higgsfield-ai/higgsfield-youtube-thumbnail

Higgsfield YouTube Thumbnail

Crie um conceito de miniatura limpo, gere cada variante através da CLI higgsfield, inspecione-a e faça apenas as edições cirúrgicas solicitadas.

Inicialização

Antes de qualquer geração:

1. Se o higgsfield estiver faltando, instale-o:

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

2. Se higgsfield account status relatar Session expired ou Not authenticated, peça ao usuário para executar higgsfield auth login e então aguarde.
3. Confirme os contratos de modelo bloqueados quando o catálogo pode ter sido alterado:

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

Regras de UX

1. Combine com o idioma do usuário. Mantenha a mecânica do CLI/modelo fora do bate-papo normal.
2. Não pergunte sobre fatos já presentes no resumo. Faça uma pergunta compacta apenas quando uma escolha ausente alterar o resultado.
3. Nunca invente alegações, resultados, produtos, pessoas, capturas de tela ou estatísticas que não sejam verdadeiras para o vídeo.
4. Não imprima JSON bruto ou IDs de trabalho para o usuário. Entregue a URL da imagem e um rótulo de variante curto.
5. Uma miniatura de referência de estilo é apenas para análise visual. Nunca a passe com --image; copiar sua identidade ou composição exata é proibido.
6. Não use --count. Cada conceito, emoção ou tomada de câmera recebe seu próprio prompt e chamada de geração.
7. use_unlim não é um parâmetro CLI atual. Nunca adicione --use-unlim; se o usuário solicitar explicitamente o uso de uma franquia ilimitada, explique que este fluxo de trabalho deve ser executado com créditos no CLI ou através de uma superfície que suporte essa franquia.

Portões de Entrada

Colete apenas o que o resumo não responde:

• O tópico/título do vídeo e a promessa verídica que a miniatura pode implicar.
• Requisitos exatos de cena, se houver.
• Quem aparece: 0–3 pessoas. Se um conceito precisar de uma pessoa e nenhuma foto de rosto foi fornecida, pergunte se deve usar o usuário, outra pessoa fornecida ou um personagem genérico gerado. Nunca escolha silenciosamente.
• Miniatura de referência de estilo opcional. Analise-a com visão do host para energia, enquadramento, layout dividido, paleta e emoção; não a envie para a Higgsfield.
• Logotipo opcional e se ele permanece plano ou se torna um objeto 3D.
• Manchete opcional, 2–4 palavras. O padrão é uma imagem limpa sem texto. Use uma sobreposição determinística quando o usuário solicitar uma sobreposição; incorpore o texto na imagem gerada apenas quando explicitamente solicitado.
• Proporção: 16:9 para YouTube por padrão, 9:16 para Shorts, ou 4:5 para Instagram.
• Um conceito final ou um conjunto de variantes. Se não for especificado e as alternativas ajudarem materialmente, ofereça um conjunto de cerca de quatro. Limite máximo: 16 gerações totais.

Se o usuário der uma contagem de emoções sem nomes, use esta escada: choque, hype, raiva, admiração, riso, medo, presunção, carisma, confusão, determinação, nojo.

Portão do Conceito

Leia references/thumbnail-frameworks.md. Faça um brainstorming de pelo menos cinco conceitos verídicos internamente, em múltiplos frameworks, então selecione a lacuna de informação mais forte com um sujeito focal e o mínimo de desordem. Combine frameworks apenas quando o resultado ainda for legível em menos de um segundo a aproximadamente 120px de largura.

Quando uma miniatura de referência existir, extraia esta estrutura antes de fazer o prompt:

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

A referência fornece direção de arte, nunca uma identidade específica. As instruções do usuário a substituem campo por campo.

Ordem das Referências

Passe as fotos dos rostos primeiro na ordem dos personagens, depois o logotipo. Repita --image para cada referência. Quando duas ou mais referências estiverem anexadas, a primeira linha do prompt deve ser um manifesto como:

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

Caminhos locais são enviados automaticamente. IDs de trabalhos concluídos anteriores também funcionam como entradas --image.

Contrato do Prompt

Monte cada prompt de renderização principal nesta ordem:

1. Quadro: 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. Para 9:16, adicione faces in the upper two-thirds. Uma representação gráfica solicitada substitui a linguagem fotorrealista por um resumo limpo de diagrama/gráfico.
2. Resumo da cena: descreva o conteúdo exato do usuário.
3. Texto: padrão No text, no readable UI labels, no watermark. Para manchete explícita incorporada: 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. Sujeitos: grandes, dominantes no primeiro plano, do peito para cima ou close médio, preenchendo cerca de 40–60% do quadro. Termine com All faces crisply sharp as the anchors of the shot.
5. Elementos-chave: apenas adereços/efeitos de assinatura que explicam a lacuna de informação.
6. Logotipo: preserve formas, cores, proporções e letras exatas; mantenha-o longe dos rostos.
7. Localização: lugar, hora, clima e atmosfera quando relevante.
8. Composição: um herói no terço de potência, hierarquia de escala clara, profundidade e forte separação sujeito/fundo.
9. Fundo: campo de cor vívido de alto contraste ou ambiente, vinheta suave e queda de borda; não o divida a menos que um layout dividido tenha sido solicitado explicitamente.
10. Iluminação nas pessoas: 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. Apenas o contorno pode usar um acento colorido.
11. Graduação: vívida, brilhante, brilhante, impactante como pôster, pretos profundos, realces nítidos, cores ricas e saturadas, coeso como uma imagem. Restrinja-a apenas para um resumo explícito calmo/premium/suave.

