flujo de trabajo MCP.

Inicialización

1. Si higgsfield no está disponible, instálalo:

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

2. Si higgsfield account status falla, pide al usuario que ejecute higgsfield auth login, luego espera.

3. Inspecciona los contratos activos antes del primer envío:

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

Fase 0 — pregunta primero

Recopila las opciones en dos turnos separados, en este orden. Nunca los combines.

Turno 1 — solo estilo

Siempre carga el catálogo de CMS en vivo:

higgsfield preset list video-explainer --json

Muestra los nombres de los presets con sus URLs de vista previa en miniatura/video. Di una línea corta pidiendo al usuario que elija un preset, describa un estilo personalizado o adjunte imágenes de referencia de estilo, luego termina el turno. No hagas preguntas de producción en el mismo turno. Elegir un estilo es obligatorio; nunca elijas en silencio a menos que el usuario diga explícitamente "tú eliges".

Omite este turno solo cuando la solicitud ya contenga explainer preset id: <uuid>. Confirma que ese UUID existe en el catálogo en vivo y guárdalo para la Fase 1.

Turno 2 — configuración de producción

Solo después de la selección de estilo, recopila todas las configuraciones no resueltas:

• Duración: de uno a diez minutos completos. N = duración_minutos × 6 bloques fijos de 10 segundos.
• Idioma de narración: inglés por defecto, pero aún así ofrece la opción.
• Personaje: mascota recurrente o escenas estilísticas sin rostro. Siempre pregunta.
• Relación de aspecto: 16:9 por defecto o 9:16 vertical.
• Subtítulos: desactivados por defecto. Explica que los subtítulos cuestan 0.05 créditos por bloque narrado. Si están activados, haz que el usuario elija patrick, caveat, marker o anton; nunca elijas en silencio.

Cada elección pertenece al usuario a menos que la delegue explícitamente.

Entradas

• Tema o historia personal/filosófica.
• Documentos fuente locales opcionales; léelos/extráelos antes de escribir el guion. Son entrada factual, no medios de generación.
• UUID de preset opcional, mutuamente excluyente con imágenes de referencia de estilo personalizadas.
• Imágenes de referencia de estilo opcionales. Usa solo su estilo de renderizado y gradación de color; nunca copies sus personas, texto, logotipos u objetos a menos que se solicite.
• Duración, idioma, modo de personaje, relación de aspecto y elección de subtítulos de la Fase 0.

Para donantes de estilo locales, pasa cada ruta con un --image repetido. Para una imagen web, descárgala localmente primero o usa un ID de medio subido existente.

Reglas estrictas

• Mantén cada visual estrictamente no fotorrealista. Repite el mismo descriptor de ESTILO y los negativos de no realismo en cada mensaje de clip.
• Mantén todas las palabras habladas fuera de la generación de video. El audio del clip es sonido ambiente o música solamente; sin diálogo, sincronía de labios ni narración integrada.
• Usa exactamente una toma de narración y un clip por bloque etiquetado. El audio del Bloque N siempre se asigna al video del Bloque N.
• Adjunta la misma imagen de clave de estilo a cada clip.
• Escribe todos los mensajes de imagen/video en inglés. Solo la narración usa el idioma seleccionado.
• Investiga temas reales antes de escribir el guion. No inventes citas, fechas, números o eventos.
• Ensambla automáticamente en la misma ejecución. Devolver clips sueltos es un fracaso.

Tubería

Fase	Salida	CLI
0 Preguntar	estilo primero; luego duración, idioma, personaje, relación de aspecto, subtítulos	preset list + preguntas al usuario
R Investigación	hechos y fuentes verificados	herramientas de investigación disponibles
1 Clave de estilo	una imagen de estilo universal	preset resolve o nano_banana_2
2 Narración	N líneas de narración etiquetadas	razonamiento
3 Mensajes de bloque	N mensajes de video etiquetados	razonamiento
4 Voz	el usuario selecciona una voz; genera N tomas	voices list + seed_audio
5 Clips	genera N clips de 10 segundos	gemini_omni
6 Ensamblar	un MP4 final	explainer_video

Lee references/prompts.md antes de las Fases 1–3.

