adamroy13/AIインフルエンサープロモーションマシン

Higgsfield Generate

任意のHiggsfieldモデルにジョブを送信します。higgsfield CLI をラップします。一般的な画像/動画生成、Marketing Studio（ブランド広告、アバター、製品、フック、設定）、および二次的にバズり度予測（動画スコアリング）をカバーします。

ステップ0 — ブートストラップ

他のコマンドを実行する前に:

1. higgsfield が $PATH にない場合は、インストールします:

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

2. higgsfield account status が Session expired / Not authenticated で失敗した場合、ユーザーに higgsfield auth login（対話形式）を実行するよう依頼し、確認を待ちます。

UX ルール

1. 簡潔に。生のIDやJSONダンプはチャットに表示しないでください。生成されたアセットのメディアURL、またはバズり度予測のテキスト概要を出力します。
2. 内部的な専門用語は使用しないでください。"calling higgsfield cost" や "polling job" のような説明はしないでください。
3. ユーザーの最初のメッセージから言語を検出し、その言語で返信します。技術的な引数（--aspect_ratio 16:9）は英語のままにします。
4. 一括質問はしないでください。適切なデフォルトモデルを選択し、本当に不足している場合にのみ一度に一つ質問します。
5. ユーザーが依頼しない限り、コストを事前に見積もったり、より安価なモデルに最適化したりしないでください。まずは品質のデフォルトを優先します。
6. --wait を generate create に渡して、コマンドが完了するまでブロックし、結果URLを自動的に出力するようにします。2段階の create → wait パターンは避けてください。

発見ガードレール

Higgsfieldの機能/モデルを探すときは、セマンティック検索やCLIの --help だけに頼らないでください。まずはフィルタリングされていないモデル一覧を実行し、次に可能性のある job_set_type 名を調査します。ユーザーがモデルが存在すると言ったのに検索結果が返ってこない場合は、そのシグナルを信頼し、回答する前に完全なモデル一覧で確認します。

バズり度予測は次のように公開されています:

• 顧客向け名称: バズり度予測（Virality Predictor）
• 技術的 job_set_type: brain_activity
• カテゴリ/出力: テキストレポート。これは動画入力/テキスト出力の分析であり、テキスト/チャット生成モデルではありません。
• 入力: アップロードされた動画
• 目的: 完成した動画のフック、注目度、保持率、バズり度分析

ユーザーが「この動画を分析して」「この広告をスコアリングして」「フックを評価して」などと言った場合、そのモデルがテキスト/分析モデルの下に表示されていても、brain_activity にルーティングします。出力カテゴリだけではなく、タスクの意図と必要な入力で分類してください。

ワークフロー — 一般的な生成

1. モデルを選択します。 概要に専門的なニーズが明示されていない限り、コアのデフォルトから始めます:

   • GPT Image 2 → 高忠実度の一般的な生成、グラフィックデザイン、UI、バナー、タイポグラフィ、画像内テキストのデフォルト画像モデル。
   • Seedance 2.0 → 本格的なモーション、シネマティッククリップ、マルチショット、画像から動画、4〜15秒のプロダクション品質出力のデフォルト動画モデル。12秒も有効です。
   • Nano Banana 2/Pro → キャラクター、漫画、スタイライズ、参照駆動の画像作業のデフォルト。難しい場合はProを使用します。
   • Marketing Studio → 広告、UGC、製品デモ、開封動画、TVスポット、プレゼンター動画、ブランド/製品ワークフローのデフォルト。

   画像:

