higgsfield-ai/higgsfield-video-explainer

Higgsfield Video Explainer

Exécutez le flux de travail MCP video-explainer via la CLI Higgsfield. Verrouillez une clé de style visuelle, écrivez une ligne de narration et un prompt visuel correspondant par bloc de 10 secondes, générez d'abord toutes les prises vocales, puis tous les clips, et assemblez immédiatement les paires ordonnées avec explainer_video.

N'utilisez jamais la tâche monolithique video_explainer dans ce skill.

Correspondance MCP-CLI

Opération du flux de travail MCP	Équivalent 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 ou higgsfield generate wait <job_id> --json
explainer_video	higgsfield generate create explainer_video ...

nano_banana_2 est l'identifiant CLI public du modèle de clé de style Nano Banana Pro utilisé par le flux de travail MCP.

Amorçage

1. Si higgsfield n'est pas disponible, installez-le :

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

2. Si higgsfield account status échoue, demandez à l'utilisateur d'exécuter higgsfield auth login, puis attendez.

3. Inspectez les contrats en direct avant la première soumission :

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

Phase 0 — demandez d'abord

Recueillez les choix en deux tours distincts, dans cet ordre. Ne les fusionnez jamais.

Tour 1 — style uniquement

Chargez toujours le catalogue CMS en direct :

higgsfield preset list video-explainer --json

Affichez les noms des préréglages avec leurs URL d'aperçu miniature/vidéo. Dites une courte ligne demandant à l'utilisateur de choisir un préréglage, de décrire un style personnalisé, ou de joindre des images de référence de style, puis terminez le tour. Ne posez pas de questions de production dans le même tour. Choisir un style est obligatoire ; ne choisissez jamais en silence sauf si l'utilisateur dit explicitement « choisis toi-même ».

Sautez ce tour uniquement lorsque la demande contient déjà explainer preset id: <uuid>. Confirmez que cet UUID existe dans le catalogue en direct et conservez-le pour la Phase 1.

Tour 2 — paramètres de production

Uniquement après la sélection du style, recueillez tous les paramètres non résolus :

• Durée : une à dix minutes entières. N = duration_minutes × 6 blocs fixes de 10 secondes.
• Langue de narration : anglais par défaut, mais offrez toujours le choix.
• Personnage : mascotte récurrente ou scènes stylistiques sans visage. Demandez toujours.
• Format : 16:9 par défaut ou 9:16 vertical.
• Sous-titres : désactivés par défaut. Expliquez que les sous-titres coûtent 0,05 crédit par bloc vocalisé. Si activés, faites choisir à l'utilisateur entre patrick, caveat, marker, ou anton ; ne choisissez jamais en silence.

Chaque choix appartient à l'utilisateur sauf s'il délègue explicitement.

Entrées

• Sujet ou histoire personnelle/philosophique.
• Documents source locaux facultatifs ; lisez-les/extrayez-les avant d'écrire le script. Ils sont une entrée factuelle, pas un média de génération.
• UUID de préréglage facultatif, mutuellement exclusif avec les images de référence de style personnalisées.
• Images de référence de style facultatives. Utilisez uniquement leur style de rendu et leur étalonnage des couleurs ; ne copiez jamais leurs personnes, textes, logos ou objets sauf demande explicite.
• Durée, langue, mode de personnage, format, et choix de sous-titres de la Phase 0.

Pour les donateurs de style locaux, passez chaque chemin avec un --image répété. Pour une image web, téléchargez-la d'abord localement ou utilisez un ID média existant téléchargé.

Règles strictes

• Gardez chaque visuel strictement non photoréaliste. Répétez le même descripteur STYLE et les mêmes négations de réalisme dans chaque prompt de clip.
• Gardez tous les mots parlés en dehors de la génération vidéo. L'audio du clip est le son ambiant ou la musique uniquement ; pas de dialogue, de synchronisation labiale ou de narration intégrée.
• Utilisez exactement une prise de narration et un clip par bloc étiqueté. L'audio du bloc N correspond toujours à la vidéo du bloc N.
• Attachez la même image de clé de style à chaque clip.
• Écrivez tous les prompts d'image/vidéo en anglais. Seule la narration utilise la langue sélectionnée.
• Recherchez des sujets réels avant d'écrire le script. N'inventez pas de citations, dates, chiffres ou événements.
• Assemblez automatiquement dans la même exécution. Retourner des clips libres est un échec.

