higgsfield-ai/higgsfield-youtube-thumbnail

Higgsfield YouTube Thumbnail

Crea un concepto limpio de miniatura, genera cada variante a través de la CLI de higgsfield, inspecciónala y realiza solo las ediciones quirúrgicas solicitadas.

Inicialización

Antes de cualquier generación:

1. Si falta higgsfield, instálalo:

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

2. Si higgsfield account status informa Session expired o Not authenticated, pide al usuario que ejecute higgsfield auth login, luego espera.
3. Confirma los contratos de modelo bloqueados cuando el catálogo pueda haber cambiado:

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

Reglas de UX

1. Adáptate al idioma del usuario. Mantén la mecánica CLI/modelo fuera de la conversación normal.
2. No preguntes por hechos ya presentes en el resumen. Haz una sola pregunta compacta solo cuando una elección faltante cambie el resultado.
3. Nunca inventes afirmaciones, resultados, productos, personas, capturas de pantalla o estadísticas que no sean ciertos para el video.
4. No imprimas JSON sin procesar ni IDs de trabajo al usuario. Entrega la URL de la imagen y una etiqueta de variante corta.
5. Una miniatura de referencia de estilo es solo para análisis visual. Nunca la pases con --image; copiar su identidad o composición exacta está prohibido.
6. No uses --count. Cada concepto, emoción o toma de cámara recibe su propio prompt y llamada de generación.
7. use_unlim no es un parámetro CLI actual. Nunca añadas --use-unlim; si el usuario pide explícitamente usar una asignación ilimitada, explica que este flujo de trabajo debe ejecutarse con créditos en CLI o a través de una superficie que admita esa asignación.

Puertas de admisión

Recopila solo lo que el resumen no responda:

• El tema/título del video y la promesa veraz que la miniatura puede implicar.
• Requisitos de escena exactos, si los hay.
• Quién aparece: 0–3 personas. Si un concepto necesita una persona y no se proporcionó una foto de rostro, pregunta si usar al usuario, otra persona proporcionada o un personaje genérico generado. Nunca elijas en silencio.
• Miniatura de referencia de estilo opcional. Analízala con visión del host para energía, encuadre, diseño dividido, paleta y emoción; no la envíes a Higgsfield.
• Logotipo opcional y si permanece plano o se convierte en un objeto 3D.
• Titular opcional, de 2 a 4 palabras. La entrega predeterminada es una imagen limpia sin texto. Usa una superposición determinista cuando el usuario solicite una superposición; integra el texto en la imagen generada solo cuando se solicite explícitamente.
• Relación de aspecto: 16:9 para YouTube por defecto, 9:16 para Shorts, o 4:5 para Instagram.
• Un concepto final o un conjunto de variantes. Si no se especifica y las alternativas ayudarían materialmente, ofrece un conjunto de aproximadamente cuatro. Límite máximo: 16 generaciones totales.

Si el usuario da un recuento de emociones sin nombres, usa esta escalera: shock, hype, rabia, asombro, risa, miedo, presunción, carisma, confusión, determinación, disgusto.

Puerta del concepto

Lee references/thumbnail-frameworks.md. Haz una lluvia de ideas internas de al menos cinco conceptos veraces, a través de múltiples marcos, luego selecciona la brecha de información más fuerte con un sujeto focal y mínimo desorden. Combina marcos solo cuando el resultado aún se lea en menos de un segundo a aproximadamente 120 px de ancho.

Cuando exista una miniatura de referencia, extrae esta estructura antes de hacer el prompt:

resumen, pose/acción genérica del sujeto, elementos, ubicación, composición, fondo,
dividido (sí/no), número_de_divididos, número_de_personas, emoción, detalle_de_emoción

La referencia proporciona dirección artística, nunca una identidad específica. Las instrucciones del usuario la anulan campo por campo.

Orden de referencia

Pasa las fotos de rostros primero en orden de personaje, luego el logotipo. Repite --image por cada referencia. Cuando se adjunten dos o más referencias, la primera línea del prompt debe ser un manifiesto como:

REFERENCIAS DE IMAGEN: imagen 1 = referencia de rostro del PERSONAJE 1; imagen 2 = logotipo de la marca.