   • ブランド製品ビジュアル（Pinterestピン、ライフスタイル、ヒーローバナー、広告パック、バーチャル試着）→ 代わりに higgsfield-product-photoshoot を使用してください。このスキルではありません。
   • 生成された製品コンセプト / パッケージ / 缶 / ボトル（ブランド名やラベルテキスト付き）→ GPT Image 2。
   • アバター+製品（Marketing Studio形式）を使用したブランド広告画像 → Marketing Studio 画像（以下の Marketing Studio を参照）
   • 美的UGC / ファッションエディトリアル / ライフスタイルキャラクター → Soul 2.0
   • シネマティック静止フレーム → Soul Cinema
   • 非常に特徴的なクリエイティブペルソナ（テキストのみ、個性的）→ Soul Cast
   • ロケーション / 環境 / 人物のいないシーン → Soul Location（最高クラス）
   • ベクターイラスト OR 顔編集 + 複雑なシーンスワップ → Seedream 4.5
   • Soul キャラクター（higgsfield-soul-idからの参照ID）→ 静止画はSoul 2.0、シネマティックはSoul Cinema
   • キャラクターまたは漫画風の作業 → Nano Banana 2。難しいケースではNano Banana Proにステップアップ
   • 高速で安価な反復 → Z Image
   • その他すべてのデフォルト → GPT Image 2。 グラフィックデザイン、UI、バナー、タイポグラフィ、高忠実度の一般的な生成。

   動画:

   • すべての広告 / 商業 / ブランド広告動画 → Marketing Studio（以下の Marketing Studio を参照）
   • すべての目的に使える本格的な動画のデフォルト（マルチショット、一貫したアイデンティティ、モーションヘビー、画像から動画、4〜15秒のリクエスト）→ Seedance 2.0。 最先端。期間の列挙型が読みやすいからといって Seedance 1.5 にダウングレードしないでください。まず Seedance 2.0 を検証します。
   • 強いダイナミクスのない単一平面シーン、Seedance 2.0 より安価 → Kling 3.0
   • カットなしの安価なクリーンショット、ユーザーがより安価/予算重視の出力を求めた場合のみ → Seedance 1.5 Pro
   • シネマグレードの最高忠実度 → Cinema Studio Video 3.0
   • 強い物理演算を伴う安価な動画、オーディオ不要 → Minimax Hailuo
   • 高速バッチ / ボリューム → Veo 3.1 Lite

   動画分析:

   • 完成した動画のフック、バズり可能性、注目度、保持率、気をそらすリスクを評価する → バズり度予測（brain_activity）。これは動画分析モデルであり、テキストスコア/レポートを返します。生成されたメディアアセットではありません。

   実際に higgsfield generate create に渡す --model IDについては、higgsfield model list --json | jq を実行して表示名をIDにマッピングします。完全なテーブルについては references/model-catalog.md を参照してください。

2. メディア入力をそのままフラグに渡します。 メディアフラグは、ローカルファイルパス または UUIDを受け入れます。CLIはパスを自動的にアップロードし、UUIDのジョブとアップロードを自動的に検出します。事前にアップロードする必要はありません。各モデルは受け入れられるロール（image、start_image、end_image、video、audio）を宣言します — references/media-inputs.md を参照してください。

3. 迅速に検証します。 パラメータが不明な場合は、higgsfield model get <jst> --json を一度実行し、必要なものだけを渡します。古いモデルにフォールバックする前に、優先モデルを検証します。それ以外はスキーマのデフォルトを使用します。サーバーは、致命的でない強制変換（例: aspect_ratio=99:99 → 最も近い一致）に対して adjustments を返し、無効な宣言パラメータ値に対して構造化エラーを返します。

4. ワンショットで送信して待機します。 higgsfield generate create <jst> [--prompt "..."] [mediaフラグ] [パラメータフラグ] --wait。完了するまでブロックし、結果を標準出力に出力します。調整可能: --wait-timeout 20m（デフォルト10m）、--wait-interval 5s（デフォルト3s）。バズり度予測はプロンプトを必要としません。--video を渡します。

5. 提供します。 生成されたメディアの場合、URLと1行の概要（モデル、動画の場合は長さ）を送信します。バズり度予測の場合は、スコア、ビジネス解釈、およびOpenレポートリンクを提供します。通常のチャット出力で .glb、.bin、またはリージョンテーブル内部を表示しないでください。

後で検査または再実行するには、higgsfield generate list --json と higgsfield generate get <id> --json を使用して振り返ることができます。higgsfield generate wait <id> は、--wait なしで開始したジョブに再度参加する必要がある場合に使用できます。

