用 Higgsfield CLI…

当需要把主题、文档或故事做成有旁白、非写实的解说/故事视频时，按 10 秒分块逐块生成配音与画面，最后服务端合成为完整 MP4。

适用场景

解决思路

1. 安装并认证 CLI：若 `higgsfield` 不可用，运行 `curl -fsSL https://raw.githubusercontent.com/higgsfield-ai/cli/main/install.sh | sh`；若 `higgsfield account status` 失败，让用户运行 `higgsfield auth login` 并等待。
2. 首次提交前检查实时契约：运行 `higgsfield model get nano_banana_2`、`higgsfield model get seed_audio`、`higgsfield model get gemini_omni`、`higgsfield model get explainer_video`。
3. 第 0 阶段分两轮提问，绝不合并：第一轮只定风格，运行 `higgsfield preset list video-explainer --json` 加载实时 CMS 目录，展示预设名称及其缩略图/视频预览 URL，请用户选预设、描述自定义风格或附风格参考图，然后结束该轮；除非用户明确说“你来选”，否则不要静默选择。
4. 第二轮再收集制作设置：时长（1–10 整分钟，块数 N = 时长分钟 × 6，每块固定 10 秒）、旁白语言（默认英语但仍要提供选项）、角色（循环吉祥物或无人脸风格场景，必须问）、画幅（默认 `16:9` 或 `9:16` 竖版）、字幕（默认关闭，说明字幕每段配音块花费 0.05 credit；若开启，让用户选 `patrick`、`caveat`、`marker` 或 `anton`，不要静默选择）。
5. 若请求已含 `explainer preset id: <uuid>`，跳过第一轮，确认该 UUID 存在于实时目录并保留到第 1 阶段。
6. 准备输入：主题或个人/哲学故事；可选本地源文档（先读取/提取，作为事实输入而非生成媒体）；可选预设 UUID（与自定义风格参考图互斥）；可选风格参考图（只用其渲染风格与调色，除非要求否则不复制其中人物、文字、logo 或物体）；以及第 0 阶段的时长、语言、角色模式、画幅、字幕选择。本地风格图用重复的 `--image` 传路径；网络图片先下载到本地或使用已上传的 media ID。
7. 遵守硬性规则：所有画面严格非写实，在每个片段提示中重复同一 STYLE 描述与非写实负面词；所有口语词不得进入视频生成，片段音频只允许环境音或音乐，不得有对白、口型同步或内嵌旁白；每个标号块恰好一段旁白和一段片段，块 N 音频始终对应块 N 视频；每个片段都附同一张风格键图；所有图像/视频提示用英文，只有旁白用所选语言；真实主题先研究再写脚本，不编造引语、日期、数字或事件；必须在同一次运行中自动合成，返回零散片段视为失败。
8. 第 R 阶段研究：真实主题用可用网络研究工具和权威来源核实足够每块使用的事实，保留简短 Sources 列表，绝不只凭记忆写事实解说；个人故事跳过网络研究，只用用户提供的细节，不虚构任何事实。
9. 第 1 阶段创建或解析风格键：写一个可复用 STYLE 描述（媒介、调色板、线条/填充行为、纹理/质感，然后 `non-photorealistic, illustrated, not a photo, no live-action, no realism`）。
10. 若选 CMS 预设：运行 `higgsfield preset resolve video-explainer "<preset UUID>" --json`，把返回的 `media_id` 作为 `STYLE_KEY_ID`，跳过图像生成，用返回的预设名加强制非写实规则构建 STYLE 描述，不要按名称重建预设；预设参考控制构图，若与第 0 阶段画幅冲突，停下来让用户选择，不要静默对抗参考。
11. 若自定义风格或参考图：只生成一张键图，使用 `references/prompts.md` 中的抽象色板模板（启用角色模式时用其吉祥物变体），每个风格供体重复 `--image`，运行 `higgsfield generate create nano_banana_2 --prompt "<style-key prompt>" --aspect_ratio 16:9 --resolution 2k --wait --json`（竖版用 `9:16`），把完成的图像任务 UUID 作为 `STYLE_KEY_ID`，后续 CLI 生成可复用已完成任务 UUID 作为图像参考。
12. 第 2 阶段写旁白：用所选语言写恰好 N 个标号旁白块，格式为 `Block 1` 换行 `<line spoken over clip 1>` 等；每块一行，通常 20–24 词、约 8–9 秒，每段控制在约 9.5 秒内；只用纯口语文本，不要时间码、情绪提示、括号或舞台指示；数字拼写出来；语气具体，绝不说“in this video”；主题类从钩子到收尾，个人故事保留用户细节和主角。
