# Kompletny przewodnik po Higgsfield Cinema Studio 4.0: zarządzanie sceną, Soul 2.0 i automatyzacja API

> Szczegółowa analiza praktyczna dużego aktualizacji Higgsfield: Cinema Studio 4.0, spójne postacie Soul 2.0, generowanie przez API oraz gotowy pipeline UGC.

Ekosystema Higgsfield przeszła znaczące uaktualnienie technologiczne: Cinema Studio 4.0 oferuje rozszerzony zestaw narzędzi do bezpośredniego sterowania sceną, moduł Soul 2.0 zapewnia stabilną fiksację postaci między klatkami, a katalog API otwiera dostęp do ponad 50 modeli sieci neuronowych służących do end-to-end automatyzacji produkcji wideo.

W tym praktycznym przewodniku szczegółowo omówiono wszystkie kluczowe nowości platformy oraz rzeczywiste scenariusze ich wdrożenia — od precyzyjnego ręcznego strojenia optyki i emocji bohatera, po programowy pipeline wideo i autonomiczne tworzenie kreacji UGC.

| Narzędzie / Moduł | Kluczowe przeznaczenie | Optymalny scenariusz użycia |
| :--- | :--- | :--- |
| **Cinema Studio 4.0** | Precyzyjna kontrola reżyserii klatka po klatce | Tworzenie autorskich ujęć z kontrolą kamery, światła, tempa i optyki |
| **Soul 2.0 (Soul ID)** | Fiksacja tożsamości postaci | Seryjna produkcja wideo z tą samą bohaterką/bohaterem w różnych lokalizacjach |
| **Higgsfield API** | Programowa generacja wsadowa (batch) | Integracja z produktami B2B, automatyczne lejki sprzedażowe, masowy render |
| **Pipeline UGC (Claude + Seedance)** | Generowanie reklam na podstawie zdjęcia produktu | Szybkie uruchamianie kreacji marketingowych bez ekipy filmowej |

---

## 1. Główne aktualizacje platformy Higgsfield

Centralnym wydarzeniem release’u było uruchomienie Cinema Studio 4.0. Główna zmiana koncepcyjna polega na przejściu od prób zawarcia wszystkich wskazówek reżyserskich w jednym długim promptcie tekstowym, do fizycznie precyzyjnych narzędzi prewizualizacji sceny przed startem renderingu.

Kluczowe usprawnienia techniczne obejmują:

- **Zwiększenie długości materiału:** maksymalna czas trwania pojedynczego wygenerowanego klipu wzrosła z 15 do 30 sekund;
- **Wsadowe ładowanie referencji:** jednoczesne podawanie do 50 obrazów zamiast dotychczasowych 9;
- **Biblioteka ruchów kamery:** ponad 30 dopracowanych presetów kinematograficznych zamiast 9 podstawowych;
- **Typy systemów zdjęciowych:** 4 typy kamer zdjęciowych zamiast 3;
- **Style kolorystyczne:** ponad 50 profesjonalnych presetów color gradingu zamiast 8;
- **Dedykowane kontrolery:** dodano niezależne regulatory tempa (Tempo), epoki (Era Selector) oraz koło emocji (Emotion Wheel);
- **Dwustronne rozszerzanie sceny:** zaimplementowano narzędzia Forward Extend (przedłużenie w przód) oraz Backward Extend (dobudowanie początku);
- **Fizyka soczewek optycznych:** właściwości obiektywów są teraz wbudowane bezpośrednio w algorytm dyfuzji podczas generowania, a nie nakładane jako filtr post-produkcji.

Równolegle platforma rozwija dwa strategiczne kierunki: architekturę Soul 2.0 dla spójnych cyfrowych awatarów oraz REST API z dostępem do ponad 50 wyspecjalizowanych modeli służących do budowy niestandardowych pipeline’ów wideo.

---

## 2. Cinema Studio 4.0: kluczowe zmiany i możliwości

W czwartej wersji Cinema Studio podstawowe parametry zdjęciowe zostały wydzielone z opisu tekstowego do niezależnych selektorów systemowych. Eliminuje to halucynacje modelu AI i zapewnia przewidywalny rezultat.

### Długość generowania do 30 sekund

Pojedyncza sesja generowania może trwać do 30 sekund. Taka długość jest wystarczająca nie tylko do szybkiej zmiany planu, ale do pełnoprawnej sceny dramatycznej z rozwojem akcji, ekspozycją i kulminacją, bez konieczności ręcznego sklejania dwusekundowych fragmentów.

