Higgsfield 解说视频制作工具

通过Higgsfield CLI运行MCP视频解说工作流。锁定一个视觉风格密钥，为每个10秒片段撰写一句旁白台词和一个匹配的视觉提示词，先生成所有语音素材，再生成所有视频片段，随后立即使用

explainer_video

将有序的素材对组装起来。

本技能中禁止使用一体化的

video_explainer

任务。

MCP工作流与CLI命令映射

MCP工作流操作	CLI等效命令
`get_explainer_presets`	`higgsfield preset list video-explainer --json`
`resolve_explainer_preset`	`higgsfield preset resolve video-explainer <preset_id> --json`
`generate_image` / `nano_banana_pro`	`higgsfield generate create nano_banana_2 ...`
`list_voices`	`higgsfield voices list --json`
`generate_audio` / `seed_audio`	`higgsfield generate create seed_audio ...`
`generate_video` / `gemini_omni`	`higgsfield generate create gemini_omni ...`
`job_status`	`--wait --json` 或 `higgsfield generate wait <job_id> --json`
`explainer_video`	`higgsfield generate create explainer_video ...`

nano_banana_2

是MCP工作流所使用的Nano Banana Pro风格密钥模型的公开CLI标识。

初始化步骤

如果未安装

higgsfield

，请执行以下命令安装：

bash

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

如果执行
```
higgsfield account status
```
失败，请让用户运行
```
higgsfield auth login
```
进行登录，等待登录完成。

在首次提交任务前，查看实时模型合约：

bash

higgsfield model get nano_banana_2
higgsfield model get seed_audio
higgsfield model get gemini_omni
higgsfield model get explainer_video

阶段0 — 先收集需求

分两轮收集用户选择，严格遵循以下顺序，不可合并为一轮。

第一轮 — 仅确认风格

始终加载实时CMS预设目录：

bash

higgsfield preset list video-explainer --json

展示预设名称及其缩略图/视频预览链接。用一句话询问用户选择预设、描述自定义风格，或上传风格参考图片，随后结束本轮。本轮不可询问制作相关的其他问题。风格选择为必填项，除非用户明确表示「由你选择」，否则不可自行决定。

仅当用户请求中已包含

explainer preset id: <uuid>

时，可跳过本轮。需确认该UUID存在于实时目录中，并将其保留至阶段1使用。

第二轮 — 制作设置

仅在确认风格后，收集所有未确定的设置：

时长：1至10整分钟。
```
N = 时长分钟数 × 6
```
，即固定的10秒片段数量。
旁白语言：默认英语，但仍需提供选择。
角色：重复出现的吉祥物或无脸风格场景。必须询问用户选择。
画幅比例：默认
```
16:9
```
或可选
```
9:16
```
竖屏。
字幕：默认关闭。需说明字幕每个旁白片段需花费0.05积分。若启用字幕，需让用户选择
```
patrick
```
、
```
caveat
```
、
```
marker
```
或
```
anton
```
字体，不可自行决定。

除非用户明确授权，否则所有选择均由用户决定。

输入内容

主题或个人/哲理故事。
可选的本地源文档；编写脚本前需读取/提取内容。这些是事实输入，而非生成素材。
可选的预设UUID，与自定义风格参考图片互斥。
可选的风格参考图片。仅使用其渲染风格和色彩分级；除非用户要求，否则不可复制其中的人物、文字、标志或物体。
阶段0确定的时长、语言、角色模式、画幅比例和字幕选项。

对于本地风格参考图片，使用重复的

--image

参数传入每个文件路径。对于网络图片，需先下载至本地或使用已上传的媒体ID。

硬性规则

所有视觉内容必须严格为非写实风格。在每个视频片段的提示词中重复相同的风格描述符和非写实否定词。
视频生成中不得包含任何语音内容。片段音频仅为环境音效或音乐；不得有对话、唇形同步或内嵌旁白。
每个标记的片段必须恰好包含一段旁白素材和一段视频片段。第N段音频必须对应第N段视频。
所有视频片段需附加相同的风格密钥图片。
所有图片/视频提示词需用英文撰写。仅旁白使用选定的语言。
编写脚本前需对真实主题进行调研。不得编造引用、日期、数字或事件。
在同一流程中自动完成组装。仅返回零散片段视为失败。

