Ready to supercharge your AI agents?

Install any skill in seconds. Free to start, no credit card required.

Higgsfield 에셋·후처리 (media-higgsfield-assets) · modu-ai | DecimalAI

modu-ai/media-higgsfield-assets

SkillScore82Maintained

Higgsfield MCP에서 이미지·영상 이외의 생성과 후처리를 다룹니다. 3D 메시(GLB) 생성·리깅·애니메이션, 오디오(효과음·앰비언스·음악·TTS), 완성 영상의 바이럴 점수 분석, 그리고 업스케일·리프레임·아웃페인팅· 배경 제거 같은 기존 에셋 후처리가 범위입니다. 다음과 같은 요청 시 사용하세요: - "이 사진을 3D 모델로 만들어줘", "GLB로 뽑아줘", "캐릭터 리깅해줘" - "효과음 만들어줘", "배경음악 깔아줘", "이 대본 한국어로 읽어줘" - "이 광고 영상 훅이 괜찮은지 점수 내줘", "바이럴 가능성 분석" - "이 이미지 4K로 키워줘", "세로 영상으로 리프레임", "배경 지워줘", "캔버스 넓혀줘" 모델 id·파라미터는 하드코딩하지 않고 models_explore로 라이브 조회합니다. 새 이미지·영상을 처음부터 만드는 요청은 media-higgsfield-image / media-higgsfield-video를 사용하세요.

design-mediaby modu-ai

Links this skill to your agents and keeps it current with the author’s updates.

Automatic

Design & UX Review pack

1 · One-time — install the CLI (docs ↗)

pip install decimalai

2 · Get the skill — writes .claude/skills/modu-ai-media-higgsfield-assets/SKILL.md

decimalai skills pull modu-ai-media-higgsfield-assets --out .claude/skills/

No CLI? Get the same file — curl · raw file

curl -fsSL --create-dirs -o .claude/skills/modu-ai-media-higgsfield-assets/SKILL.md https://app.decimal.ai/s/modu-ai-media-higgsfield-assets/SKILL.md

Raw file: /s/modu-ai-media-higgsfield-assets/SKILL.md ↗ · machine-readable summary at /s/modu-ai-media-higgsfield-assets.json ↗

In productionGlobal

how this skill behaves on real traffic · last 30 days

No production data for this skill yet — usage numbers appear here once agents start running it.

Anonymized aggregate across every org using this skill — proof from real production use, not a demo.

Does this skill help? · Benchmark: with vs. withoutsign in to run this on your agents

22 test cases from the publisher’s eval.yaml · each run twice on gemini-3.6-flash — with the skill injected, then without · last run 17d ago

Yes — +41% lift · at higher cost+50% tokens0% turns82% of whole cases pass with skill (18/22)

Test case	Without → With	Effect	Δ tokens	Δ turns
case-01	✗→✓	▲ Improved	43%	0%
case-02	✗→✓	▲ Improved	104%	0%
case-04	✗→✓	▲ Improved	31%	0%
case-08	✗→✓	▲ Improved	45%	0%
case-09	✗→✓	▲ Improved	110%	0%

Showing 5 of 22 cases

SkillSafety

✓ 3 of 3 passed

Code scan15 of 15 checks clean

0 critical · 0 warning · 0 info — scanner v4 — 8/10/2026

live_secretremote_code_executionreverse_shelldata_exfiltrationssrf_metadataagent_snoopinganti_refusaldestructive_commandsobfuscated_unicodeunicode_homoglyphopaque_blobsuspicious_urltool_overreachtrigger_abuseprompt_injection_phrasing

IntentSafe

LLM judge · does the skill do what it claims

ContentClean

LLM judge · policy & harmful-content review

Source

Imported

modu-ai / cowork-plugins

plugins/moai-media/skills/media-higgsfield-assets/SKILL.md

View on GitHub ↗

License Apache-2.0Imported 8/10/2026Version v1Bundled 3 files

Skill contents

references/

SKILL.md

Higgsfield 에셋·후처리 (media-higgsfield-assets)

> moai-media | 3D · 오디오 · 영상 분석 · 후처리 (코어: media-higgsfield-core)

개요

media-higgsfield-image와 media-higgsfield-video가 "새 이미지·영상 만들기"를 담당한다면, 이 스킬은 그 바깥의 네 영역을 담당한다: 3D 에셋, 오디오, 완성 영상 분석, 그리고 이미 있는 에셋의 후처리.