### Multi-referencje: do 50 referencji jednocześnie

Do jednego kontekstu generowania można teraz przekazać do 50 obrazów źródłowych. Pozwala to na jednoczesne zafiksowanie:

- **Twarzy postaci:** portretowe kąty widzenia pod różnymi kątami;
- **Produktu komercyjnego:** opakowania, kształtu, logo, tekstur fizycznych;
- **Referencji lokalizacji:** wnętrza, architektury lub krajobrazu naturalnego;
- **Estetyki wizualnej:** ogólnej stylistyki kadru i palety barw;
- **Detali rekwizytów:** kluczowych obiektów otoczenia przedmiotowego.

Model przetwarza cały pul obrazów w jednym embeddingu, zapobiegając rozmazywaniu detali produktu lub zniekształcaniu twarzy bohatera.

### 30+ ruchów kamery zdjęciowej

Narzędzia Cinema Studio 4.0 zawierają ponad 30 dynamicznych presetów ruchu wirtualnej kamery, wśród których znajdują się:

- **POV (Point of View):** subiektywna kamera pierwszoosobowa z naturalnym kołysaniem;
- **Robot Arm:** nadzwyczaj płynne, precyzyjne przejazdy po złożonej trajektorii przemysłowego ramienia robota;
- **Pan Left / Pan Right:** poziome panoramowanie sceny z utrzymaniem horyzontu;
- **Helicopter Shot:** szerokie ujęcia ogólne z lotu ptaka;
- **Tracking:** śledzenie poruszającego się obiektu z zachowaniem dystansu;
- **Pedestal Down / Up:** pionowe przemieszczanie statywu bez przechylania osi optycznej.

### Bezpośrednie parametry sterowania sceną

Kontrolery interfejsu pozwalają na bezpośrednie zarządzanie fizyką kadru:

- **Tempo:** ustala wewnętrzny rytm ruchu i dynamikę montażową;
- **Era:** stylizuje obraz pod konkretny okres historyczny;
- **Emotion Wheel:** fiksuję mimikę i napięcie emocjonalne postaci;
- **Colour Palette:** definiuje profesjonalną gamę color gradingu;
- **Lighting:** formuje schemat ustawienia studyjnych źródeł światła.

Dodatkowo narzędzie pozwala załadować gotowy zewnętrzny klip wideo i bezszwowo kontynuować jego rozwój w przód lub odtworzyć wcześniejsze zdarzenia poprzez funkcje Forward / Backward Extend.

---

## 3. Podstawowa konfiguracja kinematograficzna: Genre, Era i Tempo

Przed uruchomieniem generowania warstwa wideo kalibrowana jest przez trzy fundamentalne parametry: gatunek inscenizacji, epokę historyczną oraz rytm montażu.

### Stylizacja gatunkowa (Genre)

Selektor Genre kompleksowo wpływa na charakter oświetlenia, gęstość kadrowania, kąt nachylenia kamery oraz prędkość wydarzeń:

- **General:** zrównoważony obraz ze standardowym kontrastem filmowym, bez wyraźnego akcentu gatunkowego;
- **Action:** aktywne dynamiczne śledzenie obiektu, ciasne kadrowanie, efekt obecności;
- **Epic:** panoramiczne ujęcia ogólne, głęboka perspektywa, maksymalna szczegółowość otoczenia;
- **Drama:** średnie i duże plany, akcent na twarzach, długi czas trwania ujęcia, miękki rysunek światłocieniowy;

- **Comedy:** otwarta frontalna kompozycja, wysoka ekspozycja, przestrzeń dla mise-en-scène i gestykulacji;
- **Horror:** wyraźne kąty holenderskie (Dutch angle), klaustrofobiczne kadrowanie, kontrastowe strefy głębokiej ciemności;
- **Noir:** ostre kierunkowe światło, głębokie cienie z ostrymi granicami, kompozycja sylwetkowa.

