Install any skill in seconds. Free to start, no credit card required.
Get Started Free →[책임 경계] 상품 이미지·영상 풀스택 파이프라인 오케스트레이터. 캐릭터 일관성(선택) → higgsfield-image(Soul) → higgsfield-video(DOP) → 채널 규격 변환(Pillow 자체 처리) 체인을 단일 자연어 입력으로 자동 호출. 한국 이커머스 셀러가 "상품 이미지·영상 만들어줘" 한 줄로 풀세트 산출. 다음과 같은 요청 시 반드시 이 스킬을 사용하세요: "상품 이미지 만들어줘", "상품 영상 풀세트", "이미지부터 영상까지 한 번에", "상세페이지 이미지·영상 묶음", "비건 세럼 이미지·영상 패키지", "캐릭터 + 이미지 + 영상 한 번에", "이커머스 비주얼 파이프라인", "Higgsfield 풀세트 호출". 4단계 체인: ① 캐릭터 등록 (선택, Higgsfield Soul Characters 브랜드 캐릭터 일관성) → ② higgsfield-image (상품 이미지 5-10장) → ③ higgsfield-video (시네마틱 영상 5-10초)
.claude/skills/modu-ai-commerce-product-image-pipeline/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-18 | ✗→✓ | ▲ Improved | 97% | 0% |
| case-04 | ✗→✓ | ▲ Improved | 0% | 0% |
| case-16 | ✗→✓ | ▲ Improved | 44% | 0% |
| case-19 | ✗→✓ | ▲ Improved | 141% | 0% |
| case-01 | ✗→✓ | ▲ Improved | 123% | 0% |
한국 이커머스 셀러가 "비건 세럼 이미지·영상 만들어줘" 같은 자연어 한 줄로 캐릭터 일관성부터 채널별 패키징까지 4단계 체인을 자동 호출하는 오케스트레이터 스킬입니다.
책임 한 줄: 상품 정보 + 카테고리 + 채널 입력 → 캐릭터 등록(선택) → media-higgsfield-image → media-higgsfield-video → 채널 규격 변환 4단계 체인 자동 실행 → 채널별 풀세트 산출물 반환.
vs commerce-detail-page-image: 페어 스킬은 13섹션 합성 PNG 1장 산출. 본 스킬은 상품 이미지 5-10장 + 영상 5-10초 + 채널별 변환 풀세트.
vs media-higgsfield-video 단독 호출: media-higgsfield-video는 영상 단건 생성. 본 스킬은 이미지부터 영상까지 풀스택 체인 오케스트레이션.
[Step 1] 캐릭터 등록 (선택, 권장 — Higgsfield Soul Characters)
└─ 브랜드 마스코트 또는 모델 캐릭터 등록·재사용
└─ 다음 단계에 character_id 전달 (일관성 확보)
↓
[Step 2] media-higgsfield-image (Soul 모델)
└─ 상품 이미지 5-10장 생성
└─ Hero(1) · Lifestyle(2) · Detail(2) · Use-case(2) · Result(1-2) 5축
↓
[Step 3] media-higgsfield-video (DOP 모델)
└─ 시네마틱 영상 5-10초 (이미지 → 영상 변환)
└─ orbit / pan_left / slow_zoom 모션 프리셋 적용
└─ character_id 전달 (Step 1 사용 시)
↓
[Step 4] 채널 규격 변환 (Pillow 자체 처리)
└─ 메타 (피드·릴스·스토리) / 네이버 GFA / 카카오 (친구톡·BizBoard)
└─ 각 채널 규격 자동 변환 (해상도·길이·자막)
└─ AI 생성 표기 자동 부착| 항목 | 필수 | 예시 | |------|------|------| | 상품 정보 | 필수 | "비건 세럼 50ml, 한국 농가 직거래, 30일 환불" | | 카테고리 | 필수 | 스킨케어·식품·패션·반려동물·가전 등 | | 캐릭터 사용 | 선택 | 사용 (character_id 필요) / 미사용 (제품 단독) | | 채널 (1-3개) | 필수 | 메타·네이버 GFA·카카오 친구톡·카카오 BizBoard·쿠팡 | | 톤·무드 | 권장 | 미니멀·따뜻함·프리미엄·활기참 등 | | 영상 길이 | 권장 | 5초 (Instagram Story) / 10초 (Reel) / 15초 (TVC) |
[Step 1] 캐릭터 등록 skip
[Step 2] media-higgsfield-image:
- Hero: 제품 단독 미니멀 샷 (1024×1024)
- Lifestyle 2: 실제 사용 장면 (모델 손·테이블)
- Detail 2: 매크로 클로즈업 (텍스처·라벨)
- Use-case 2: 사용 순간 (얼굴·바를 때)
- Result 1-2: 사용 후 결과 (Before/After 아닌 lifestyle)
[Step 3] media-higgsfield-video:
- Hero 이미지를 orbit 5초 시네마틱
- 또는 lifestyle 이미지를 slow_zoom 10초
[Step 4] 채널 규격 변환:
- 메타 피드 1:1 / 메타 릴스 9:16 / 카카오 BizBoard 16:9[Step 1] 캐릭터 등록 (Higgsfield Soul Characters):
- 브랜드 마스코트 등록 (또는 기존 character_id 사용)
- 다음 단계에 character_id 전달
[Step 2] media-higgsfield-image with character_id:
- 마스코트가 제품을 소개하는 이미지 (3D 캐릭터 + 제품)
- 일관된 외형·복장·배경 유지
[Step 3] media-higgsfield-video with character_id:
- 마스코트 + 제품 등장 영상 (5-10초)
[Step 4] 채널 변환[Step 1] 캐릭터 등록 (Higgsfield Soul Characters):
- 20대 후반 한국인 모델 캐릭터 등록
[Step 2] media-higgsfield-image with character_id:
- 모델이 제품 사용하는 이미지 5장
[Step 3] media-higgsfield-video with character_id:
- 모델 토킹 헤드 (Kling Avatars 등 아바타 프리셋 활용)
- 또는 모델 사용 장면 시네마틱
[Step 4] 채널 변환json{ "product": "비건 세럼 50ml", "category": "스킨케어", "character_used": true, "character_id": "characters/abc123", "pipeline_outputs": { "step_1_character": { "skip": false, "character_id": "characters/abc123", "type": "브랜드 마스코트 (Nova the Fox)" }, "step_2_images": { "model": "Higgsfield Soul", "count": 7, "images": [ {"type": "Hero", "url": "...", "aspect_ratio": "1:1"}, {"type": "Lifestyle-1", "url": "...", "aspect_ratio": "1:1"}, {"type": "Lifestyle-2", "url": "...", "aspect_ratio": "1:1"}, {"type": "Detail-1", "url": "...", "aspect_ratio": "1:1"}, {"type": "Detail-2", "url": "...", "aspect_ratio": "1:1"}, {"type": "Use-case", "url": "...", "aspect_ratio": "1:1"}, {"type": "Result", "url": "...", "aspect_ratio": "1:1"} ] }, "step_3_video": { "model": "Higgsfield DOP", "source_image": "Hero", "duration": 8, "motion_preset": "orbit", "url": "...", "character_id": "characters/abc123" }, "step_4_channels": { "meta_feed": {"format": "1:1 1080×1080", "url": "..."}, "meta_reel": {"format": "9:16 1080×1920", "url": "..."}, "kakao_bizboard": {"format": "16:9 1280×720", "url": "..."} }, "ai_disclosure": "AI 생성 표기 자동 부착 완료" }, "total_assets": "이미지 7장 + 영상 1편 + 채널 변환 3개" }
"/commerce-product-image-pipeline — 비건 세럼 50ml, 한국 농가 직거래, 스킨케어, 캐릭터 미사용, 메타 피드·릴스"
→ 4단계 자동 실행 → 이미지 7장 + 영상 1편 + 메타 피드·릴스 변환
"/commerce-product-image-pipeline — 반려견 간식, 마스코트 'Nova the Fox' 사용, 네이버 GFA 우선"
→ 캐릭터 등록 → 마스코트 + 제품 이미지·영상 → 네이버 GFA 변환
"/commerce-product-image-pipeline — 비건 세럼, 20대 한국 모델 사용, 토킹 헤드 포함, 메타 릴스"
→ 캐릭터 등록 → media-higgsfield-image + media-higgsfield-video (토킹 헤드 포함) → 릴스 변환| 시나리오 | 단계 | 추정 비용 | |---------|------|----------| | 이미지 7장만 | media-higgsfield-image (Soul) | ₩2,000-3,500 | | + 영상 1편 (8초) | media-higgsfield-video (DOP) | + ₩300-500 | | + 채널 3개 변환 | 채널 규격 변환 | + ₩0 (Pillow 자체 처리) | | + 캐릭터 등록 (최초 1회) | Soul Characters | + ₩0 (계정 플랜) | | 총 | 풀세트 | ₩2,300-4,000 / 상품 1건 |
> 비용은 Higgsfield 종량제 기준. 실제 가격은 공식 사이트 확인 (higgsfield.ai).
[Q1] 브랜드 마스코트 또는 모델 캐릭터를 이미 사용 중인가?
