higgsfield-ai/higgsfield-youtube-thumbnail

Higgsfield YouTubeサムネイル

クリーンなサムネイルコンセプトを作成し、各バリエーションを higgsfield CLIで生成し、確認後、要求された最小限の編集のみを適用します。

ブートストラップ

生成前に以下を実行します。

1. higgsfield が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 または Not authenticated を返した場合、ユーザーに higgsfield auth login の実行を依頼し、完了を待ちます。
3. カタログが変更されている可能性がある場合、ロックされたモデル契約を確認します。

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

UXルール

1. ユーザーの言語に合わせます。CLIやモデルの仕組みを通常の会話に持ち出さないでください。
2. ブリーフに既に存在する事実を尋ねないでください。欠落している選択が結果を変える場合にのみ、簡潔な質問を1つ行います。
3. 動画に関して真実でない主張、結果、製品、人物、スクリーンショット、統計を決して作り出さないでください。
4. 生のJSONやジョブIDをユーザーに表示しないでください。画像URLと短いバリエーションラベルを提供します。
5. スタイル参照サムネイルは視覚分析専用です。--image で渡さないでください。その同一性や正確な構成をコピーすることは禁止されています。
6. --count は使用しないでください。各コンセプト、表情、カメラテイクには独自のプロンプトと生成呼び出しが必要です。
7. use_unlim は現在のCLIパラメータではありません。--use-unlim を追加しないでください。ユーザーが明示的に無制限許容量の使用を要求した場合は、このワークフローがCLI上でクレジットを使用して実行されるか、その許容量をサポートするサーフェスを通じて実行される必要があることを説明します。

入力ゲート

ブリーフが答えていないもののみを収集します。

• 動画のトピック/タイトルと、サムネイルが暗示する可能性のある真実の約束。
• 必要な正確なシーン要件（ある場合）。
• 登場人物：0～3人。コンセプトに人物が必要で顔写真が提供されなかった場合、ユーザー本人、提供された別の人物、または汎用的な生成キャラクターのいずれを使用するかを尋ねます。黙って選択しないでください。
• オプションのスタイル参照サムネイル。ホストビジョンでエネルギー、フレーミング、分割レイアウト、パレット、感情を分析します。Higgsfieldには送信しないでください。
• オプションのロゴと、それが平面のままか3Dオブジェクトになるか。
• オプションの見出し（2〜4語）。デフォルトの配信はテキストなしのクリーンな画像です。ユーザーがオーバーレイを要求した場合は決定論的なオーバーレイを使用します。明示的に要求された場合のみ、テキストを生成画像に焼き付けます。
• アスペクト比：デフォルトはYouTube用 16:9、Shorts用 9:16、Instagram用 4:5。
• 最終的なコンセプト1つまたはバリエーションセット。指定がなく、代替案が実質的に役立つ場合は、約4つのセットを提供します。上限：合計16生成。

ユーザーが名前なしで感情の数を指定した場合、次の段階を使用します：衝撃、誇大広告、怒り、畏敬の念、笑い、恐怖、得意げ、カリスマ性、混乱、決意、嫌悪。

コンセプトゲート

references/thumbnail-frameworks.md を読みます。複数のフレームワークにわたって少なくとも5つの真実に基づくコンセプトを内部でブレインストーミングし、1つの焦点対象と最小限の乱雑さで最も強力な情報ギャップを選択します。結果が約120px幅で1秒未満で読める場合にのみ、フレームワークを組み合わせます。

参照サムネイルが存在する場合、プロンプト作成前に次の構造を抽出します。

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

参照はアートディレクションを提供しますが、特定のアイデンティティは提供しません。ユーザーの指示がフィールドごとにこれを上書きします。

参照順序

最初に顔写真をキャラクター順に渡し、次にロゴを渡します。すべての参照に対して --image を繰り返します。2つ以上の参照が添付されている場合、プロンプトの最初の行は次のようなマニフェストである必要があります。

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

ローカルパスは自動アップロードされます。以前に完了したジョブIDも --image 入力として機能します。

プロンプト契約

すべてのメインレンダリングプロンプトを次の順序で組み立てます。

1. フレーム： 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. 9:16の場合は、faces in the upper two-thirds を追加します。要求されたグラフィカル表現は、フォトリアルな言語をクリーンな図/グラフィックの概要に置き換えます。
2. シーン概要： ユーザーの正確な内容を描写します。
3. テキスト： デフォルトでは No text, no readable UI labels, no watermark. 明示的な焼き付け見出しの場合：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. 被写体： 大きく、前景 dominant、胸上またはミディアムクローズ、フレームの約40〜60％を占めます。最後に All faces crisply sharp as the anchors of the shot. を付けます。
5. キー要素： 情報ギャップを説明する特徴的な小道具/エフェクトのみ。
6. ロゴ： 正確な形状、色、比率、文字体裁を保持します。顔から遠ざけます。
7. 場所： 必要に応じて、場所、時間、天候、雰囲気。
8. 構成： 1つのパワーサードの主体、明確なスケール階層、奥行き、強力な被写体/背景分離。
9. 背景： 鮮やかでハイコントラストな色のフィールドまたは環境、ソフトなビネットとエッジフォールオフ。分割レイアウトが明示的に要求されない限り、分割しないでください。
10. 人物への照明： 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. リムはカラーアクセントを使用してもかまいません。
11. グレーディング： 鮮やか、明るく、光沢があり、ポスターパンチ、深い黒、鮮明なハイライト、リッチな彩度、1つの画像としてまとまり。明示的に落ち着いた/プレミアム/ミュートが指定された場合のみ抑制します。