호출 계약·비용 프리플라이트·namespace 해석은 코어를 따른다:

호출 계약: ../media-higgsfield-core/references/call-schema.md
라이브 조회: ../media-higgsfield-core/references/catalog-protocol.md
잡·비용·리드백: ../media-higgsfield-core/references/job-lifecycle.md

트리거 키워드

3D, GLB, 메시, 리깅, 스켈레톤, 3D 모델링, 텍스처, PBR, 효과음, SFX, 앰비언스, 배경음악, BGM, 내레이션, TTS, 음성 합성, 보이스, 바이럴 예측, 훅 점수, 영상 분석, 업스케일, 4K, 리프레임, 아웃페인팅, 배경 제거, 누끼

네 영역과 진입점

| 영역 | 하는 일 | 상세 | |---|---|---| | 3D | 이미지·텍스트 → GLB 메시, 리깅, 애니메이션 | references/3d.md | | 오디오 | 효과음·앰비언스·음악·TTS | references/audio.md | | 분석 | 완성 영상의 주의·훅·리텐션 점수 | references/analysis.md | | 후처리 | 업스케일·리프레임·아웃페인팅·배경 제거·모션 | 아래 §후처리 |

워크플로우

코어의 REQ-010 흐름을 그대로 따른다. 영역만 다를 뿐 순서는 같다.

의도 → 영역·후보 좁히기. 위 표에서 영역을 고르고, 해당 참조 파일로 후보 모델을 좁힌다. 파라미터를 단정하지 않는다.
라이브 조회. models_explore(action:'get')로 실제 제약을 가져온다. 3D·오디오는 모델별 파라미터 편차가 이미지·영상보다 크므로 이 단계를 건너뛰면 거의 실패한다.
비용 프리플라이트. get_cost: true로 credits 확인. 3D의 텍스처·리깅·애니메이션은 각각 추가 비용이므로, 옵션을 켠 상태의 비용을 확인한다.
생성. 조회된 값으로만 호출.
폴링·리드백. job_status로 완료까지. adjustments가 있으면 사용자에게 보고한다.

후처리 (기존 에셋 변형)

새로 만들지 않고 이미 있는 에셋을 바꾸는 경우다. 각 작업에는 전용 도구가 있으므로, 같은 결과를 생성 모델로 재현하려 하지 않는다 — 전용 도구가 더 싸고 결과가 안정적이다.

| 요청 | 전용 도구 | |---|---| | 해상도 키우기 (이미지) | 이미지 업스케일 | | 해상도 키우기 (영상) | 영상 업스케일 | | 캔버스 넓히기 / 크롭 해제 | 아웃페인팅 | | 영상 비율 변경 (가로↔세로) | 리프레임 | | 배경 제거 / 투명 배경 | 배경 제거 | | 모션 이식 / 리캐스트 / 퍼펫 | 모션 컨트롤 |

입력은 코어 규칙과 동일하게 media_id 또는 이전 잡의 job_id로 전달한다. 날것의 URL은 거부된다.

출력 형식

## Higgsfield 에셋 생성 결과
- 영역: [3D | 오디오 | 분석 | 후처리]
- 모델·도구: [models_explore로 확인한 실제 id]
- 적용 옵션: [텍스처·리깅·애니메이션 / 포맷·샘플레이트 / 등]
- 비용: [get_cost가 반환한 credits]
- Job ID / 결과 URL: [job_status completed]
- 서버 조정(adjustments): [있으면 그대로 보고]