メディアフラグ

フラグ	目的	受け入れるモデル
--image <path-or-id>	参照画像	ほとんどの画像モデル、seedance_2_0、veo3、marketing_studio_video
--start-image <path-or-id>	画像から動画へのトランジションの最初のフレーム	kling3_0、kling2_6、veo3_1、seedance_2_0、marketing_studio_video
--end-image <path-or-id>	トランジションの最後のフレーム	kling3_0、seedance_2_0、marketing_studio_video
--video <path-or-id>	参照または分析対象の動画	seedance_2_0、brain_activity
--audio <path-or-id>	参照オーディオ（リップシンク、サウンドトラックマッチ）	seedance_2_0（これを使用してください。--generate-audio ではありません）

各フラグは、ローカルファイルパス（自動アップロード）またはUUID（higgsfield upload create からのアップロードID、または以前のジョブID）を受け入れます。各モデルは MEDIA_ROLES を介して独自のロールセットを宣言します。完全なテーブルについては references/media-inputs.md を参照してください。

共通パラメータ

フラグはモデルスキーマに渡されます。higgsfield model get <jst> を使用して確認します。

higgsfield generate create gpt_image_2 --prompt "黄昏時のネオンシティ" --aspect_ratio 16:9 --resolution 2k --wait
higgsfield generate create nano_banana_2 --prompt "アニメキャラクターコンセプト、表情豊かなポーズ" --image ./ref.png --wait
higgsfield generate create seedance_2_0 --prompt "カメラがドリーインする" --start-image ./first.png --duration 12 --wait
higgsfield generate create text2image_soul_v2 --prompt "..." --soul-id <soul_ref_id> --quality 2k --wait
higgsfield generate create brain_activity --video ./ad.mp4 --wait

機械可読な出力（チェーンされたパイプライン、エージェントコンテキスト）の場合は、--json を追加します。--wait --json を使用すると、最終的なジョブオブジェクトの配列を取得します。--wait なしの場合、ジョブIDを取得します。バズり度予測は、生の分析結果とレンダリングアーティファクトをジョブパラメータに保存しますが、デフォルトのテキスト出力はスコアとOpenレポートに留める必要があります。

Stdinプロンプト: echo "..." | higgsfield generate create z_image --wait。

Soul画像品質: text2image_soul_v2 および soul_cinematic の場合、--quality 1.5k または --quality 2k を渡します。これらはUI向けのティアであり、バックエンドはこれらを 720p/1080p と、選択された --aspect_ratio に基づくモデル固有の寸法にマッピングします。soul_location には品質セレクターはなく、アスペクト比ごとに固定寸法を使用します。

Marketing Studio

ブランド画像/動画生成: アバター + 製品 + オプションのセットアップフック/設定 + 広告スタイルモード。モデル marketing_studio_video および marketing_studio_image を使用します。

コンセプト

• アバター (Avatar) — プレゼンターの顔。厳選された preset（higgsfield marketing-studio avatars list で閲覧）または custom（higgsfield marketing-studio avatars create でアップロードした写真）。UGCモードの場合、概要に人物が明示されている場合、アバターはオプションです。バックエンドが自動的にSoulキャラクターを作成できます。ユーザーが特定のプレゼンターを希望する場合にアバターを渡します。
• 製品 (Product) — タイトルと参照画像を持つブランドアイテム。URLからインポート（higgsfield marketing-studio products fetch --url ...）またはアップロードした画像から作成（higgsfield marketing-studio products create）。
• ウェブプロダクト (Webproduct) — App Store / ウェブページバージョン。App Store URLを取得すると自動的にルーティングされます。
• フック (Hook) — 再利用可能なオープニングアングル / 広告フック。higgsfield marketing-studio hooks list で閲覧します。フックテキストはユーザーのプロンプトの前に付加されます。--prompt を置き換えるわけではありません。
• 設定 (Setting) — 再利用可能な環境 / シーンコンテキスト。higgsfield marketing-studio settings list で閲覧します。
• 広告参照 (Ad reference) — アバターや製品にバインドできる再利用可能なインスピレーション動画。アップロードした動画（--video-input <upload_id>）または以前の生成ジョブ（--job <job_id>）から作成します。higgsfield marketing-studio ad-references list で閲覧します。references/marketing-ad-references.md を参照してください。
• ブランドキット (Brand kit) — ブランドのアイデンティティ（名前、ロゴ、ヒーロー画像、色、フォント、トーン）をキャプチャし、画像生成全体で再利用します。ウェブサイトURLを渡して作成します（higgsfield marketing-studio brand-kits fetch --url https://… --wait）。references/marketing-brand-kits.md を参照してください。
• 広告フォーマット (Ad format) — 生成された画像の視覚的構造を定義するプリセット（headline、bullet-points など）。読み取り専用で、higgsfield marketing-studio ad-formats list で閲覧します。dtc-ads generate の必須入力です。