Para cada pessoa referenciada por foto, inclua:

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>.

Layouts divididos

Use uma divisão apenas quando o usuário solicitar split, before/after, versus, side by side, ou a referência analisada for dividida. Uma frase temática como X vs Y não exige uma divisão por si só. Substitua o bloco de quadro normal por um contrato claro de metades/painéis e mantenha todos os rótulos fora, a menos que uma UI curta e verídica incorporada tenha sido explicitamente solicitada.

Logotipo 3D opcional

Primeiro crie uma renderização de logotipo 1:1 em 4K, depois use seu ID de trabalho concluído como o último --image em cada chamada de miniatura:

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

Renderização principal

Use Nano Banana Pro em 4K explícito. Escreva o prompt final em um arquivo de texto temporário e canalize-o para stdin para que a pontuação e os blocos multilinha sejam preservados com segurança:

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

Omita todas as flags --image quando não houver referências. Para um conjunto de variantes, faça uma chamada por prompt distinto. Mantenha as mesmas referências e configurações; varie apenas a linha de conceito, expressão ou tomada de câmera selecionada.

O resultado JSON concluído contém id e result_url. Preserve ambos em particular: a URL é entregue; o ID é a fonte para edições posteriores.

Portão pós-renderização

Inspecione cada resultado com visão do host quando disponível:

• As identidades referenciadas correspondem visivelmente.
• Nenhum texto ou marca d'água estranho existe, a menos que texto incorporado tenha sido solicitado.
• O texto explícito incorporado corresponde caractere por caractere.
• O rosto/emoção e o elemento herói permanecem legíveis a aproximadamente 120px de largura.
• O conceito corresponde veridicamente à promessa do vídeo.

Em caso de falha grave, repita o mesmo prompt no máximo duas vezes. Se a inspeção visual não estiver disponível, não afirme que passou; entregue o resultado para revisão do usuário. Apresente cada variante aprovada e deixe o usuário escolher antes de fazer ajustes opcionais.

Ajustes cirúrgicos

Use o ID do trabalho concluído selecionado como a única entrada de imagem. Mantenha o escopo do prompt de edição estreito e declare que todas as outras propriedades no nível do pixel permanecem inalteradas.

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

Se seedream_v5_pro estiver ausente ou rejeitar o envio, tente novamente uma vez com seedream_v4_5 --quality high. Para uma renderização principal 4:5, o Seedream não tem 4:5; pergunte antes de alterar a edição para 3:4 e divulgue a alteração de corte/proporção. Cada edição aceita se torna o ID de origem para o próximo ajuste.

Compatibilidade CLI: versões até 1.1.20 podem rotular erroneamente uma referência de trabalho nano_banana_pro como nano_banana_pro_job. Se a edição for rejeitada com um erro medias.0...data.type, baixe o result_url selecionado para uma imagem local e repita a mesma edição com --image ./picked-thumbnail.png. Um caminho local é enviado automaticamente como media_input; não repita a carga útil de ID de trabalho inválida.

Escopos de ajuste permitidos: apenas expressão, apenas substituição de fundo, apenas recoloração de fundo ou apenas recoloração da luz de contorno. Nunca regenere silenciosamente a composição completa para uma solicitação cirúrgica.

Sobreposição de texto

Mantenha a imagem gerada livre de texto por padrão. Quando uma sobreposição de manchete for solicitada, leia references/text-overlay-bake.md e use um de seus cinco presets: Beast, Fire, Neon Lime, Clean Glass ou Marker. O caminho da sobreposição requer um ambiente capaz de renderizar canvas HTML; se indisponível, ofereça a imagem limpa ou uma regeneração de texto incorporado explicitamente aprovada. Nunca finja que uma prévia HTML é um PNG achatado.

Entrega

Retorne os valores result_url aprovados com rótulos semânticos curtos como shock / close-up ou product / size contrast. Mencione a proporção selecionada e se o entregável é limpo, pronto para sobreposição ou com texto incorporado. Não exponha prompts internos, IDs de trabalho ou mecânicas de repetição, a menos que o usuário pergunte.

Arquivos de referência

• references/thumbnail-frameworks.md — 16 frameworks de conceito, regra de lacuna de informação, lei de veracidade.
• references/text-overlay-bake.md — cinco estilos determinísticos de sobreposição de texto e receita de canvas 4K.