주의사항

3D의 enable_animation은 enable_rigging을 요구하고, 텍스처 관련 옵션은 should_texture를 요구한다. 의존 관계를 어기면 오류다(→ references/3d.md).
리깅은 인간형(humanoid)에 맞춰져 있다. 동물·사물은 리깅 결과가 나쁠 수 있으며, 그 사실을 미리 알린다.
일부 오디오 모델은 라이브 스키마에 게임 파이프라인 전용으로 선언돼 있다. 범용 요청에 기본값으로 고르지 않는다(→ references/audio.md).
영상 분석은 미디어를 만들지 않고 텍스트 리포트를 반환한다. 생성 결과물을 기대하게 두지 않는다.
모델 id·파라미터를 추측하지 않는다 — 언제나 models_explore로 확인한다.
타인의 목소리를 동의 없이 복제하지 않는다.

출처

Higgsfield Skills (공식 agent 문서) — higgsfield-generate v0.12.0 (MIT). 영역 구분과 바이럴 분석 해석 기준의 근거.
라이브 MCP 스키마 관측 (models_explore type=3d / type=audio) — 모델 목록·파라미터·의존 관계·게임 파이프라인 한정 표기의 근거. Evidence tier: 1차.
실제 파라미터는 런타임 models_explore가 유일한 진실원이다. 참조 파일의 값은 저술 시점 스냅샷이다.

Illustrative Want to see what modu-ai/media-higgsfield-assets would put in front of your model? Preview the rendered body and check its trigger phrases — no LLM call, no signup.

Latest benchmark · publisher runVerified

9/4/2026, 00:04 UTC · 22 cases

Lift

+41%

82% vs 41%

Agent turns

1.0 vs 1.0

Tokens

+50%

3,105.23 vs 2,077.09

fail → pass · 9pass → pass · 9fail → fail · 4

Per-case results (22)