工作流程

阶段	输出内容	CLI操作
0 需求收集	先确认风格；再确认时长、语言、角色、画幅比例、字幕	`preset list` + 用户问题
R 调研	已验证的事实和来源	可用调研工具
1 风格密钥	一张通用风格图片	`preset resolve` 或 `nano_banana_2`
2 旁白撰写	N个带标记的旁白台词	逻辑推理
3 片段提示词	N个带标记的视频提示词	逻辑推理
4 语音生成	用户选择一种语音；生成N段语音素材	`voices list` + `seed_audio`
5 视频片段生成	生成N个10秒视频片段	`gemini_omni`
6 组装	一个最终MP4视频	`explainer_video`

在开始阶段1至3前，请阅读

references/prompts.md

文件。

阶段R — 调研

对于真实主题，使用可用的网络调研工具和权威来源验证每个片段所需的事实。保留简短的来源列表。不得仅凭记忆编写事实性解说脚本。

对于个人故事，跳过网络调研，仅使用用户提供的细节。不得编造任何事实内容。

阶段1 — 创建或解析风格密钥

撰写一个可复用的风格描述符：媒介、调色板、线条/填充方式、纹理/质感，随后添加

non-photorealistic, illustrated, not a photo, no live-action, no realism

（非写实、插画风格、非照片、无真人实拍、无写实效果）。

选定CMS预设

将隐藏的风格图片解析至当前工作区：

bash

higgsfield preset resolve video-explainer "<preset UUID>" --json

将返回的

media_id

保存为

STYLE_KEY_ID

。跳过图片生成：此导入的媒体即为风格密钥。根据返回的预设名称加上必填的非写实规则构建风格描述符。不得根据预设名称重新创建预设。

预设参考控制画面构图。若其与阶段0中请求的画幅比例冲突，请暂停并让用户选择，不得强行修改参考内容。

自定义风格或参考图片

恰好生成一张密钥图片。使用

references/prompts.md

中的抽象样本模板，若启用角色模式则使用吉祥物变体模板。为每个风格参考图片重复使用

--image

参数：

bash

higgsfield generate create nano_banana_2 \
  --prompt "<style-key prompt>" \
  --aspect_ratio 16:9 \
  --resolution 2k \
  --wait \
  --json

竖屏使用

9:16

比例。将完成的图片任务UUID保存为

STYLE_KEY_ID

；后续CLI生成任务可复用已完成的任务UUID作为图片参考。

阶段2 — 撰写旁白

使用选定的语言恰好撰写

个带标记的旁白片段：

text

Block 1
<片段1的旁白台词>
Block 2
<片段2的旁白台词>

每个片段一句台词，通常为20-24个单词，时长约8-9秒。
每个语音素材时长需控制在约9.5秒以内。
仅使用口语化文本：不得包含时间码、情绪提示、插入语或舞台指示。
数字需拼写完整。
使用具体的语气，不得说「在本视频中」。
对于主题类内容，遵循从钩子到收尾的结构。对于个人故事，保留用户提供的细节和主角。

阶段3 — 撰写匹配的视频提示词

使用

references/prompts.md

中的模板恰好撰写

个带标记的英文提示词：

text

Block N
STYLE REFERENCE: Match the attached reference image EXACTLY. <相同的风格描述符>
SCENE: <与第N段旁白匹配的场景和动作>
MOTION: <镜头移动和动画行为>
AUDIO: <仅环境音效或音乐；无语音、对话或旁白>
NEGATIVE: <禁止风格偏移和写实内容；无唇形同步、字幕、文字、标志或水印>

在吉祥物模式下，第1个片段需展示吉祥物闭嘴挥手问候，最后一个片段需展示吉祥物挥手告别，中间片段仅在必要时加入一致的吉祥物客串。在无脸模式下，仅使用风格化场景。每个片段需保持一个清晰的动作。