### Epoka historyczna (Era)

Selektor Era automatycznie konfiguruje typ ziarnistości taśmy filmowej, color grading oraz charakter zniekształceń optycznych zgodnie z wybranym dziesięcioleciem:

- **Auto:** neutralna adaptacja do stylu promptu;
- **1920s:** monochromatyczny kontrast, wyraźne migotanie wczesnego kina, miękki fokus;
- **1950s:** nasycony wczesny Technicolor, charakterystyczne ciepłe światło studyjne;
- **1970s:** przygaszona ciepła gama, charakterystyczne żółto-pomarańczowe odcienie, vintage blask;
- **1980s:** neonowe akcenty, lekki blur VHS, anamorficzne poziome flary;
- **1990s:** gęsta ziarnistość taśmy 35 mm, naturalna analogowa reprodukcja kolorów;
- **2000s:** wczesna cyfrowa ostrość z charakterystycznym chłodnym gradingiem;
- **Modern:** krystalicznie czysty współczesny obraz cyfrowy z szerokim zakresem tonalnym (HDR);
- **Future:** futurystyczny hiperrealizm, aberracje chromatyczne, neonowe refleksy.

### Tempo i rytm montażu (Tempo)

Parametr Tempo reguluje intensywność ruchu wewnątrz klatki:

- **Calm:** medytacyjny, płynny rozwój wydarzeń dla dramatycznych dialogów lub pejzaży;
- **Single Shot:** ciągły, stabilny ujęcie do prezentacji rozpakowania lub pokazu produktu;
- **Dynamic:** energiczny ruch, optymalny dla spotów reklamowych i promo;
- **Chaotic:** szybkie, ostre zmiany kątów i wysoka prędkość akcji dla scen pościgów i filmów akcji.

---

## 4. Emotion Wheel: precyzyjne strojenie emocji postaci

Emotion Wheel eliminuje konieczność dobierania dziesiątek synonimów w opisie tekstowym, aby zmusić bohatera do uśmiechnięcia się lub wystraszenia.

System pozwala przypisać dokładny wektor emocjonalny konkretnej postaci poprzez składnię tekstową:

```text
@character_name Fear
```

lub

```text
@character_name Joy
```

Wśród dostępnych bazowych stanów emocjonalnych:

- **Joy:** otwarta radość, naturalny uśmiech, rozluźniona mimika;
- **Sadness:** smutek, spuszczony wzrok, łzy, utrata tonusu emocjonalnego;
- **Anger:** agresja, zmarszczone brwi, zaciśnięte szczęki, napięta szyja;
- **Fear:** strach, szeroko otwarte oczy, cofnięty tułów;
- **Surprise:** nagłe zdziwienie, uniesione brwi, lekko otwarte usta;
- **Disgust:** obrzydzenie, zmarszczony nos, uniesiona górna warga;
- **Calm:** neutralny spokój emocjonalny, rozluźniony wzrok;
- **Anticipation:** napięte oczekiwanie, skupiona uwaga.

Kontroler pozwala również regulować intensywność okazywanego uczucia oraz definiować złożone emocje przejściowe.

---

## 5. Colour Palette i Lighting: kolor i światło jako osobne ustawienia

W Cinema Studio 4.0 paleta kolorów i oświetlenie studyjne nie kolidują już ze sobą w procesie dyfuzji.

### Paleta kolorów (Colour Palette)

Użytkownik ma do dyspozycji ponad 50 profesjonalnych presetów filmowych, w tym:

- **Teal & Orange:** klasyczny hollywoodzki kontrast blockbusterowy ciepłych tonów skóry i zimnych cieni;
- **Nostalgic Blue:** przygaszona kinematograficzna błękit z miękkimi światłami;
- **Vintage Warm:** przytulny spektrum lampowy z akcentem na bursztynowe odcienie;
- **Cyberpunk Neon:** kontrastowe neonowe połączenia purpury, turkusu i fioletu;
- **Bleach Bypass:** wypalone kolory z ostrym mikrokontrastem i srebrzystymi półtonami;
- **Black & White:** czysty wysokokontrastowy monochrom z bogatą gradacją szarości.

### Schematy oświetlenia studyjnego (Lighting)

Oświetlenie konfigurowane jest niezależnie od korekcji kolorów:

- **Soft Natural:** rozproszone miękkie światło dzienne z okna, bez twardych przejść cieniowych;
- **Rim Light:** światło kontrowe (krawędziowe), które wyraźnie oddziela sylwetkę bohatera od ciemnego tła;
- **Volumetric (God Rays):** objętościowe promienie świetlne przenikające przez dym, mgłę lub żaluzje;
- **Studio Softbox:** dopracowane oświetlenie komercyjne bez głębokich spadków w cieniach;
- **Harsh Sunlight:** południowe słońce z głębokimi, ostrymi cieniami i maksymalnym kontrastem;
- **Moody Shadows:** dramatyczny rysunek światłocieniowy (chiaroscuro) z dominacją półmroku.

