Higgsfield YouTube 缩略图
创建一个简洁的缩略图概念，通过 higgsfield CLI 生成每个变体，检查它，并仅执行所要求的精准编辑。
引导
在任何生成之前：
- 如果缺少
higgsfield，请安装：curl -fsSL https://raw.githubusercontent.com/higgsfield-ai/cli/main/install.sh | sh - 如果
higgsfield account status报告Session expired或Not authenticated，请让用户运行higgsfield auth login，然后等待。 - 当目录可能发生变化时，确认锁定的模型合约：
higgsfield model get nano_banana_pro --json higgsfield model get gpt_image_2 --json higgsfield model get seedream_v5_pro --json
用户体验规则
- 使用用户的语言。保持 CLI/模型机制在正常对话之外。
- 不要询问简报中已经存在的事实。仅当缺少的选择会改变结果时，才问一个简洁的问题。
- 绝不编造关于视频的不真实主张、结果、产品、人物、截图或统计数据。
- 不要向用户打印原始 JSON 或作业 ID。提供图片 URL 和简短的变体标签。
- 样式参考缩略图仅用于视觉分析。绝不将其与
--image一起传递；禁止复制其身份或确切构图。 - 不使用
--count。每个概念、情感或拍摄角度都有其自己的提示和生成调用。 use_unlim不是当前的 CLI 参数。绝不添加--use-unlim；如果用户明确要求使用无限额度，请解释此工作流程必须在 CLI 中使用积分运行，或者通过支持该额度的界面运行。
输入门控
仅收集简报未回答的内容：
- 视频的主题/标题以及缩略图可能暗示的真实承诺。
- 确切场景要求（如有）。
- 出现的人物：0–3 人。如果某个概念需要人物但未提供面部照片，询问是否使用用户、其他提供的人物或通用生成的角色。绝不无声地选择。
- 可选的样式参考缩略图。使用宿主视觉分析其能量、构图、分割布局、调色板和情感；不将其发送给 Higgsfield。
- 可选的 Logo，以及它是保持扁平还是变成 3D 对象。
- 可选标题，2–4 个词。默认交付是无文本的干净图片。当用户请求叠加时，使用确定性叠加；仅当明确请求时，才将文本烘焙到生成图像中。
- 宽高比：YouTube 默认
16:9，Shorts 为9:16，Instagram 为4:5。 - 一个最终概念或一组变体。如果未指定且替代方案会实质性有帮助，则提供一组大约四个。硬上限：总共 16 次生成。
如果用户给出不带名称的情感计数，请使用此阶梯：震惊、炒作、愤怒、敬畏、大笑、恐惧、自鸣得意、魅力、困惑、决心、厌恶。
概念门控
阅读 references/thumbnail-frameworks.md。在内部头脑风暴至少五个真实的概念，涵盖多个框架，然后选择信息差最强、焦点主体一个且杂乱元素最少的概念。仅当结果在大约 120 像素宽下仍能在一秒内被理解时，才组合多个框架。
当存在参考缩略图时，先在提示中提取此结构：
简短、通用的主体姿势/动作、元素、位置、构图、背景、
分割（是/否）、分割数量、人物数量、情感、情感细节
参考提供艺术方向，绝不提供特定身份。用户指令逐字段覆盖它。
参考顺序
按角色顺序传递面部照片，然后是 Logo。为每个参考重复 --image。当附加两个或更多参考时，提示的第一行必须是如下清单：
图像参考：图片 1 = 角色 1 面部参考；图片 2 = 品牌 Logo。
本地路径会自动上传。先前完成的作业 ID 也可以作为 --image 输入。
提示合约
按此顺序组装每个主渲染提示：
- 画幅：
大胆、有力的 YouTube 缩略图合成——海报级、照片级真实且高冲击力，不是柔和的电影静态镜头，<ratio>，单一统一画幅——无分屏、无对角线分割，所有内容在同一连续镜头中平滑自然地融合。对于9:16，添加面部位于上方三分之二区域。请求的图形表示将照片级真实语言替换为清晰的图表/图形简介。 - 场景简介： 描述用户的确切内容。
- 文本： 默认
无文本、无可读 UI 标签、无水印。对于明确的烘焙标题：文本：粗体缩略图标题文本烘焙到图像中，内容应为 "<TEXT>"——巨大、超高可读性的无衬线字体，带有干净的轮廓/发光处理，放置在绝不遮挡主体面部的位置。无其他文本，无水印。 - 主体： 较大、前景主导、胸部以上或中景，大约占据画幅的 40–60%。以
所有面部清晰锐利，作为镜头的锚点结束。 - 关键元素： 仅解释信息差的标志性道具/效果。
- Logo： 保留确切的形状、颜色、比例和字体；使其远离面部。
- 位置： 相关时包括地点、时间、天气和氛围。
- 构图： 一个力量三分法主角、清晰的尺度层级、深度以及强烈的主体/背景分离。
- 背景： 鲜艳高对比度的色彩场或环境、柔和渐晕和边缘衰减；除非明确要求分割布局，否则不要分割背景。
- 人物灯光：
标志性的 YouTube 缩略图灯光组——强劲的主光塑造面部、柔和的梦幻补光提升阴影、明确的背光加发光线在头发、肩膀和轮廓周围勾勒出干净的明亮边缘。仅边缘可以使用彩色强调。 - 色调： 鲜艳、明亮、有光泽、海报般有力、深邃的黑色、清晰的高光、丰富饱和的色彩、整体如一幅图像。仅对明确的平静/高级/柔和简报进行限制。
