OyJI 缩略图 是做什么的?
改编自 higgsfield-youtube-thumbnail(MIT 许可,© 2026 Higgsfield AI):概念门、参考清单、提示顺序、渲染后门和微调。工具、模型和文字覆盖层是我们的。参见 ../../NOTICE-higgsfield.md。
需要 OyJI MCP(generate_image、upload_from_url)、模型 nano-banana-pro 以及用于标题的本地 Python(scripts/thumb_text.py)。图片免费。
规则
- 使用用户语言回复。聊天中不提及模型机制。
- 真实性。 缩略图只能承诺视频实际提供的内容。绝不可虚构声明、结果、产品、人物、截图或数字。
- 风格参考缩略图仅用于参考(能量、构图、调色、情绪),绝不能作为参考图像传递给模型:不允许复制其形象或精确布局。
- 仅提出简报未回答的问题,用一个紧凑的问题:视频的主题和承诺、出现的人(0 到 3 人)、Logo、标题(2 到 4 个词)、比例。
- 如果概念需要人物且未提供面部照片,则询问是否使用用户(他们的面部资料,见
oyji-face-id)、其他经允许的提供者或虚构角色。切勿默默选择。
比例(OyJI:1:1、3:4、4:3、9:16、16:9)
16:9 用于 YouTube;9:16 用于 Shorts、Reels 和 TikTok(面部位于上方三分之二处,底部被应用自己的按钮覆盖);3:4 用于 Instagram 信息流封面(OyJI 没有 4:5)。图片长边约为 1 到 1.5 千像素:足以满足这些用途;如果要求 4K,请说明。
概念门
内部思考至少五个真实概念,选择最强的一个。优先考虑一个焦点主体、最少杂乱以及一个信息差:观众看到一些让他们需要答案的东西,而视频提供了答案。有用的框架:反应面孔位于一个令人惊讶的物体旁边;巨大的尺度对比;一个数字或结果让人想问“怎么做”;前后对比(仅在要求时);一个部分隐藏的神秘物体;对比(仅当要求时使用分割布局);一个人指向空白处不是一个概念。它必须在约 120 像素宽时不到一秒内可读:通过将结果缩小到 120 像素并观察来检查。
当用户只给出数量时的情绪阶梯:震惊、炒作、愤怒、敬畏、大笑、恐惧、自鸣得意、魅力、困惑、决心、厌恶。
参考和提示
参考顺序:面部优先(角色顺序),然后是 Logo,总共最多 6 个(nano-banana-pro)。当附加两个或更多时,提示的第一行命名它们:IMAGE REFERENCES:image 1 = CHARACTER 1 face;image 2 = brand logo。
提示顺序(我们的措辞):
- 构图: 一个大胆、有力、海报级的逼真缩略图,选定的比例,一个统一的构图(除非要求,否则不分屏)。
- 场景: 用户描述的确切内容。
- 文字: 默认为
No text, no readable UI labels, no watermark。标题稍后添加(如下)。 - 人物: 大尺寸、前景、胸部以上或中近景,约占画面 40% 到 60%;
All faces crisply sharp。对于每个被引用的人:CHARACTER N: the person from image K, exactly the same face: bone structure, eye shape, nose, lips, jaw, skin tone, hairline。 Do not beautify, average or restyle。 Expression: <emotion>. - 关键元素: 仅说明信息差的道具。
- Logo: 精确的形状、颜色和字母,远离面部。(光泽的 3D Logo 首先是单独的图像;将其用作最后一个参考。)
- 位置、构图: 一个主体位于力量三分点,清晰的尺度层次,强烈的主体-背景分离。
- 背景: 一个鲜艳的高对比度色块或环境,带有柔和的渐晕。
- 人物灯光: 塑造面部的强主光、柔和的辅光以及勾勒头发和肩部的明亮轮廓光。
- 等级: 鲜艳、光泽、海报级冲击力、深黑色;仅针对明确的平静或高级简报进行限制。
每个不同的概念或表情调用一次(count 1 到 2 即可);仅变化概念、表情或镜头线。整个工作上限约为 16 次生成。
检查每个结果(查看它)
形象与参考匹配;无多余文字或水印;面部和主体元素在 120 像素时仍可读;概念符合视频真实。严重失败:相同提示最多重跑两次。如果您无法查看图像,请告知用户并让其判断;不要声称通过了检查。
微调
使用选定的结果作为唯一参考并设置 strict: true:Change ONLY <the expression / the background colour / the rim light>。 Everything else stays exactly as it is。 允许的范围:表情、背景替换、背景重新着色、轮廓光重新着色。切勿为小请求重新生成整张图片。
标题(本地添加,绝不来自模型)
python3 -I scripts/thumb_text.py spec.json,一行 2 到 4 个词的标题,使用哈萨克语或俄语。预设:beast(黄色,粗黑色描边)、fire(橙色到红色)、lime(霓虹青柠色)、clean(白色带柔和阴影)。
{"image":"pick.png","out":"thumb.png","text":"БҰЛ НЕ БОЛДЫ?","preset":"beast","position":"left","size":0.16}
position:left、right、top、bottom、center。保持文字不位于面部上;如果基础图片没有空白区域,则重新生成带清晰区域的基础图片,而不是覆盖主体。该脚本使用包含哈萨克字母的字体,如果没有则停止。
交付
通过测试的图片,每张附有简短标签(例如 shock / close-up)、比例,以及说明是否纯净或有标题。除非要求,否则不提供提示或 ID。