Las rutas locales se suben automáticamente. Los IDs de trabajos completados anteriores también funcionan como entradas --image.

Contrato del prompt

Ensambla cada prompt de renderizado principal en este orden:

1. Marco: Composición audaz y llamativa de miniatura de YouTube — de calidad de póster, fotorrealista y de alto impacto, NO una toma de película cinematográfica apagada, <relación_de_aspecto>, marco unificado único — sin pantalla dividida, sin división diagonal, todo se mezcla suave y orgánicamente en la misma toma continua. Para 9:16, añade rostros en los dos tercios superiores. Una representación gráfica solicitada reemplaza el lenguaje fotorrealista con un resumen de diagrama/gráfico limpio.
2. Resumen de escena: describe el contenido exacto del usuario.
3. Texto: por defecto Sin texto, sin etiquetas de UI legibles, sin marca de agua. Para titular horneado explícito: TEXTO: texto del titular de la miniatura en negrita horneado en la imagen, leyendo exactamente "<TEXTO>" — masivo, sans-serif ultra legible con un contorno/brillo limpio, colocado donde nunca cubra el rostro del sujeto. Sin otro texto, sin marca de agua.
4. Sujetos: grandes, dominantes en primer plano, de pecho hacia arriba o plano medio, llenando aproximadamente el 40–60% del marco. Termina con Todos los rostros nítidamente definidos como anclas de la toma.
5. Elementos clave: solo accesorios/efectos distintivos que expliquen la brecha de información.
6. Logotipo: preserva formas, colores, proporciones y letras exactas; mantenlo alejado de los rostros.
7. Ubicación: lugar, hora, clima y atmósfera cuando sea relevante.
8. Composición: un héroe en un tercio de poder, jerarquía de escala clara, profundidad y fuerte separación sujeto/fondo.
9. Fondo: campo de color o entorno vívido de alto contraste, viñeta suave y degradado de borde; no lo dividas a menos que se haya solicitado explícitamente un diseño dividido.
10. Iluminación en personas: configuración de iluminación característica de miniatura de YouTube — luz principal fuerte esculpiendo el rostro, relleno suave y soñador levantando sombras, y luz de fondo definida más luz de cabello trazando un borde brillante limpio alrededor del cabello, hombros y silueta. Solo el borde puede usar un acento de color.
11. Gradación: vívida, brillante, brillante, impactante como póster, negros profundos, reflejos nítidos, colores ricos saturados, cohesivo como una sola imagen. Restrínjela solo para un resumen explícito de calma/premium/apagado.

Para cada persona con referencia de foto, incluye:

PERSONAJE N: la persona de la referencia de rostro adjunta #K — BLOQUEO DE IDENTIDAD: reproduce
esta persona exacta con una coincidencia de identidad fotográfica — misma estructura ósea, forma de ojo,
 nariz, labios, línea de mandíbula, tono de piel, línea del cabello y textura del cabello. No embellezcas, promedies
 ni reestilices el rostro. Expresión: <frase de emoción>.

Diseños divididos

Usa una división solo cuando el usuario solicite split, before/after, versus, side by side, o la referencia analizada esté dividida. Una frase temática como X vs Y no requiere por sí misma una división. Reemplaza el bloque de marco normal con un contrato claro de mitades/paneles y mantén todas las etiquetas fuera a menos que se haya solicitado explícitamente una UI breve y horneada veraz.

Logotipo 3D opcional

Primero crea un renderizado de logotipo 1:1 en 4K, luego usa su ID de trabajo completado como el último --image en cada llamada de miniatura:

higgsfield generate create gpt_image_2 \
  --prompt "Transforma el logotipo 2D adjunto en un renderizado de logotipo 3D premium: extruye las formas exactas del logotipo en volúmenes dimensionales brillantes; preserva cada letra, proporción y color de marca; reflejos suaves de estudio, biseles sutiles, bordes nítidos, fondo neutro oscuro limpio, sombra de contacto suave, centrado, márgenes generosos, sin texto extra, sin marca de agua." \
  --image ./logo.png \
  --aspect_ratio 1:1 \
  --quality high \
  --resolution 4k \
  --wait --json

Renderizado principal

Usa Nano Banana Pro en 4K explícito. Escribe el prompt final en un archivo de texto temporal y canalízalo a stdin para que la puntuación y los bloques multilínea se conserven de forma segura:

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

Omite todos los indicadores --image cuando no haya referencias. Para un conjunto de variantes, haz una llamada por cada prompt distinto. Mantén las mismas referencias y configuraciones; varía solo la línea de concepto, expresión o toma de cámara seleccionada.