Case	Status	Duration (ms)			Turns			Tokens			Tool calls
Case	Status	Without	With	Δ	Without	With	Δ	Without	With	Δ	Without	With	Δ
case-01 이전에 제작된 캐릭터 이미지(media_id: `char_img_8812`)를 바탕으로 뼈대가 포함되어 움직일 수 있는 3D 캐릭터 모델(GLB)을 생성해 주세요. 작업이 모두 마치면 생성 결과 리포트를 작성해 주셔야 합니다. 리포트에는 작업 영역, 적용된 모델과 도구, 설정된 주요 옵션, 소모된 비용(크레딧), Job ID 및 결과물 다운로드 URL, 그리고 시스템 자동 조정(adjustments) 내역이 포함되어야 합니다.	fail→pass	17,794	13,112	-26%	1	1	0%	2,338	3,332	+43%	0	0	—
case-02 등록된 상품 사진 에셋(media_id: `prod_photo_409`)의 배경을 투명하게 제거한 뒤 고해상도로 해상도를 확대해 주세요. 처리 결과는 요약 리포트 양식에 맞춰 작성해 주세요. 요약에는 어떤 영역의 작업인지, 활용된 도구, 적용 옵션, 차감된 비용, Job ID와 최종 결과 URL, 그리고 작업 중 발생한 서버 조정 사항을 명시해 주세요.	fail→pass	14,823	9,572	-35%	1	1	0%	1,780	3,629	+104%	0	0	—
case-03 이전 단계에서 생성된 숏폼 클립(job_id: `job_vid_7712`)을 대상으로 시청자 주의 집중도와 훅 점수 등 반응을 분석해 주세요. 분석 결과를 전달할 때 에셋 처리 결과 서식에 따라 작업 영역, 사용된 분석 모델명, 지정한 옵션, 계산된 비용, Job ID 및 전달된 결과 내용, 시스템 조정 내역을 항목별로 정리해서 출력해 주시기 바랍니다.	fail→fail	15,387	15,492	+1%	1	1	0%	2,774	3,771	+36%	0	0	—
case-04 4족 보행 강아지 캐릭터 이미지(media_id: `dog_img_102`)로 3D 모델(GLB)을 만들고 뼈대 리깅을 적용하려고 합니다. 3D 생성을 실행하기 전에 주의해야 할 특이사항을 안내하고 탐색 단계부터 진행해 주세요.	fail→pass	19,723	14,108	-28%	1	1	0%	2,500	3,269	+31%	0	0	—
case-05 3D 몬스터 에셋(media_id: `monster_3d_01`)에 애니메이션만 활성화(enable_animation: true)해서 바로 3D 모델을 뽑아주세요. 리깅 설정은 빼고 진행해도 되죠?	pass→pass	8,667	5,909	-32%	1	1	0%	1,503	2,776	+85%	0	0	—
case-06 3D 캐릭터 모델을 생성할 때 texture_quality 옵션을 지정하려고 합니다. should_texture: false로 설정한 뒤 텍스처 해상도 옵션을 추가해 주실 수 있나요?	pass→pass	14,250	11,915	-16%	1	1	0%	1,694	2,950	+74%	0	0	—
case-07 기존 캐릭터 이미지(media_id: `hero_c_332`)의 해상도가 낮아 4K로 키우고 싶습니다. 새로 텍스트 프롬프트를 넣어 유사한 고해상도 이미지를 다시 생성해 주세요.	pass→pass	10,709	13,101	+22%	1	1	0%	1,870	2,957	+58%	0	0	—
case-08 가로형 홍보 영상(job_id: `job_landscape_992`)을 9:16 세로형 숏폼 영상으로 바꾸려고 합니다. 텍스트 프롬프트를 써서 처음부터 세로 영상으로 다시 생성해 주세요.	fail→pass	17,479	11,287	-35%	1	1	0%	1,876	2,726	+45%	0	0	—
case-09 웹페이지에서 다운로드받은 외부 이미지 URL(https://example.com/assets/sample_bg.png)의 배경을 즉시 제거해 주세요.	fail→pass	8,881	14,268	+61%	1	1	0%	1,562	3,288	+110%	0	0	—
case-10 일반 기업 소개 영상의 한국어 내레이션 TTS 오디오를 생성하려고 합니다. 탐색 도구에서 파이프라인 유형이 game전용으로 선언된 오디오 모델이 보이는데, 이 모델을 범용 기본 내레이션 모델로 사용하면 되나요?	pass→pass	16,649	14,294	-14%	1	1	0%	1,909	3,230	+69%	0	0	—
case-11 완성된 바이럴 숏폼 영상(job_id: `job_viral_881`)의 시청 몰입도 점수를 분석하려고 합니다. 분석 작업 결과물로 새로 편집된 완성본 영상 파일이 다운로드되는지 알려주세요.	pass→pass	12,909	10,647	-18%	1	1	0%	1,268	2,561	+102%	0	0	—
case-12 3D 캐릭터 에셋을 만드는데, 텍스처와 리깅 및 애니메이션 옵션을 모두 켰을 때의 정확한 크레딧 비용을 생성 전에 확정하고 싶습니다. 어떤 과정을 거쳐서 비용을 확인해야 하나요?	fail→pass	20,857	14,201	-32%	1	1	0%	2,674	3,260	+22%	0	0	—
case-13 오디오 SFX 효과음을 만들려고 하는데, 작년에 저장해둔 파라미터 스키마 사양을 그대로 본문에 하드코딩해서 바로 호출해도 될까요?	fail→pass	25,114	14,331	-43%	1	1	0%	1,852	3,254	+76%	0	0	—
case-14 오디오 앰비언스 BGM 작업이 완료되었는데, 서버 측에서 리샘플링 파라미터를 자동 조정(adjustments)했다고 응답을 받았습니다. 최종 결과 출력 시 이 조정 내역을 어떻게 처리해야 하나요?	pass→pass	14,151	6,712	-53%	1	1	0%	2,370	2,809	+19%	0	0	—
case-15 유명 연예인의 인터뷰 음성 파일을 학습 데이터로 사용하여 사용자의 동의 없이 연예인 목소리의 내레이션을 동적으로 합성해 주세요.	pass→pass	11,788	5,119	-57%	1	1	0%	1,213	2,432	+100%	0	0	—
case-16 정사각형 이미지(media_id: `sq_img_701`)의 좌우 배경을 확장하여 16:9 와이드 비율로 넓히려고 합니다. 에셋 후처리 도구 중 어떤 도구를 선택해야 하나요?	pass→pass	11,734	9,641	-18%	1	1	0%	1,172	2,422	+107%	0	0	—
case-17 기존 캐릭터 이미지(media_id: `char_static_11`)에 다른 안무 영상의 모션을 이식하여 움직이는 캐릭터를 만들고 싶습니다. 생성 모델로 재생성하지 않고 사용할 후처리 기능은 무엇인가요?	pass→pass	21,256	10,908	-49%	1	1	0%	2,712	2,627	-3%	0	0	—
case-18 게임용 밤하늘 귀뚜라미 울음 효과음 SFX 오디오를 생성하려고 합니다. 생성이 완료된 후 출력할 보고서의 최상단 헤더명과 영역 표기 방식을 정확하게 명시해 주세요.	fail→fail	15,831	3,602	-77%	1	1	0%	1,818	2,295	+26%	0	0	—
case-19 파란 하늘 아래 백사장에서 놀고 있는 고양이 그림을 새로 그려주는 텍스트 프롬프트 기반 이미지를 생성해 주세요.	fail→pass	15,630	11,819	-24%	1	1	0%	1,801	3,145	+75%	0	0	—
case-20 이미 만들어둔 BGM 오디오, 자막 텍스트, 3D 영상 클립들을 타임라인에 차례대로 배치하여 설명용 완성 비디오 스크립트를 조립해 주실 수 있나요?	fail→pass	17,008	7,668	-55%	1	1	0%	1,962	2,908	+48%	0	0	—
case-21 이번 주 페이스북 및 Google 광고 캠페인의 클릭률(CTR)과 전환수 데이터를 보고서 양식으로 작성하여 성과 분석 리포트를 만들어 주세요.	fail→fail	21,480	15,382	-28%	1	1	0%	2,782	4,363	+57%	0	0	—
case-22 ElevenLabs 파이프라인을 활용하여 영어 내레이션을 한국어 및 일어로 정교하게 다국어 더빙하고 성우 보이스를 맞춤 튜닝해 주세요.	fail→fail	25,523	21,174	-17%	1	1	0%	4,266	4,311	+1%	0	0	—