Fase R — investigación

Para un tema real, usa las herramientas de investigación web disponibles y fuentes autorizadas para verificar suficientes hechos para cada bloque. Mantén una lista corta de Fuentes. Nunca escribas un guion explicativo factual solo de memoria.

Para una historia personal, omite la investigación web y usa solo los detalles proporcionados por el usuario. No inventes nada factual.

Fase 1 — crear o resolver la clave de estilo

Escribe un descriptor de ESTILO reutilizable: medio, paleta, comportamiento de línea/relleno, textura/acabado, luego non-photorealistic, illustrated, not a photo, no live-action, no realism.

Preset de CMS seleccionado

Resuelve la imagen de estilo oculta en el espacio de trabajo activo:

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

Guarda el media_id devuelto como STYLE_KEY_ID. Omite la generación de imagen: este medio importado es la clave de estilo. Construye el descriptor de ESTILO a partir del nombre del preset devuelto más las reglas obligatorias de no fotorrealismo. No recrees un preset a partir de su nombre.

La referencia del preset controla el encuadre. Si entra en conflicto con la relación de aspecto solicitada en la Fase 0, detente y deja que el usuario elija en lugar de luchar silenciosamente contra la referencia.

Estilo personalizado o imágenes de referencia

Genera exactamente una imagen clave. Usa la plantilla de muestra abstracta de references/prompts.md, o su variante de mascota cuando el modo de personaje esté activado. Repite --image por cada donante de estilo:

higgsfield generate create nano_banana_2 \
  --prompt "<mensaje de clave de estilo>" \
  --aspect_ratio 16:9 \
  --resolution 2k \
  --wait \
  --json

Usa 9:16 para vertical. Guarda el UUID del trabajo de imagen completado como STYLE_KEY_ID; las generaciones CLI posteriores pueden reutilizar un UUID de trabajo completado como referencia de imagen.

Fase 2 — escribir narración

Escribe exactamente N bloques de narración etiquetados en el idioma seleccionado:

Bloque 1
<frase dicha durante el clip 1>
Bloque 2
<frase dicha durante el clip 2>

• Una frase por bloque, generalmente 20–24 palabras y unos 8–9 segundos.
• Mantén cada toma por debajo de aproximadamente 9.5 segundos.
• Usa solo texto hablado simple: sin códigos de tiempo, indicaciones de emoción, paréntesis ni acotaciones escénicas.
• Escribe los números con letras.
• Usa un tono concreto y nunca digas "en este video".
• Para un tema, construye desde el gancho hasta el desenlace. Para una historia personal, conserva los detalles del usuario y el protagonista.

Fase 3 — escribir mensajes de video coincidentes

Escribe exactamente N mensajes en inglés etiquetados usando la plantilla en references/prompts.md:

Bloque N
REFERENCIA DE ESTILO: Coincide EXACTAMENTE con la imagen de referencia adjunta. <mismo descriptor de ESTILO>
ESCENA: <una escena y acción que coincida con la narración del Bloque N>
MOVIMIENTO: <movimiento de cámara y comportamiento de animación>
AUDIO: <solo SFX ambiente o música; sin voz, diálogo ni narración>
NEGATIVO: <prohibiciones de desviación de estilo y realismo; sin sincronía de labios, subtítulos, texto, logotipos ni marca de agua>

Para el modo mascota, el Bloque 1 saluda con un gesto con la boca cerrada, el bloque final se despide con un gesto, y los bloques intermedios usan cameos consistentes solo cuando sea útil. Para el modo sin rostro, usa solo escenas estilísticas. Mantén una acción clara por bloque.