---

## 6. Optyka i charakter kadru: Camera, Lens i Aperture

Fizyczny model optyki determinuje kompozycję, geometrię oraz poczucie głębi przestrzeni.

### Systemy zdjęciowe (Camera)

- **Cinema Camera:** klasyczny statyw operatorski lub szyny z idealną stabilizacją;
- **Handheld:** żywe zdjęcia z ręki z lekkim drżeniem operatora, nadającym dokumentalny realizm;
- **Drone View:** płynne zdjęcia z powietrza z szerokim kątem widzenia;
- **Action Cam:** ultraszeroki dynamiczny kąt z efektem zanurzenia w epicentrum wydarzeń.

### Zestawy obiektywów (Lens)

- **Vintage Anamorphic:** poziome ściśnięcie, owalne flary, miękkie krawędzie kadru;
- **35mm Film:** standardowy kąt reportażowy z naturalną reprodukcją perspektywy;
- **50mm Standard:** kąt widzenia najbardziej zbliżony do ludzkiego oka;
- **85mm Portrait:** idealna geometria twarzy bez zniekształceń perspektywicznych nosa i policzków;
- **Ultra-Wide 14mm:** głęboka dramatyczna perspektywa z lekkim rozciągnięciem krawędzi;
- **Macro Lens:** ekstremalnie wielki plan z maksymalną szczegółowością tekstur produktu.

### Przysłona i głębia ostrości (Aperture)

- **f/1.2 — Shallow:** ekstremalnie mała głębia ostrości, wyraźne kinematograficzne bokeh, tło rozmyte w kremową teksturę;
- **f/2.8 — Moderate:** zrównoważone rozdzielenie planów, ostry obiekt i miękkie otoczenie;
- **f/8 — Medium:** ostry pierwszy i drugi plan, optymalne dla scen grupowych i studyjnych;
- **f/16 — Deep Focus:** maksymalna ostrość w całym polu kadru, od pierwszego planu po horyzont.

---

## 7. Multi-References i Extend: rozszerzanie warstwy wideo

Pojedyncza generacja rzadko rozwiązuje złożone zadania produkcyjne. Dla skomplikowanych ujęć stosuje się rozszerzone narzędzia wprowadzania danych i timeline’u.

### Praktyczna praca z 50 referencjami

Przy wsadowym podawaniu do 50 obrazów zaleca się strukturę stosu referencji warstwami:

1. **Identity (3–5 zdjęć):** twarze modelu z różnych kątów przy neutralnym oświetleniu;
2. **Product (5–10 zdjęć):** produkt w zbliżeniu, z etykietą, w dłoniach, pod różnymi kątami;
3. **Environment (5–10 zdjęć):** referencje wnętrz, ścian, tekstur otoczenia;
4. **Style / Color (2–3 zdjęcia):** docelowy kadr-wzorzec dotyczący światła i korekcji kolorów.

Taki podział gwarantuje, że model AI pobierze wygląd od modelu, a tekstury i logotypy bezpośrednio ze zdjęć towaru, nie mieszając ich ze sobą.

### Narzędzia Forward Extend i Backward Extend

Jeśli ujęcie wyszło udane, ale wymaga rozwoju, nie ma potrzeby generowania alternatywy od zera:

- **Forward Extend:** analizuje ostatnią klatkę klipu, zachowuje wektor ruchu kamery i generuje bezszwowe przedłużenie w czasie;
- **Backward Extend:** analizuje kadr startowy i dobudowuje poprzednie 5–10 sekund, pokazując backstory sceny.

Nowy fragment formowany jest w tej samej fazie świetlnej i geometrycznej co wyjściowy plik wideo.

---

## 8. Krok po kroku: budowa sceny w Cinema Studio 4.0

Aby osiągnąć stabilną jakość kinematograficzną, zaleca się przestrzeganie ścisłego algorytmu konfiguracji parametrów.

### Krok 1. Wybór Genre
Określ dramaturgiczny szkielet sceny. Gatunek natychmiast skalibruje kompozycję i światło. Do dynamicznego pościgu wybieramy `Action`, do intymnego wyznania czy dialogu — `Drama`.