Pipeline

Phase	Sortie	CLI
0 Demander	style d'abord ; puis durée, langue, personnage, format, sous-titres	preset list + questions utilisateur
R Recherche	faits et sources vérifiés	outils de recherche disponibles
1 Clé de style	une image de style universelle	preset resolve ou nano_banana_2
2 Narration	N lignes de narration étiquetées	raisonnement
3 Prompts de bloc	N prompts vidéo étiquetés	raisonnement
4 Voix	l'utilisateur sélectionne une voix ; générer N prises	voices list + seed_audio
5 Clips	générer N clips de 10 secondes	gemini_omni
6 Assembler	un fichier MP4 final	explainer_video

Lisez references/prompts.md avant les Phases 1–3.

Phase R — recherche

Pour un sujet réel, utilisez les outils de recherche web disponibles et des sources fiables pour vérifier suffisamment de faits pour chaque bloc. Conservez une courte liste de sources. Ne scriptez jamais un explicatif factuel uniquement de mémoire.

Pour une histoire personnelle, sautez la recherche web et utilisez uniquement les détails fournis par l'utilisateur. N'inventez rien de factuel.

Phase 1 — créez ou résolvez la clé de style

Écrivez un descripteur STYLE réutilisable : medium, palette, comportement ligne/remplissage, texture/finition, puis non-photorealistic, illustrated, not a photo, no live-action, no realism.

Préréglage CMS sélectionné

Résolvez l'image de style cachée dans l'espace de travail actif :

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

Conservez le media_id retourné comme STYLE_KEY_ID. Sautez la génération d'image : ce média importé est la clé de style. Construisez le descripteur STYLE à partir du nom du préréglage retourné plus les règles non photoréalistes obligatoires. Ne recréez pas un préréglage à partir de son nom.

La référence du préréglage contrôle le cadrage. Si elle entre en conflit avec le format demandé à la Phase 0, arrêtez-vous et laissez l'utilisateur choisir plutôt que de lutter silencieusement contre la référence.

Style personnalisé ou images de référence

Générez exactement une image clé. Utilisez le modèle d'échantillon abstrait de references/prompts.md, ou sa variante mascotte lorsque le mode personnage est activé. Répétez --image pour chaque donateur de style :

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

Utilisez 9:16 pour le format vertical. Conservez l'UUID du travail d'image terminé comme STYLE_KEY_ID ; les générations CLI ultérieures peuvent réutiliser un UUID de travail terminé comme référence d'image.

Phase 2 — écrivez la narration

Écrivez exactement N blocs de narration étiquetés dans la langue sélectionnée :

Block 1
<ligne parlée sur le clip 1>
Block 2
<ligne parlée sur le clip 2>

• Une ligne par bloc, généralement 20–24 mots et environ 8–9 secondes.
• Gardez chaque prise en dessous d'environ 9,5 secondes.
• Utilisez uniquement du texte parlé simple : pas de codes temporels, d'indications émotionnelles, de parenthèses ou de didascalies.
• Épelez les nombres en toutes lettres.
• Utilisez un ton concret et ne dites jamais « dans cette vidéo ».
• Pour un sujet, construisez de l'accroche à la conclusion. Pour une histoire personnelle, conservez les détails de l'utilisateur et le protagoniste.

Phase 3 — écrivez les prompts vidéo correspondants

Écrivez exactement N prompts anglais étiquetés en utilisant le modèle dans references/prompts.md :

Block N
STYLE REFERENCE: Match the attached reference image EXACTLY. <même descripteur STYLE>
SCENE: <une scène et une action correspondant à la narration du bloc N>
MOTION: <mouvement de caméra et comportement d'animation>
AUDIO: <SFX ambiant ou musique uniquement ; pas de voix, dialogue ou narration>
NEGATIVE: <dérive de style et interdictions de réalisme ; pas de synchronisation labiale, légendes, texte, logos ou filigrane>

Pour le mode mascotte, le bloc 1 salue par un geste bouche fermée, le dernier bloc fait un geste d'au revoir, et les blocs intermédiaires utilisent des apparitions cohérentes uniquement lorsque c'est utile. Pour le mode sans visage, utilisez uniquement des scènes stylistiques. Gardez une action claire par bloc.

