StarAI-2026/ComfyUI-MiniMax-H3-SkillBridge

Hochdynamische Kameraführung (H3 Bild-zu-Video Prompt)

Wandelt die automatisch vom Plugin geladenen Referenzbilder in einen vollständigen MiniMax H3 Bild-zu-Video Ref2VA Prompt um. Diese Fertigkeit generiert ausschließlich Video-Prompts, keine Charakterkarten, keine Text-zu-Bild-Aktions-Startframe-Prompts und keine Storyboard-Tabellen.

Eingabemodus

• Bildmodus (empfohlen): Das Plugin hat automatisch 1-6 Referenzbilder geladen. Verwende die Tag-Regeln aus h3-ref2va-contract.md, um jedes Bild zu definieren: <Subject N> definiert wiederverwendbare Inhalte (Person, Szene, Requisite, Stil), <Picture N> wird nur verwendet, wenn das Bild als Start-/Keyframe-Anker dient.
• Reiner Textmodus: Wenn keine Referenzbilder bereitgestellt werden, darf kein Fehler gemeldet oder die Anfrage abgelehnt werden. Erstelle stattdessen Subjektdefinitionen in subject_definitions basierend auf der Benutzerbeschreibung, z.B. <Subject 1> is a ... described by the user as .... Keine <Picture N> Startframe-Anker, summary verwendet [reference generation]; nur wenn der Benutzer explizit eine Aktionskompositionsbeschreibung liefert und diese als Startbild verwenden möchte, wird diese Beschreibung als Startbild-Anker deklariert und mit keyframe completion versehen.
• Beide Modi geben keine Charakterkarten oder Text-zu-Bild-Aktions-Startframe-Prompts aus. Bildgenerierungsaufgaben liegen außerhalb des Umfangs dieser Fertigkeit.

Referenzdateien

• references/h3-ref2va-contract.md: Der einzige maßgebliche Vertrag für die sechsteilige Ref2VA-Struktur, Tags, Reservierungsmarkierungen, Zeitlinie und Tonregeln.
• references/high-motion-h3.md: Definition der hohen Dynamik, Kamerabefehlssyntax, Bewegungsdichte und Kausalketten, Ablehnungsliste.
• references/generalized-speed-grammar.md: Bewegungsprototypenbibliothek, Kameramodulbibliothek, elastische Zeitzuweisung und Hochgeschwindigkeitsvokabular.

visual-case-design.md und sample-motion-blueprint.md werden nicht gelesen. Verwende nicht deren feste Zeitpunkte, Sprünge, 180-Grad-Umrundungen oder Landungsdrifts, es sei denn, der Benutzer fordert explizit eine Nachbildung der Hoverboard-Beispielstruktur.

Ausgabeformat

Ausgabe streng im Knotenformat mit zwei Abschnitten:

[Visuelle Analyse]
Fasse in 2-3 chinesischen Sätzen die Subjekte, Szene, Aktion und verfügbaren Stilanker aus den Referenzbildern oder der Textbeschreibung zusammen.

[Finaler Video-Prompt]
Englisch, sechsteilig, Feldnamen und Reihenfolge streng festgelegt:
subject_definitions:
...
summary:
...
retention_analysis:
...
detailed_description:
...
overall_soundscape:
...
non_diegetic_music:
...

detailed_description muss vollständig die für H3 notwendigen Komposition, Subjektidentität, Umgebung und Beleuchtung, Aktion und Zustandsänderungen, Kameraführung, synchrone physikalische Soundeffekte und die Position der Referenzinhalte abdecken. Erfinde keine Aktionen, um die Wortanzahl zu erreichen. Zeitliche Machbarkeit hat Priorität.

Harte Anforderungen an hohe Dynamik

Jeder Prompt muss gleichzeitig erfüllen:

1. Das Subjekt verschiebt sich entlang mindestens zweier Achsen: Vorwärts+Abwärts, Seitwärts+Aufwärts, Vorwärts+horizontale Rotation/Neigung usw.
2. Die scheinbare Größe des Subjekts oder die Kameradistanz ändert sich deutlich: füllt den Rahmen, entfernt sich, nähert sich der Kamera, rast vorbei, ändert schnell die Distanz.
3. Vordergrundstrukturen, Kabel, Geländer, Trümmer oder Partikel kreuzen das Bild und erzeugen schnelle Parallaxe.
4. Das Subjekt interagiert mit physikalischen Elementen: durch eine Tür gehen, ein Hindernis überwinden, Schienen streifen, ein Auto umfahren, eine Fläche treffen, Schub ablenken, ein Fahrzeug überholen, an etwas vorbeistreifen.
5. Beschleunigung/Verzögerung sichtbar: Körperkompression, Schubform, Nachlaufverzerrung, Funken, aufgewirbelter Staub, Regentropfenablösung, Stoßwelle, Nachhinken von Kleidung/Haaren.
6. Aktive Kamerabewegung: Heranzoomen, Wegziehen, Querverschiebung, Heben, Senken, Seitenwechsel, Distanzwechsel, Folgen einer Neigung. Nicht nur mittig statisch oder gleichmäßig parallel folgen.

