用途
higgsfield-video-explainer 通过 Higgsfield CLI 运行 MCP 视频讲解工作流，用于从有序的 10 秒区块构建完整的非写实风格、带旁白的讲解视频或故事视频。整个视频使用一位旁白、一个统一风格键，每个区块对应一条旁白和一段匹配的视觉提示词，先完成全部语音生成，再完成全部片段生成，最后立即用 explainer_video 按顺序组装。技能明确要求不要使用单体 video_explainer 任务。
主要能力
- 支持从 CMS 预设列表选择视频讲解预设，或将预设解析为当前工作区中的隐藏风格图。
- 支持自定义风格描述或风格参考图，并通过 nano_banana_2 生成唯一的风格键图。
- 按区块撰写旁白：每块一行，通常 20–24 词、约 8–9 秒，不使用时间码、情绪提示或舞台指示。
- 按区块撰写英文视频提示词，强制重复同一 STYLE 描述和非写实负向约束。
- 通过 seed_audio 使用同一声音逐个生成旁白片段。
- 通过 gemini_omni 逐块生成 10 秒视频片段，并将同一风格键图附加到每个片段。
- 通过 explainer_video 服务端组装器按序拼接区块，保持每块恰好 10 秒，可选烧录字幕。
- 支持 16:9 与 9:16 画幅，时长可设为一到十分钟，对应固定 N = 时长分钟数 × 6 个 10 秒区块。
使用方式
若 higgsfield 不可用，先安装：
curl -fsSL https://raw.githubusercontent.com/higgsfield-ai/cli/main/install.sh | sh
若账户状态失败，需用户运行 higgsfield auth login 后等待。首次提交前应检查实时契约：
higgsfield model get nano_banana_2
higgsfield model get seed_audio
higgsfield model get gemini_omni
higgsfield model get explainer_video
流程分为多个阶段。Phase 0 分两轮收集设置：第一轮只选择风格，展示 higgsfield preset list video-explainer --json 返回的预设名称及预览 URL，请用户选择预设、描述自定义风格或附加风格参考图；若用户已提供预设 UUID，则需确认其存在。第二轮才收集时长、旁白语言（默认英语但仍需提供选择）、角色模式（常驻吉祥物或无人物风格场景）、画幅（默认 16:9 或 9:16 竖屏）和字幕（默认关闭，字幕按每个有声区块 0.05 credit 计费，启用时需用户选择 patrick、caveat、marker 或 anton 字体）。
在撰写脚本前，对真实主题使用可用网络研究工具和权威来源核实事实并保留简短来源列表；个人故事则仅使用用户提供的细节。Phase 1 创建或解析风格键：使用 CMS 预设时执行 higgsfield preset resolve video-explainer "<preset UUID>" --json，保留返回的 media_id 作为 STYLE_KEY_ID；使用自定义风格时通过 nano_banana_2 生成唯一风格键图。Phase 2 按所选语言撰写 N 条带标签的旁白，Phase 3 撰写 N 条匹配的英文视频提示词。
Phase 4 先列出可用声音并等待用户选择一位旁白，然后对每个旁白区块用同一声音生成 seed_audio 任务，记录所有音频任务 UUID。Phase 5 才逐块生成 10 秒 gemini_omni 片段，每次附加同一风格键，记录所有视频任务 UUID。Phase 6 创建 blocks.json，其中至少包含两个有序的 block 对，video 使用 video_job 类型，audio 使用 audio_job 类型，然后提交：
higgsfield generate create explainer_video \
--items @blocks.json \
--width 1280 \
--height 720 \
--wait \
--json
竖屏时使用 --width 720 --height 1280；启用字幕时追加 --subtitles '{"font":"patrick"}' 等所选字体。组装器保持每块恰好 10 秒，短语音居中，小幅超时安全加速，不拉伸视频，按序拼接并可烧录定时字幕，总时长严格为 N × 10 秒。
适用场景
适合制作非写实风格的讲解视频、科普视频或故事视频，尤其是需要统一视觉风格、单一旁白和固定 10 秒节奏的成片。可用于真实主题（需先研究核实）或个人故事（仅使用用户提供细节）。
限制与约束
- 画面必须严格非写实，每个片段提示词都要重复同一 STYLE 描述和非写实负向约束。
- 所有口头语言不得进入视频生成；片段音频只能是环境声或音乐，不得有对白、口型同步或预制旁白。
- 每个带标签区块只使用一条旁白片段和一段视频片段，Block N 音频始终对应 Block N 视频。
- 所有图像和视频提示词必须用英文撰写，仅旁白使用所选语言。
- 选择风格和旁白声音必须由用户决定，除非用户明确委托；字幕字体也不能静默选择。
- 禁止使用本地 ffmpeg、旧版组装脚本或单体 video_explainer 任务。
- 预设不匹配或解析失败时需刷新列表或重试一次，不得复用或编造 ID；连续两次相同失败意味着必须修改提示词或参数。
交付
最终返回组装完成的视频 URL、确切时长、画幅、旁白语言、所选风格、旁白声音、字幕状态，以及研究类主题的来源列表。中间任务 ID 和零散素材 URL 除非被要求，否则保持内部。