Phase 4 — générez d'abord toutes les prises vocales

Listez les voix en direct, présentez les choix et attendez que l'utilisateur sélectionne un narrateur :

higgsfield voices list --json

Conservez l'id exact et le type (preset ou element) de la voix sélectionnée. N'inventez ou ne sélectionnez jamais automatiquement une voix sauf si l'utilisateur délègue explicitement.

Générez un travail seed_audio terminé par bloc de narration, toujours avec la même voix :

higgsfield generate create seed_audio \
  --prompt "<narration du bloc N uniquement>" \
  --voice_type "<preset|element>" \
  --voice_id "<UUID de la voix>" \
  --wait \
  --json

Enregistrez chaque UUID de travail audio dans l'ordre des blocs. Régénérez uniquement une prise ayant échoué ou étant excessivement longue. Raccourcissez ce bloc ou ajustez --speech_rate modérément si nécessaire. Ne commencez pas la Phase 5 avant que tous les N travaux audio soient terminés.

Phase 5 — générez tous les clips ensuite

Générez un clip gemini_omni terminé de 10 secondes par bloc. Attachez la même clé de style à chaque appel :

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

Utilisez 9:16 lorsque sélectionné. Enregistrez chaque UUID de travail vidéo dans l'ordre des blocs. Les travaux indépendants peuvent s'exécuter simultanément à l'intérieur de cette phase, mais la barrière de la phase audio est stricte. Ne soumettez à nouveau que les blocs ayant échoué. Ne remplacez jamais silencieusement gemini_omni ; inspectez le catalogue vidéo en direct si le modèle n'est pas disponible.

Phase 6 — assemblez immédiatement

Créez blocks.json avec au moins deux paires de blocs ordonnées. Le contrat du modèle CLI nécessite des références typées, utilisez donc les types génériques de travaux terminés :

[
  {
    "video": {"id": "<UUID du travail du clip 1>", "type": "video_job"},
    "audio": {"id": "<UUID du travail de la voix 1>", "type": "audio_job"}
  },
  {
    "video": {"id": "<UUID du travail du clip 2>", "type": "video_job"},
    "audio": {"id": "<UUID du travail de la voix 2>", "type": "audio_job"}
  }
]

Soumettez immédiatement l'assembleur côté serveur :

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

Utilisez --width 720 --height 1280 pour le format vertical. Lorsque les sous-titres sont activés, ajoutez la police choisie :

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

L'assembleur maintient chaque bloc à exactement 10 secondes : il centre les prises vocales courtes, accélère les petits dépassements en toute sécurité de pitch, n'étire jamais la vidéo, concatène les blocs dans l'ordre, et grave optionnellement des légendes minutées. La durée totale est exactement N × 10 secondes.

N'utilisez pas ffmpeg local, les scripts d'assemblage hérités, ou la tâche monolithique video_explainer.

Points de contrôle et récupération

• Avant la Phase 5 : exigez une clé de style, exactement N lignes de narration et prompts, une voix sélectionnée, et N travaux audio terminés.
• Avant la Phase 6 : exigez N travaux vidéo terminés et un appariement exact un-à-un des blocs sans ID manquants ou en double.
• Préréglage manquant : rafraîchissez preset list ; ne réutilisez ou ne fabriquez jamais un ID.
• Échec de résolution de préréglage : vérifiez la sélection de l'espace de travail et réessayez une fois.
• Dérive de style ou réalisme : renforcez le texte STYLE et NEGATIVE partagé, puis régénérez uniquement ce clip.
• Délai d'attente : rejoignez avec higgsfield generate wait <job_id> --json ; ne dupliquez jamais un travail en cours.
• Deux échecs identiques signifient que le prompt ou les paramètres doivent changer.

Livraison

Retournez l'URL de la vidéo assemblée finale, la durée exacte, le format, la langue de narration, le style sélectionné, le narrateur, le statut des sous-titres, et une liste de sources pour les sujets recherchés. Gardez les ID de travaux intermédiaires et les URL d'actifs libres internes sauf demande.