Fase 4 — generar todas las tomas de voz primero

Enumera las voces en vivo, presenta las opciones y espera a que el usuario seleccione un narrador:

higgsfield voices list --json

Guarda el id y type exactos de la voz seleccionada (preset o element). Nunca inventes o selecciones automáticamente una voz a menos que el usuario la delegue explícitamente.

Genera un trabajo seed_audio completado por bloque de narración, siempre con la misma voz:

higgsfield generate create seed_audio \
  --prompt "<solo narración del Bloque N>" \
  --voice_type "<preset|element>" \
  --voice_id "<UUID de la voz>" \
  --wait \
  --json

Registra cada UUID de trabajo de audio en orden de bloque. Regenera solo una toma fallida o excesivamente larga. Acorta ese bloque o ajusta --speech_rate moderadamente cuando sea necesario. No comiences la Fase 5 hasta que todos los N trabajos de audio estén completos.

Fase 5 — generar todos los clips después

Genera un clip gemini_omni de 10 segundos completado por bloque. Adjunta la misma clave de estilo a cada llamada:

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

Usa 9:16 cuando se haya seleccionado. Registra cada UUID de trabajo de video en orden de bloque. Los trabajos independientes pueden ejecutarse concurrentemente dentro de esta fase, pero la barrera de la fase de audio es estricta. Reenvía solo los bloques fallidos. Nunca reemplaces silenciosamente gemini_omni; inspecciona el catálogo de video en vivo si el modelo no está disponible.

Fase 6 — ensamblar inmediatamente

Crea blocks.json con al menos dos pares de bloques ordenados. El contrato del modelo CLI requiere referencias tipificadas, así que usa los tipos genéricos de trabajo completado:

[
  {
    "video": {"id": "<UUID del trabajo del clip 1>", "type": "video_job"},
    "audio": {"id": "<UUID del trabajo de voz 1>", "type": "audio_job"}
  },
  {
    "video": {"id": "<UUID del trabajo del clip 2>", "type": "video_job"},
    "audio": {"id": "<UUID del trabajo de voz 2>", "type": "audio_job"}
  }
]

Envía el ensamblador del lado del servidor inmediatamente:

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

Usa --width 720 --height 1280 para vertical. Cuando los subtítulos están activados, añade la fuente elegida:

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

El ensamblador mantiene cada bloque exactamente a 10 segundos: centra las tomas de voz cortas, acelera con seguridad de tono los pequeños excesos, nunca estira el video, concatena los bloques en orden y, opcionalmente, quema subtítulos con tiempo. La duración total es exactamente N × 10 segundos.

No uses ffmpeg local, los scripts de ensamblaje heredados ni el trabajo monolítico video_explainer.

Puntos de control y recuperación

• Antes de la Fase 5: requiere una clave de estilo, exactamente N líneas de narración y mensajes, una voz seleccionada y N trabajos de audio completados.
• Antes de la Fase 6: requiere N trabajos de video completados y un emparejamiento exacto uno a uno de bloques sin ID faltantes o duplicados.
• Preset faltante: actualiza preset list; nunca reutilices o fabriques un ID.
• Falla de resolución de preset: verifica la selección del espacio de trabajo y reintenta una vez.
• Desviación de estilo o realismo: fortalece el texto compartido de ESTILO y NEGATIVO, luego regenera solo ese clip.
• Tiempo de espera: reconéctate con higgsfield generate wait <job_id> --json; nunca dupliques un trabajo en ejecución.
• Dos fallos idénticos significan que el mensaje o los parámetros deben cambiar.

Entrega

Devuelve la URL del video ensamblado final, la duración exacta, la relación de aspecto, el idioma de narración, el estilo seleccionado, el narrador, el estado de los subtítulos y una lista de Fuentes para temas investigados. Mantén los IDs de trabajo intermedios y las URL de activos sueltos internos a menos que se soliciten.