写真参照する人物ごとに、以下を含めます。

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>.

分割レイアウト

ユーザーが split、before/after、versus、side by side を要求した場合、または分析された参照が分割されている場合のみ、分割を使用します。X vs Y のような話題のフレーズ自体は分割を必要としません。通常のフレームブロックを明確な半分/パネル契約に置き換え、短く真実に基づいた焼き付けUIが明示的に要求されない限り、すべてのラベルを除外します。

オプションの3Dロゴ

最初に1:1の4Kロゴレンダリングを作成し、その完了したジョブIDをすべてのサムネイル呼び出しの最後の --image として使用します。

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

メインレンダリング

Nano Banana Proを明示的な4Kで使用します。最終プロンプトを一時テキストファイルに書き込み、stdinでパイプして、句読点とマルチラインブロックが安全に保持されるようにします。

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

参照がない場合は、すべての --image フラグを省略します。バリエーションセットの場合は、異なるプロンプトごとに1回呼び出します。同じ参照と設定を維持し、選択したコンセプト、表情、またはカメラテイク行のみを変更します。

完了したJSON結果には id と result_url が含まれます。両方を非公開で保持します。URLは配信され、IDは後続の編集のソースになります。

ポストレンダリングゲート

ホストビジョンが利用可能な場合、すべての結果を検査します。

• 参照されたアイデンティティが視覚的に一致すること。
• 焼き付けテキストが注文されていない限り、無関係なテキストや透かしがないこと。
• 明示的な焼き付けテキストが文字ごとに一致すること。
• 顔/感情と主体要素が約120px幅で読み取れること。
• コンセプトが動画の約束と真実に一致すること。

ハード失敗の場合、同じプロンプトを最大2回再試行します。視覚検査が利用できない場合、合格したと主張せず、ユーザーレビューのために結果を配信します。合格したすべてのバリエーションを提示し、ユーザーがオプションの調整を行う前に選択できるようにします。

外科的修正

選択された完了ジョブIDを唯一の画像入力として使用します。編集プロンプトは狭い範囲に絞り、他のすべてのピクセルレベルのプロパティは変更されないことを明記します。

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

seedream_v5_pro がないか送信を拒否した場合、seedream_v4_5 --quality high で1回再試行します。メインレンダリングが 4:5 の場合、Seedreamには 4:5 がないため、編集を 3:4 に変更する前に尋ね、クロップ/アスペクト比の変更を開示します。承認された各編集が次の修正のソースIDになります。

CLI互換性：バージョン 1.1.20 までは、nano_banana_pro のジョブ参照を nano_banana_pro_job と誤ってラベル付けする可能性があります。編集が medias.0...data.type エラーで拒否された場合、選択した result_url をローカル画像にダウンロードし、--image ./picked-thumbnail.png で同じ編集を再試行します。ローカルパスは media_input として自動アップロードされます。無効なジョブIDペイロードを再試行しないでください。

許可される編集範囲：表情のみ、背景置換のみ、背景再着色のみ、またはリムライト再着色のみ。外科的修正要求に対して、全構成を黙って再生成しないでください。

テキストオーバーレイ

デフォルトでは生成画像をテキストなしに保ちます。見出しオーバーレイが要求された場合、references/text-overlay-bake.md を読み、Beast、Fire、Neon Lime、Clean Glass、Markerの5つのプリセットのいずれかを使用します。オーバーレイパスにはHTMLキャンバスをレンダリングできる環境が必要です。利用できない場合は、クリーンな画像または明示的に承認されたテキスト焼き付け再生成のいずれかを提供します。HTMLプレビューがフラットなPNGであると偽らないでください。

配信

合格した result_url 値を shock / close-up や product / size contrast のような短いセマンティックラベルとともに返します。選択したアスペクト比と、配信物がクリーン、オーバーレイ準備済み、またはテキスト焼き付け済みのいずれであるかを記載します。ユーザーが尋ねない限り、内部プロンプト、ジョブID、再試行メカニズムを公開しないでください。

参照ファイル

• references/thumbnail-frameworks.md — 16のコンセプトフレームワーク、情報ギャップルール、真実性の法則。
• references/text-overlay-bake.md — 5つの決定論的テキストオーバーレイスタイルと4Kキャンバス焼き付けレシピ。