SuperAPI AI 工具集

Multimodal Studio

设计与创作

查看项目

更新于 10-15 21:46

技能介绍

用途:把创意简报(brief)转成成品视觉资产,包括图像、视频和可复用角色,无需离开智能体循环。它是 ACOS 的统一生成层,每次请求会路由到合适模型、编写提示词、保持品牌与角色一致性,并处理异步生成生命周期。供应商无关,不锁定单一厂商。

主要能力:覆盖图像、视频与一致角色三类模态;默认连接器为 Higgsfield MCP,通过一次 OAuth 连接暴露 30 多个图像与视频模型及角色训练。对外工具包括 generate_image、generate_video、create_character、list_characters、get_generation_status。

使用方式(Claude Code): claude mcp add --transport http --scope user higgsfield https://mcp.higgsfield.ai/mcp 随后在 Higgsfield 账户中通过 OAuth 认证,无需管理 API 密钥。若 higgsfield 工具不可用,不应静默退化为用文字描述图片,而应告知操作者缺少连接器并给出上述命令。

工作流为 BRIEF→ROUTE→CRAFT→GENERATE→ASSEMBLE:先锁定目标、画幅、风格、角色与模态;再按路由启发式选择模型(如写实静帧用 Soul,风格化/插画/图中文字用 Flux 或 Seedream,静帧转电影感动态用图像转视频,复杂文本转视频用 Veo/Sora 类;跨资产复用同一主体时先 create_character 再在每次调用中引用其 ID);提示词按 主体+动作+场景+构图+光照+风格+技术 结构编写,视频需显式描述运动;生成是异步的,提交后轮询 get_generation_status,独立资产可并行提交再轮询,失败或内容策略拒绝时如实报告并调整重试一次;最后组装为一致资产集并生成衍生尺寸,记录模型、提示词、job ID 以便复现。

适用场景:生成内容主视觉、缩略图、OG 卡片、社交视觉;制作短视频、b-roll 或电影感片段;创建跨多图与多视频保持一致的可复用角色;构建看起来像同一营销活动的成套资产。

限制:生成异步,图像需数秒,视频需数十秒到数分钟;输出需人工检查,避免手部变形、文字乱码、塑料感皮肤等问题;涉及成本时优先用图像转视频而非文本转视频,草稿用低分辨率、成稿用 4K。自托管替代方案与完整模型矩阵、画幅表、成本层级见 resources/model-matrix.md,资料中未提供具体价格。