### Krok 2. Konfiguracja optyki zdjęciowej
Sekwencyjnie ustawiamy typ kamery, obiektyw, przysłonę i paletę.

Przykład gotowego setupu:
```text
Camera: 35mm Film
Lens: Vintage Anamorphic
Aperture: f/4 Moderate
Colour Palette: Nostalgic Blue
```
Na tym samym etapie ładujemy przygotowane referencje bohatera i produktu.

### Krok 3. Wybór tempa montażowego (Tempo)
- `Calm` — dla emocjonalnych pauz i portretów;
- `Single Shot` — dla demonstracji interakcji z produktem;
- `Dynamic` — dla spotów promo i teledysków;
- `Chaotic` — dla eksplozywnych kulminacji.

### Krok 4. Ustawienie stanu emocjonalnego bohatera
Poprzez Emotion Wheel przypisujemy emocję do markera postaci:
```text
@character_name Joy
```

### Krok 5. Formułowanie promptu tekstowego
Ponieważ cała inżynieria zdjęciowa (kamera, obiektyw, paleta, światło, tempo) została już skonfigurowana przez niezależne selektory, prompt tekstowy zostaje oczyszczony z technicznego szumu. Opisuje on wyłącznie fizyczną akcję:

```text
Młoda kobieta w lnianej koszuli pije łyk kawy przy panoramicznym oknie, patrząc na deszczową ulicę i uśmiechając się do wchodzącego przyjaciela.
```

### Krok 6. Finalny Color Grading
Po wygenerowaniu bazowego klipu wbudowany edytor pozwala przeprowadzić postprodukcję:

- **Temperature:** delikatna korekcja ciepła/chłodu kadru;
- **Contrast & Saturation:** balansowanie kontrastu i nasycenia;
- **Sharpness & Film Grain:** dodawanie tekstury filmowej lub cyfrowej ostrości;
- **Highlights & Exposure:** wyrównywanie przepaleń i głębokich cieni.

---

## 9. Soul 2.0: tworzenie i fiksacja stałej postaci

Głównym problemem generowania wideo przez AI jest zmiana wyglądu bohatera między ujęciami. Technologia Soul ID rozwiązuje ten problem poprzez stworzenie cyfrowego odlewu tożsamości.

Sieć neuronowa uczy się na dataset’cie i fiksuję:

- Architektura i antropometria twarzy;
- Proporcje policzków, kształt nosa i układ oczu;
- Odcień i mikrotekstura skóry;
- Typ, linia wzrostu i kolor włosów.

Po zapisaniu Soul ID postać można umieszczać w dowolnych lokalizacjach, zmieniać oświetlenie, wiek, kostium i kąty zdjęciowe bez utraty rozpoznawalności.

### Krok po kroku: tworzenie Soul ID

Przejdź ścieżką w interfejsie:
`Character → Soul ID Character → Create`

1. **Przygotowanie dataset’u:** załaduj od 20 (minimalny próg) do 70 wysokiej jakości zdjęć jednej osoby;
2. **Wymagania wobec referencji:**
   - Różnorodne kąty (front, profil, trzy czwarte, spojrzenie w górę/dół);
   - Stabilne, neutralne rozproszone oświetlenie;
   - Wysoka rozdzielczość bez artefaktów kompresji;
   - Brak silnych filtrów, masek i cudzych twarzy w kadrze;
3. **Trening modelu:** system tworzy unikalny token ID (np. `@alex_soul`), który jest zapisywany w bibliotece profilu.

### Składanie promptów dla wytrenowanej postaci

Po wytrenowaniu Soul ID odpada potrzeba szczegółowego opisywania koloru oczu czy kształtu brody. Cały wygląd wywoływany jest przez token systemowy:

```text
@alex_soul siedzi przy stoliku w paryskiej kawiarni na świeżym powietrzu, ubrany w granatową marynarkę, czyta poranną gazetę, delikatne światło słoneczne, mała głębia ostrości, 9:16
```

Soul odpowiada za identyczność anatomiczną, a prompt — za ubranie, mise-en-scène, otoczenie i ruch.

---

## 10. Higgsfield API: autonomiczna generacja bez interfejsu

REST API Higgsfield pozwala integrować generację foto i wideo bezpośrednio z własnymi systemami B2B, serwisami webowymi i automatycznymi skryptami, bez ręcznej pracy w interfejsie webowym. Katalog API łączy ponad 50 zaawansowanych modeli.