Jeder Takt schreibt eine Kausalkette: Subjektkraft/Aktion → Körper-/Ausrüstungsreaktion → Umweltreaktion → Kameraantwort. Verwende Geschwindigkeitskontraste. Keine durchgehend gleichmäßige parallele Verfolgung.

Kamerabefehlssyntax

• Offizielle Klammerbefehle: [Truck left], [Truck right], [Pan left], [Pan right], [Push in], [Pull out], [Pedestal up], [Pedestal down], [Tilt up], [Tilt down], [Zoom in], [Zoom out], [Shake], [Tracking shot], [Static shot].
• Gleichzeitige Befehle werden in derselben Klammer durch Kommata getrennt, z.B. [Tracking shot,Push in]; maximal 3 Befehle pro Klammer; verschiedene Zeitpunkte verwenden verschiedene Befehlssätze.
• Im hochdynamischen Modus ist [Static shot] deaktiviert. Gegensätzliche Befehle wie gleichzeitiges Heranzoomen und Wegziehen sind verboten.
• Für Kurven, Umrundungen, Schwenkarme, Flips, nahe Vorbeiflüge ohne offizielle Befehle verwende natürliche englische Beschreibungen. Erfinde keine nicht existierenden Klammerbefehle.
• Plane mindestens 2-3 sequentielle Kamerabefehlssätze ein, die Verfolgung, Richtungswechsel und Abschluss abdecken.

Zeitliche Verteilung

Verteile die Takte nach der Videolänge, verwende keine festen Zeitstempel:

• Ca. 5 Sekunden: 3 Takte, 0.0-0.5 sofort in hohe Geschwindigkeit, mittlerer Abschnitt eine kombinierte Durchquerung oder Richtungsänderung, Ende eine entscheidende räumliche Schließung.
• 6-8 Sekunden: 3-4 Takte, erlaube eine zusätzliche Umkehrung, ein Hindernis oder eine Umgebungsenthüllung.
• Ca. 10 Sekunden: 4-5 Takte, beinhalten einen großen Geschwindigkeitskontrast und einen Umgebungsübergang.

Zeitlinie und Ton

• [Shot 1] beginnt ohne At zur Zeitabgrenzung. Nachfolgende Aufnahmen verwenden At MM:SS.mmm streng aufsteigend und nicht länger als die Gesamtdauer.
• Wenn <Picture 1> als Startanker verwendet wird, schreibe explizit the shot begins from <Picture 1>.
• Dialog/Liedtexte verwenden <d>[Sprache] ...</d> und behalten die Originalsprache bei. Sprecher werden stabil mit (S1), (S2) identifiziert.
• detailed_description enthält synchronen Dialog, Stimmen und kamerainterne Toneffekte; overall_soundscape enthält kontinuierliche Umgebungs- und physikalische Aktionsgeräusche; non_diegetic_music enthält nur vom Publikum hörbare Musik, mit Instrumentierung, Tempo, Rhythmus und Dynamik. Wenn fehlend, schreibe N/A. Die drei Teile dürfen sich nicht gegenseitig wiederholen.

Checkliste (jeden Punkt vor der Ausgabe überprüfen)

• Jedes der sechs Felder erscheint genau einmal und in strenger Reihenfolge.
• Alle Tags werden in subject_definitions definiert, bevor sie verwendet werden, und haben durchgängig dieselbe Bedeutung.
• summary Aufgabentyp entspricht dem Eingabemodus: Reiner Text ist [reference generation]; Bild mit Startanker ist [keyframe completion + reference generation].
• Jeder Tag in retention_analysis genau eine Zeile, mit festen Markierungen (fully_preserved, partially_preserved, attribute_transfer, weak_reference; Audio mit fully_copy, partially_copy, reference, weak_reference).
• detailed_description beginnt mit [Shot 1], [Shot 1] ohne At-Zeitstempel, nachfolgende Aufnahmen Zeitstempel aufsteigend und innerhalb der Dauer.
• Mindestens zwei sequentielle Sätze offizieller Kamerabefehle; kein [Static shot]; einzelne Klammer nicht mehr als 3 Befehle.
• Erfüllt die sechs harten Anforderungen an hohe Dynamik: zweiachsige Verschiebung, Maßstabsänderung, Vordergrundparallaxe, Hinderniskontakt, sichtbare Beschleunigung, aktive Kamera.
• Kausalkette vollständig: Aktion → Körper-/Ausrüstungsreaktion → Umweltreaktion → Kameraantwort.
• Mindestens 3 explizite Zeitpunkte, die Start, Durchquerung und Abschluss abdecken.
• overall_soundscape und non_diegetic_music wiederholen kein Dialog, beide wiederholen sich nicht gegenseitig.
• Das Ende ist vom Anfangszustand innerhalb der gegebenen Dauer erreichbar. Verwende keine statische Geste oder Blinzeln als Abschluss.
• Im Bildmodus werden nur die vom Plugin bereitgestellten Referenzbilder verwendet. Im reinen Textmodus werden Subjekte basierend auf der Benutzerbeschreibung erstellt; keine nicht beschriebenen Details erfinden.