对于每个照片参考的人物，包含：
角色 N：来自附加面部参考 #K 的人 —— 身份锁定：以摄影身份匹配的方式复现此人的确切特征——相同的骨骼结构、眼形、鼻子、嘴唇、下巴线、肤色、发际线和发质。不要美化、平均化或重新设计面部。表情：<情感短语>。
分割布局
仅当用户要求 split、before/after、versus、side by side，或分析的参考是分割时，才使用分割布局。如 X vs Y 之类的主题短语本身不要求分割。用清晰的一半/面板合约替换常规画幅块，并保持所有标签在外部，除非明确要求简短、真实的烘焙 UI。
可选的 3D Logo
首先创建一个 1:1 的 4K Logo 渲染，然后将其完成的作业 ID 作为每次缩略图调用的最后一个 --image：
higgsfield generate create gpt_image_2 \
--prompt "将附加的 2D Logo 转换为高级 3D Logo 渲染：将确切的 Logo 形状挤出为有光泽的立体体积；保留每个字体、比例和品牌颜色；柔和的演播室反射、细腻的倒角、清晰的边缘、干净的深色中性背景、柔和的接触阴影、居中、留白充分、无额外文本、无水印。" \
--image ./logo.png \
--aspect_ratio 1:1 \
--quality high \
--resolution 4k \
--wait --json
主渲染
使用 Nano Banana Pro 以明确的 4K 分辨率进行渲染。将最终提示写入一个临时文本文件，并通过 stdin 管道输入，以便安全地保留标点符号和多行块：
higgsfield generate create nano_banana_pro \
--aspect_ratio 16:9 \
--resolution 4k \
--image ./face-1.png \
--image ./logo.png \
--wait --json < thumbnail-prompt.txt
当没有参考时，省略所有 --image 标志。对于一组变体，每个不同的提示进行一次调用。保持相同的参考和设置；仅改变选定的概念、表情或拍摄角度行。
完成的 JSON 结果包含 id 和 result_url。两者都私下保留：URL 用于交付；ID 用于后续编辑。
渲染后门控
在可用时使用宿主视觉检查每个结果：
- 引用的身份明显匹配。
- 不存在多余文本或水印，除非订购了烘焙文本。
- 明确的烘焙文本逐字匹配。
- 面部/表情和英雄元素在大约 120 像素宽下仍然清晰可读。
- 概念与视频承诺真实匹配。
在硬失败的情况下，最多重试相同提示两次。如果视觉检查不可用，不要声称它已通过；将结果交付给用户审查。提供每个通过的变体，让用户在选择可选的调整之前进行挑选。
精准调整
使用选定的已完成作业 ID 作为唯一的图像输入。保持编辑提示范围狭窄，并说明其他每个像素级属性保持不变。
higgsfield generate create seedream_v5_pro \
--prompt "仅将人物的面部表情更改为：<短语>。保持身份、面部结构、头发、姿势、身体、服装、Logo、背景、灯光和构图完全不变，像素保真。保持 YouTube 缩略图灯光组完整。" \
--image <picked_job_id> \
--aspect_ratio 16:9 \
--resolution 2k \
--wait --json
如果 seedream_v5_pro 不存在或拒绝提交，使用 seedream_v4_5 --quality high 重试一次。对于 4:5 主渲染，Seedream 没有 4:5；在将编辑更改为 3:4 之前询问，并说明裁剪/宽高比的变化。每个已接受的编辑成为下一个调整的源 ID。
CLI 兼容性：版本至 1.1.20 可能错误地将 nano_banana_pro 作业引用标记为 nano_banana_pro_job。如果编辑被拒绝并出现 medias.0...data.type 错误，请将选定的 result_url 下载到本地图像，并使用 --image ./picked-thumbnail.png 重试相同的编辑。本地路径会自动上传为 media_input；不要重试无效的作业 ID 负载。
允许的调整范围：仅表情、仅背景替换、仅背景重新着色或仅边缘光线重新着色。对于精准请求，绝不静默地重新生成整个构图。
文本叠加
默认保持生成的图像无文本。当请求标题叠加时，阅读 references/text-overlay-bake.md 并使用其五个预设之一：Beast、Fire、Neon Lime、Clean Glass 或 Marker。叠加路径需要一个能够渲染 HTML canvas 的环境；如果不可用，则提供干净图像或明确批准的烘焙文本重生成。绝不假装 HTML 预览是扁平的 PNG。
交付
返回通过的 result_url 值，并附上简短语义标签，如 震惊 / 特写 或 产品 / 尺寸对比。提及选定的宽高比以及交付物是干净的、可叠加的、还是文本烘焙的。除非用户询问，否则不暴露内部提示、作业 ID 或重试机制。
参考文件
references/thumbnail-frameworks.md— 16 个概念框架、信息差规则、真实性法则。references/text-overlay-bake.md— 五种确定性文本叠加样式和 4K 画布烘焙配方。