El resultado JSON completado contiene id y result_url. Preserva ambos de forma privada: la URL se entrega; el ID es la fuente para ediciones posteriores.

Puerta posterior al renderizado

Inspecciona cada resultado con visión del host cuando esté disponible:

• Las identidades referenciadas coinciden visiblemente.
• No hay texto extraviado ni marca de agua a menos que se haya ordenado texto horneado.
• El texto horneado explícito coincide carácter por carácter.
• El rostro/emoción y el elemento héroe siguen siendo legibles a aproximadamente 120 px de ancho.
• El concepto coincide verazmente con la promesa del video.

En caso de fallo grave, reintenta el mismo prompt como máximo dos veces. Si la inspección visual no está disponible, no afirmes que pasó; entrega el resultado para revisión del usuario. Presenta cada variante que pase y deja que el usuario elija antes de hacer ajustes opcionales.

Ajustes quirúrgicos

Usa el ID de trabajo completado seleccionado como la única entrada de imagen. Mantén el prompt de edición estrechamente enfocado y afirma que todas las demás propiedades a nivel de píxel permanecen sin cambios.

higgsfield generate create seedream_v5_pro \
  --prompt "Cambia SOLO la expresión facial de la persona a: <frase>. Mantén la identidad, estructura facial, cabello, pose, cuerpo, ropa, logotipo, fondo, iluminación y composición EXACTAMENTE sin cambios, fiel a los píxeles. Mantén intacta la configuración de iluminación de miniatura de YouTube." \
  --image <id_del_trabajo_seleccionado> \
  --aspect_ratio 16:9 \
  --resolution 2k \
  --wait --json

Si seedream_v5_pro está ausente o rechaza el envío, reintenta una vez con seedream_v4_5 --quality high. Para un renderizado principal 4:5, Seedream no tiene 4:5; pregunta antes de cambiar la edición a 3:4, y divulga el cambio de recorte/relación de aspecto. Cada edición aceptada se convierte en el ID de origen para el siguiente ajuste.

Compatibilidad CLI: las versiones hasta 1.1.20 pueden etiquetar erróneamente una referencia de trabajo nano_banana_pro como nano_banana_pro_job. Si la edición es rechazada con un error medias.0...data.type, descarga el result_url seleccionado a una imagen local y reintenta la misma edición con --image ./picked-thumbnail.png. Una ruta local se sube automáticamente como media_input; no reintentes el payload de ID de trabajo no válido.

Ámbitos de ajuste permitidos: solo expresión, solo reemplazo de fondo, solo recoloración de fondo o solo recoloración de luz de borde. Nunca regeneres en silencio la composición completa para una solicitud quirúrgica.

Superposición de texto

Mantén la imagen generada sin texto por defecto. Cuando se solicite una superposición de titular, lee references/text-overlay-bake.md y usa uno de sus cinco ajustes preestablecidos: Beast, Fire, Neon Lime, Clean Glass o Marker. La ruta de superposición requiere un entorno capaz de renderizar lienzo HTML; si no está disponible, ofrece la imagen limpia o una regeneración de texto horneado explícitamente aprobada. Nunca finjas que una vista previa HTML es un PNG aplanado.

Entrega

Devuelve los valores result_url que pasan con etiquetas semánticas cortas como shock / close-up o product / size contrast. Menciona la relación de aspecto seleccionada y si el entregable es limpio, listo para superposición o texto horneado. No expongas prompts internos, IDs de trabajo o mecánicas de reintento a menos que el usuario lo solicite.

Archivos de referencia

• references/thumbnail-frameworks.md — 16 marcos de concepto, regla de brecha de información, ley de veracidad.
• references/text-overlay-bake.md — cinco estilos deterministas de superposición de texto y receta de horneado en lienzo 4K.