阶段4 — 先生成所有语音素材

列出可用的实时语音选项，展示给用户，等待用户选择一位旁白：

bash

higgsfield voices list --json

保存所选语音的准确

id

和

type

（

preset

或

element

）。除非用户明确授权，否则不得编造或自动选择语音。

为每个旁白片段生成一个完成的

seed_audio

任务，始终使用同一语音：

bash

higgsfield generate create seed_audio \
  --prompt "<仅第N段旁白台词>" \
  --voice_type "<preset|element>" \
  --voice_id "<语音UUID>" \
  --wait \
  --json

按片段顺序记录每个音频任务的UUID。仅重新生成失败或时长过长的语音素材。必要时可缩短该片段的台词或适度调整

--speech_rate

参数。需等所有

个音频任务完成后，方可开始阶段5。

阶段5 — 再生成所有视频片段

为每个片段生成一个完成的10秒

gemini_omni

视频片段。每个请求需附加相同的风格密钥：

bash

higgsfield generate create gemini_omni \
  --prompt "<第N段视频提示词>" \
  --image "<STYLE_KEY_ID>" \
  --duration 10 \
  --resolution 720p \
  --aspect_ratio 16:9 \
  --wait \
  --json

若选择竖屏则使用

9:16

比例。按片段顺序记录每个视频任务的UUID。本阶段内的独立任务可并行运行，但必须严格等待音频阶段完成后再开始。仅重新提交失败的片段。不得擅自替换

gemini_omni

；若该模型不可用，请查看实时视频模型目录。

阶段6 — 立即组装

创建包含至少两个有序片段对的

blocks.json

文件。CLI模型合约要求使用带类型的引用，因此请使用通用的已完成任务类型：

json

[
  {
    "video": {"id": "<片段1视频任务UUID>", "type": "video_job"},
    "audio": {"id": "<片段1语音任务UUID>", "type": "audio_job"}
  },
  {
    "video": {"id": "<片段2视频任务UUID>", "type": "video_job"},
    "audio": {"id": "<片段2语音任务UUID>", "type": "audio_job"}
  }
]

立即提交服务端组装任务：

bash

higgsfield generate create explainer_video \
  --items @blocks.json \
  --width 1280 \
  --height 720 \
  --wait \
  --json

竖屏使用

--width 720 --height 1280

参数。若启用字幕，需添加所选字体参数：

bash

--subtitles '{"font":"patrick"}'

组装工具会将每个片段保持为恰好10秒：对于较短的语音素材会居中放置，对于稍长的素材会在保持音调不变的前提下略微加速，绝不会拉伸视频，按顺序拼接片段，并可选添加内嵌定时字幕。总时长恰好为

N × 10

秒。

不得使用本地ffmpeg、旧版组装脚本或一体化的

video_explainer

任务。

检查点与故障恢复

阶段5开始前：需确保已拥有一个风格密钥、恰好
```
N
```
句旁白台词和提示词、已选定一种语音，以及
```
N
```
个已完成的音频任务。
阶段6开始前：需确保已拥有
```
N
```
个已完成的视频任务，且片段对为精确的一一对应，无缺失或重复ID。
预设缺失：刷新
```
preset list
```
；不得复用或编造ID。
预设解析失败：验证工作区选择后重试一次。
风格偏移或出现写实内容：强化通用风格描述符和否定词文本，仅重新生成该片段。
超时：使用
```
higgsfield generate wait <job_id> --json
```
重新连接；不得重复提交正在运行的任务。
连续两次相同故障意味着必须修改提示词或参数。

交付内容

返回最终组装好的视频链接、精确时长、画幅比例、旁白语言、选定风格、旁白语音、字幕状态，以及调研主题的来源列表。除非用户要求，否则中间任务ID和零散素材链接需内部保留，不得对外提供。

higgsfield-video-explainer

NPX安装

标签

SKILL.md 内容（中文）

Higgsfield 解说视频制作工具

MCP工作流与CLI命令映射

初始化步骤

阶段0 — 先收集需求

第一轮 — 仅确认风格

第二轮 — 制作设置

输入内容

硬性规则

工作流程

阶段R — 调研

阶段1 — 创建或解析风格密钥

选定CMS预设

自定义风格或参考图片

阶段2 — 撰写旁白

阶段3 — 撰写匹配的视频提示词

阶段4 — 先生成所有语音素材

阶段5 — 再生成所有视频片段

阶段6 — 立即组装

检查点与故障恢复

交付内容