├─ 예 → 기존 character_id 입력 → Step 2 직진
└─ 아니오 → [Q2]
[Q2] 일관된 캐릭터·모델로 시리즈 콘텐츠 만들 계획인가?
├─ 예 → Higgsfield Soul Characters로 신규 캐릭터 등록 (10-15분)
└─ 아니오 → 제품 단독 이미지 모드 (Step 1 skip)체이닝 (본 스킬이 오케스트레이션):
moai-media:media-higgsfield-image 캐릭터 일관성 기능)moai-media:media-higgsfield-image — Step 2 (Soul)moai-media:media-higgsfield-video — Step 3 (DOP)연계 (사용자가 별도 호출):
commerce-detail-page-image — 13섹션 합성 PNG (페어, 다른 책임)commerce-detail-page-copy — 상세페이지 카피 (이미지·영상과 별도)commerce-product-naming — 상품명 (이미지 자막에 활용)commerce-detail-page-image 사용moai-media:media-higgsfield-image 직접 호출moai-media:media-higgsfield-video 직접 호출| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-18 | fail→pass | 20,894 | 17,811 | -15% | 1 | 1 | 0% | 3,222 | 6,341 | +97% | 0 | 0 | — |
case-04 | fail→pass | 25,891 | 7,036 | -73% | 1 | 1 | 0% | 4,146 | 4,161 | +0% | 0 | 0 | — |
case-15 | pass→pass | 15,271 | 13,603 | -11% | 1 | 1 | 0% | 2,674 | 5,586 | +109% | 0 | 0 | — |
case-16 | fail→pass | 22,997 | 12,982 | -44% | 1 | 1 | 0% | 3,774 | 5,420 | +44% | 0 | 0 | — |
case-19 | fail→pass | 13,686 | 13,281 | -3% | 1 | 1 | 0% | 2,351 | 5,663 | +141% | 0 | 0 | — |
case-20 | fail→fail | 16,233 | 12,081 | -26% | 1 | 1 | 0% | 2,896 | 5,379 | +86% | 0 | 0 | — |
case-21 | pass→pass | 9,995 | 13,661 | +37% | 1 | 1 | 0% | 1,794 | 5,639 | +214% | 0 | 0 | — |
case-17 | pass→pass | 17,592 | 13,226 | -25% | 1 | 1 | 0% | 2,851 | 5,608 | +97% | 0 | 0 | — |
case-01 | fail→pass | 17,718 | 18,386 | +4% | 1 | 1 | 0% | 2,870 | 6,406 | +123% | 0 | 0 | — |
case-02 | fail→pass | 23,871 | 21,539 | -10% | 1 | 1 | 0% | 3,793 | 6,963 | +84% | 0 | 0 | — |
case-03 | fail→pass | 20,877 | 18,441 | -12% | 1 | 1 | 0% | 3,404 | 6,433 | +89% | 0 | 0 | — |
case-05 | fail→fail | 19,682 | 22,814 | +16% | 1 | 1 | 0% | 3,079 | 6,273 | +104% | 0 | 0 | — |
case-06 | fail→pass | 6,331 | 7,371 | +16% | 1 | 1 | 0% | 1,095 | 4,263 | +289% | 0 | 0 | — |
case-07 | fail→pass | 15,294 | 14,993 | -2% | 1 | 1 | 0% | 2,961 | 5,966 | +101% | 0 | 0 | — |
case-08 | fail→pass | 17,643 | 9,982 | -43% | 1 | 1 | 0% | 3,218 | 5,071 | +58% | 0 | 0 | — |
case-09 | fail→pass | 21,225 | 12,825 | -40% | 1 | 1 | 0% | 3,607 | 5,630 | +56% | 0 | 0 | — |
case-10 | fail→pass | 17,199 | 17,633 | +3% | 1 | 1 | 0% | 3,031 | 6,755 | +123% | 0 | 0 | — |
case-11 | fail→pass | 13,481 | 12,913 | -4% | 1 | 1 | 0% | 2,672 | 5,736 | +115% | 0 | 0 | — |
case-12 | fail→pass | 17,076 | 8,014 | -53% | 1 | 1 | 0% | 3,032 | 4,638 | +53% | 0 | 0 | — |
case-13 | pass→pass | 16,839 | 13,426 | -20% | 1 | 1 | 0% | 2,948 | 5,796 | +97% | 0 | 0 | — |
case-14 | fail→pass | 14,204 | 15,339 | +8% | 1 | 1 | 0% | 2,595 | 5,853 | +126% | 0 | 0 | — |
case-22 | fail→pass | 18,866 | 17,580 | -7% | 1 | 1 | 0% | 3,401 | 6,634 | +95% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +73 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.