### Katalog modeli generowania wideo
- **Seedance 2.5:** synchroniczna generacja wideo, realistycznego głosu, lip-syncu i otoczenia dźwiękowego;
- **Kling 3.0:** topowa kinematograficzna fizyka ruchu i szczegółowość;
- **Wan 3.0:** generacja złożonych interakcji fizycznych;
- **MiniMax H3:** wysokiej jakości dynamika ciała ludzkiego;
- **LTX 2.5 Pro:** ultrasszybka generacja z wysoką gęstością pikseli;
- **PixVerse 6:** stabilny rendering ruchu obiektów;
- **Grok Imagine Video:** kreatywna stylizacja;
- **Higgsfield DoP:** wyspecjalizowany wirtualny operator kamery.

### Katalog generatorów obrazów
- **Soul 2 & Soul Cinema:** generacja fotorealistycznych portretów i kinematograficznych ujęć z fiksacją twarzy;
- **Marketing Studio Image:** zdjęcia produktowe i opakowań;
- **Recraft 4.1, Ideogram 4.0, Qwen Image 3:** generacja grafiki, typografii i fotorealizmu.

### Łączenie z API
1. Zarejestruj konto dewelopera na `console.higgsfield.ai`;
2. Doładuj saldo dolarowe kartą;
3. Wygeneruj tajny token API;
4. Wysyłaj zapytania HTTP przez Python SDK, TypeScript SDK lub cURL.

Format API jest standaryzowany: przełączanie między Kling, Seedance lub Wan odbywa się poprzez zmianę parametru `"model_id"`.

---

## 11. Praktyczny pipeline API: postać → kadr → wideo

Najoszczędniejszy i najwyższej jakości sposób tworzenia wideo to wieloetapowy konveyor, gdzie każdy etap wykonuje optymalny wyspecjalizowany model.

### Krok 1. Generacja bazowej postaci lub produktu
Generujemy statyczny kadr postaci przez Soul 2 ($0.0032 za generację) lub ujęcie produktowe przez Marketing Studio Image ($0.0059):

```bash
curl -X POST https://api.higgsfield.ai/v1/images/generations   -H "Authorization: Bearer $HIGGSFIELD_API_KEY"   -H "Content-Type: application/json"   -d '{
    "model": "soul-2",
    "prompt": "Professional businesswoman in modern office, neutral expression, high detail",
    "aspect_ratio": "9:16"
  }'
```

### Krok 2. Dopracowanie kadru do poziomu kinematograficznego
Otrzymany obraz przekazywany jest do `Soul Cinema` ($0.0032). Model buduje kinematograficzne oświetlenie, głębię ostrości i grading. Im lepszy i dokładniejszy jest początkowy statyczny kadr, tym mniej artefaktów powstanie podczas późniejszej animacji.

### Krok 3. Animacja kadru w modelu wideo
Przygotowany statyczny kadr wysyłany jest do Kling 3.0 lub Seedance w celu wygenerowania dynamiki:

```bash
curl -X POST https://api.higgsfield.ai/v1/videos/generations   -H "Authorization: Bearer $HIGGSFIELD_API_KEY"   -H "Content-Type: application/json"   -d '{
    "model": "kling-3.0",
    "image_url": "https://storage.higgsfield.ai/renders/step2_cinematic.jpg",
    "prompt": "Camera slowly tracks forward as the woman turns head and speaks, natural movement",
    "duration_seconds": 10
  }'
```

### Krok 4. Uzyskanie gotowego rezultatu
Generacja odbywa się asynchronicznie. API zwraca `request_id`, którego status można odpytywać przez polling lub otrzymywać przez webhook. Gotowe wideo przechowywane jest na serwerach Higgsfield przez minimum 7 dni, po czym należy je pobrać do własnego storage’u S3.