13. 第 3 阶段写匹配的视频提示：用 `references/prompts.md` 模板写恰好 N 个标号英文提示，每块包含 `STYLE REFERENCE: Match the attached reference image EXACTLY. <same STYLE descriptor>`、`SCENE:`（与块 N 旁白匹配的一个场景和动作）、`MOTION:`（镜头运动与动画行为）、`AUDIO:`（仅环境音效或音乐，无语音、对白或旁白）、`NEGATIVE:`（风格漂移与写实禁令；无口型同步、字幕、文字、logo 或水印）；吉祥物模式第 1 块闭嘴用手势问候、最后一块挥手告别、中间块仅在有用时保持一致客串；无人脸模式只用风格化场景；每块保持一个清晰动作。
14. 第 4 阶段先生成所有配音：运行 `higgsfield voices list --json` 列出实时声音，展示选项并等待用户选一位旁白；保留所选声音的精确 `id` 和 `type`（`preset` 或 `element`），除非用户明确委托否则不要发明或自动选择声音。
15. 每个旁白块生成一个完成的 `seed_audio` 任务，始终用同一声音：`higgsfield generate create seed_audio --prompt "<Block N narration only>" --voice_type "<preset|element>" --voice_id "<voice UUID>" --wait --json`；按块顺序记录每个音频任务 UUID；只重新生成失败或过长的段，必要时缩短该块或适度调整 `--speech_rate`；所有 N 个音频任务完成前不要开始第 5 阶段。
16. 第 5 阶段再生成所有片段：每块生成一个完成的 10 秒 `gemini_omni` 片段，每次调用附同一风格键：`higgsfield generate create gemini_omni --prompt "<Block N video prompt>" --image "<STYLE_KEY_ID>" --duration 10 --resolution 720p --aspect_ratio 16:9 --wait --json`；竖版用 `9:16`；按块顺序记录每个视频任务 UUID；本阶段内独立任务可并发，但音频阶段屏障是严格的；只重新提交失败块；不要静默替换 `gemini_omni`，若模型不可用则检查实时视频目录。
17. 第 6 阶段立即合成：创建 `blocks.json`，至少两个有序块对，使用通用完成任务类型，例如 `[{"video":{"id":"<clip 1 job UUID>","type":"video_job"},"audio":{"id":"<voice 1 job UUID>","type":"audio_job"}}, ...]`；立即提交服务端合成器：`higgsfield generate create explainer_video --items @blocks.json --width 1280 --height 720 --wait --json`；竖版用 `--width 720 --height 1280`；启用字幕时加 `--subtitles '{"font":"patrick"}'`。
18. 不要使用本地 ffmpeg、旧版合成脚本或单体 `video_explainer` 任务。
19. 检查点与恢复：第 5 阶段前要求一张风格键、恰好 N 条旁白和提示、一位已选声音、N 个已完成音频任务；第 6 阶段前要求 N 个已完成视频任务且块对一一对应、无缺失或重复 ID；预设缺失时刷新 `preset list`，绝不重用或伪造 ID；预设解析失败时验证工作区选择并重试一次；风格漂移或写实时加强共享 STYLE 和 NEGATIVE 文本，只重新生成该片段；超时时用 `higgsfield generate wait <job_id> --json` 重新加入，绝不重复运行中的任务；两次相同失败意味着必须更改提示或参数。
20. 交付：返回最终合成视频 URL、精确时长、画幅、旁白语言、所选风格、旁白者、字幕状态，以及研究主题的 Sources 列表；除非被要求，否则把中间任务 ID 和零散资产 URL 保留在内部。

适用边界 · 注意事项

• 不适用于写实电影、广告/UGC、口播头像、播客、动态排版短片、无旁白的一次性片段，或对已完成视频的剪辑。
• 不适用于没有 Higgsfield CLI 账号或未完成 `higgsfield auth login` 的环境。
• 不要使用单体 `video_explainer` 任务、本地 ffmpeg 或旧版合成脚本替代本流程。