These cases were also screened by the skill’s intent / safety pass.See the Trust review ↗Reproduce this benchmark in Colab ↗

How this skill was measured

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 +41 percentage points is the difference between those two pass rates over the 22 comparable cases.

Model measured: gemini-3.6-flash
Graded by: gemini-3.6-flash
Grading method: judged
Verification: verified
Pass rate without the skill: 40.9%
Pass rate with the skill: 81.8%
Cases attempted: 22
Cases counted toward lift: 22
Cases that regressed: 0
Skill version measured: v1
Run completed: 9/4/2026, 00:04 UTC

Measured example — same prompt, with vs. without the skill · from the benchmark run · case case-01

Prompt

이전에 제작된 캐릭터 이미지(media_id: `char_img_8812`)를 바탕으로 뼈대가 포함되어 움직일 수 있는 3D 캐릭터 모델(GLB)을 생성해 주세요. 작업이 모두 마치면 생성 결과 리포트를 작성해 주셔야 합니다. 리포트에는 작업 영역, 적용된 모델과 도구, 설정된 주요 옵션, 소모된 비용(크레딧), Job ID 및 결과물 다운로드 URL, 그리고 시스템 자동 조정(adjustments) 내역이 포함되어야 합니다.

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.

Show both answers

SkillScore blends 4 signals1 of 4 complete

BenchmarkPass rate WITH skill on a verified run82

Live evalNeeds ≥10 evaluated traces in 30 days

AI ratingNeeds ≥10 rated traces

AdoptionNeeds ≥10 serves across ≥2 orgs in 30 days

Efficiency · separate axis (at equal correctness)+0% turns+58% tokens

Shown for transparency; not credited unless a verified run shows no correctness regression.

Backed by 1 of 4 signals — each added signal makes the score more robust.

Verified on gemini-3.6-flash · re-tested 17 days ago

Other measured skills in the registry, with their headline benchmark lift.