---

## 12. Cennik i koszt pracy z Higgsfield API

API działa w przejrzystym modelu pay-as-you-go z uprzednim doładowaniem salda. Opłata za wideo liczona jest sekunda po sekundzie, za obrazy — sztuka po sztuce.

| Model / Silnik | Typ taryfikacji | Koszt jednostki |
| :--- | :--- | :--- |
| **Soul 2** | Obraz | $0.0032 / generacja |
| **Soul Cinema** | Obraz | $0.0032 / generacja |
| **Marketing Studio Image** | Obraz | $0.0059 / generacja |
| **Qwen Image 3** | Obraz | $0.03 / generacja |
| **Recraft 4.1** | Obraz | $0.035 / generacja |
| **Grok Imagine 2.0** | Obraz | $0.06 / generacja |
| **Ideogram 4.0** | Obraz | $0.06 / generacja |
| **Higgsfield DoP** | Generacja wideo | $0.125 / generacja |
| **Seedance 2.5** | Wideo z audio | $0.0738 / sekunda |
| **Kling 3.0** | Wideo wysokiej jakości | $0.112 / sekunda |
| **PixVerse 6** | Wideo | $0.115 / sekunda |
| **MiniMax H3** | Wideo | $0.13 / sekunda |
| **LTX 2.5 Pro** | Wideo | $0.17 / sekunda |
| **Wan 3.0** | Wideo | $0.20 / sekunda |
| **Grok Imagine Video 1.5** | Wideo | $0.25 / sekunda |

> [!TIP]
> **Obliczenie kosztu pełnego cyklu produkcyjnego:**
> Generacja portretu w Soul 2 ($0.0032) + kinematograficzne dopracowanie w Soul Cinema ($0.0032) + 10 sekund wideo w Kling 3.0 ($1.12) kosztuje łącznie **$1.126** — czyli poniżej $1.30 za gotowe premium 10-sekundowe ujęcie!

**Kluczowe zasady billingowe:**
- Brak ukrytych opłat abonamentowych i miesięcznych subskrypcji;
- Saldo API jest niezależne od subskrypcji webowej na `higgsfield.ai` (kredyty nie są przenoszalne);
- Nieudane lub odrzucone generacje nie obciążają konta;
- Depozyt ważny jest przez 1 rok kalendarzowy od momentu wpłaty.

---

## 13. Macierz wyboru narzędzi pod konkretne zadania

W zależności od formatu projektu wybierz optymalną ścieżkę realizacji:

- **Cinema Studio 4.0:** idealne, gdy potrzebny jest autorski klip AI z maksymalną ręczną kontrolą reżyserii, kamery, optyki i emocji bohatera;
- **Soul 2.0 (Soul ID):** niezbędne dla fabularnych rolek i seriali, gdzie ta sama postać musi pojawiać się w różnych lokalizacjach bez deformacji twarzy;
- **Higgsfield API:** obowiązkowe dla integracji generacji wideo z aplikacjami mobilnymi i webowymi, tworzenia usług SaaS oraz automatycznego renderowania setek kreacji;
- **Konveyor multimodelowy (Soul 2 → Soul Cinema → Kling/Seedance):** daje najlepszy stosunek jakości do kosztów przy wsadowej produkcji komercyjnego contentu wideo.

---

## 14. Gotowy workflow UGC: produkcja reklamy ze zdjęcia produktu przez Claude i Higgsfield

Istnieje gotowy, otwarto-source’owy production pipeline, który pozwala przekształcić jedno statyczne zdjęcie towaru w pełnoprawny konwersyjny rol UGC siłami połączenia **Claude Code / Codex** oraz **Higgsfield**.

| Etap | Faza pipeline’u | Artefakt wyjściowy | Rola i optymalizacja |
| :---: | :--- | :--- | :--- |
| **1** | **Product Profile** | Izolowana referencja towaru | Fiksacja gabarytów, materiałów i ergonomii |
| **2** | **Marketing Brief** | Koncept i storyboard na 3 ujęcia | Zatwierdzenie kreacji przed startem renderu |
| **3** | **Base Character** | Portret bohatera bez produktu | Czysta referencja identity twarzy |
| **4** | **Storyboard** | Pojedynczy panoramiczny triptych 9:16 | Synchroniczna fiksacja aktora i geometrii towaru |
| **5** | **Script & Audio** | Tekst 15-sekundowy z fonetyką | Dyrektywa no subtitles dla czystego kadru |
| **6** | **Seedance Render** | Wideo + Głos + Lip-sync + Ambient | Rozdzielczość 720p (67 kredytów zamiast 134 za 1080p) |
| **7** | **Post-production** | Finalny reklamowy plik MP4 | Lokalny montaż: muzyka, zoom-akcenty, napisy |