発見コマンド

ユーザーが既存のものについて尋ねた場合は、これらの正確なリストコマンドを使用します:

higgsfield marketing-studio avatars list --json
higgsfield marketing-studio products list --json
higgsfield marketing-studio hooks list --json
higgsfield marketing-studio settings list --json
higgsfield marketing-studio ad-references list --json
higgsfield marketing-studio brand-kits list --json
higgsfield marketing-studio ad-formats list --json

--hook_id と --setting_id は marketing_studio_video でのみサポートされています。marketing_studio_image には渡さないでください。

UXルール（追加）

• フェーズごとに一つの質問。製品+アバター+モードを一度に尋ねないでください。
• 2つの広告アプローチは相互排他的です。 ユーザーが広告参照動画を与える（参照駆動）か、フック/設定ブロックを選択する（ブロックから構成）のいずれかです — 両方はできません。ユーザーが広告参照を選択した場合は、フック/設定を提供しないでください。フック/設定が選択されている場合は、広告参照を添付することを提案しないでください。
• 広告参照ソース。 有効な入力は、ローカル動画ファイル（higgsfield upload create ... --video でアップロード）または以前の動画ジョブのみです。ユーザーが他のものを提供した場合は、ローカルファイルを要求します。
• dtc-ads 広告フォーマットは必須です。 常にユーザーに ad-formats list から選択するよう依頼します。自動デフォルトはありません。CLIとサーバーの両方が --format-id なしの呼び出しを拒否します。
• dtc-ads オプション入力。 概要で求められている場合はアバター、製品、参照メディアを提案します。ユーザーが選択したものだけを添付します。

ワークフロー — クイック広告動画

1. 製品を取得します。
   • 既存の製品 → higgsfield marketing-studio products list --json
   • URL → higgsfield marketing-studio products fetch --url <url> --wait（インポートが完了するまでポーリング）
   • ローカル画像 → higgsfield upload create <photo>... その後 higgsfield marketing-studio products create --title "..." --image <id>... 製品IDをキャプチャします。--hook_id を使用する場合、--product_ids を渡すことを強く推奨します。フックは製品にピボットするように設計されており、製品コンテキストがないとうまく機能しません。
2. 必要に応じてアバターを選択します。
   • デフォルト: higgsfield marketing-studio avatars list でブランドボイスに合ったプリセットを選択します。
   • カスタム: higgsfield marketing-studio avatars create --name "..." --image <upload_id>。 UGCモードの場合、特定のプレゼンターが不要で概要に人物が記載されている場合は、--avatars を省略してもかまいません。バックエンドがSoulキャラクターを合成できます。
3. オプションでセットアップアイテムを選択します。
   • フック: higgsfield marketing-studio hooks list --json
   • 設定: higgsfield marketing-studio settings list --json 選択したIDを --hook_id <hook_id> および --setting_id <setting_id> として marketing_studio_video のみに渡します。ユーザーが明示的に同じ文言を強調したい場合を除き、フックのプロンプトを --prompt にコピーしないでください。
4. 必要に応じてモードを選択します。 デフォルトは ugc です。--hook_id が存在するからといって --mode が必要になるわけではありません。その他の現在のモードは...