> **End-to-end konveyor generacji reklam wideo UGC:**
>

> `(1) Product Profile` ➔ `(2) Marketing Brief` ➔ `(3) Base Character` ➔ `(4) Storyboard (Triptych)` ➔ `(5) Script & Audio` ➔ `(6) Seedance Render` ➔ `(7) Post-production`

Na wejście konveyor podawane jest zdjęcie produktu, opis grupy docelowej oraz podstawowy brief. Proces składa się z siedmiu sekwencyjnych etapów:

### 1. Product Profile
Claude przeprowadza szczegółową analizę towaru:
- Fiksuję gabaryty, kształt geometryczny i materiały;
- Opisuje cechy opakowania i czytelność etykiety;
- Określa realną ergonomię użytkowania (jak przedmiot trzymają palce, jak otwiera się wieczko);
- Tworzy izolowaną, czystą referencję produktu na przezroczystym tle.

### 2. Marketing Brief
Formowany jest konceptualny szkielet spotu reklamowego:
- Definicja głównego hooka (problem / trigger grupy docelowej);
- Struktura dramaturgiczna 15-sekundowego klipu;
- Rozbicie na trzy kluczowe ujęcia;
- Parametry techniczne renderingu.
Zatwierdzenie briefu na wczesnym etapie zapobiega przeróbkom na etapie drogiej generacji wideo.

### 3. Base Character
Generowany jest jeden wysokiej jakości fotorealistyczny portret modelu — strictly **bez produktu w rękach**. Ten portret staje się bazową referencją identity do fiksacji wyglądu aktora.

### 4. Storyboard
Tworzony jest pojedynczy panoramiczny triptych złożony z trzech pionowych kadrów w formacie 9:16:
1. **Selfie-hook:** zbliżenie bohatera wypowiadającego problem lub intrygującą tezę;
2. **Macro-shot:** ekstremalne zbliżenie interakcji z produktem (nakładanie kremu, naciskanie przycisku, łyk napoju);
3. **Call-to-Action:** średni plan zadowolonego bohatera z finalną rekomendacją.
Do modelu podawane są jednocześnie zdjęcie bohatera i referencja produktu, fiksując geometrię obu obiektów przed startem generacji wideo.

### 5. Script & Audio Design
Claude formuje 15-sekundowy tekst lektorski, podzielony na 3 bloki timingowe.
- **Adaptacja fonetyczna:** trudne nazwy marek zapisywane są transliteracją tak, jak mają zostać wymówione przez syntezator mowy, aby uniknąć zniekształceń akcentów;
- **Dyrektwa `no subtitles`:** do promptu generatora wideo obligatoryjnie dodawany jest flag wyłączający systemowe napisy, aby uniknąć generowania wizualnego szumu wewnątrz sieci neuronowej.

### 6. Generacja wideo w Seedance
Do Seedance przekazywane są jednocześnie trzy referencje: storyboard, portret postaci, zdjęcie produktu oraz gotowy scenariusz audio.
Model w jednym przebiegu tworzy:
- Realistyczne wideo z organicznymi mikroruchami;
- Naturalny głos lektora;
- Precyzyjny lip-sync (synchronizację ust z dźwiękiem);
- Tło przestrzenne (ambient).

Rendering zaleca się uruchamiać w rozdzielczości **720p**: generacja kosztuje zaledwie **67 kredytów**, podczas gdy 1080p jest dwukrotnie droższe bez zauważalnej przewagi dla mediów społecznościowych na urządzenia mobilne.

### 7. Finalna lokalna postprodukcja
Ostatni etap wykonywany jest na maszynie lokalnej przez automatyczny skrypt ffmpeg, bez zużywania kredytów wideo:
- Nakładanie licencjonowanego podkładu muzycznego;
- Generacja klatkowych dynamicznych napisów z kolorowym wyróżnieniem aktywnego słowa;
- Dodawanie płynnych zoom-akcentów i błysków na przejściach montażowych.

> [!IMPORTANT]
> **Filozofia efektywnej produkcji AI:**
> Nigdy nie wymagaj od sieci neuronowej gotowego spotu reklamowego na podstawie jednego abstrakcyjnego promptu. Rozdzielaj proces na tanie etapy przygotowawcze (profil towaru, zatwierdzenie scenariusza, generacja statycznego storyboardu) i uruchamiaj model wideo dopiero wtedy, gdy wszystkie elementy wejściowe są zweryfikowane i uzgodnione.