H3 Prompt Director

H3 Prompt Director · Geschichte → MiniMax H3 Video-Prompts

Verwandele einen narrativen Text in eine Markdown-Auslieferungsdatei: Übersichtstabelle + Asset-Tabelle + segmentierte Blöcke. Die Prompts in jedem Segmentblock können direkt in den ComfyUI-Ref2VA (R2V)-Workflow kopiert werden, zusammen mit MiniMaxH3AddGuide für die segmentübergreifende Fortsetzung.

Standardmäßig vollautomatisch: Von der Geschichte bis zur Auslieferung ohne Zwischenstopps für kreative Bestätigungen. Die Qualität wird durch die Checkliste in Phase ⑥ abgesichert. Die einzige Rundenbegrenzung ist der Abbruch-Prüfpunkt in §6.11 von 00-workflow.md (nach Abschluss von Phase ④ endet die aktuelle Runde; nach der Antwort „Weiter“ des Benutzers wird mit Phase ⑤⑥ fortgefahren). Es ist kein Warten auf Genehmigung, sondern nur ein Fortschrittsbericht.

Abgrenzung: Wenn nur die Syntax eines vorhandenen Prompts geändert, Felder ergänzt oder Syntaxdetails abgefragt werden, genügt ein Blick in references/official/ und 01-grammar.md – der vollständige sechsstufige Prozess ist nicht erforderlich. Nur wenn von einem narrativen Text zu Storyboard, Segmentierung, Assets und segmentierten Prompts übergegangen wird, wird der vollständige Workflow durchlaufen.

Erstnutzung: Die drei offiziellen Dokumente werden nicht mit dem Repository verteilt. Führen Sie zuerst bash scripts/fetch-official.sh (Windows: scripts/fetch-official.ps1) aus, um sie nach references/official/ herunterzuladen. Ohne Abruf kann das Skill dennoch ausgeführt werden, aber die Syntaxdetails entbehren der höchsten Priorität.

Startreihenfolge

Der maßgebliche Workflow ist references/00-workflow.md (sechs Phasen, Verpackungsregeln, Auslieferungsstruktur, vollständige QA-Checkliste). Lesen Sie ihn zu Beginn vollständig, lesen Sie dann die entsprechenden Abschnitte gemäß der folgenden Verknüpfungstabelle. Lesen Sie nicht alle 03–10 vorab – jeder Abschnitt wird nur einmal vor seiner wirksamen Phase gelesen und dann verwendet.

Phase	Aktivität	In dieser Phase zu lesen
① Story-Analyse	Figurentabelle (jeweils ein äußerer Ankerpunkt), Szenentabelle, Handlungsbeats, Originaldialoge, emotionale Kurve; Anpassungsumfang festlegen	00; 08-dialogue.md (drei Dialogoptionen)
② Storyboard und Zeitbudget	Shot-Liste: Einstellungsgröße/Kameraführung/Bild/Ton/Zeitbudget; Aktionsketten, Objektursprünge, Zustandskontinuität, Requisiten-Whitelist ergänzen	03-camera.md, 04-emotion.md, 05-rhythm.md, 06-sound.md, 07-style.md, 09-transition.md
③ Segmentierung und Verpackung	Shots sequentiell in Segmente packen; an 24FPS-Raster ausrichten; drei Atomizitäten; segmentweise Verknüpfungsliste; Modus-B-Segmentierung	05-rhythm.md (§3 Ein-Durchlauf-Algorithmus), 08-dialogue.md, 09-transition.md
④ Konsistente Assets	Asset-Tabelle: Figurenbilder/Szenenbilder/Requisitenbilder/Stimmklang-Audiodateien; jedes Bild ein Prompt oder Benutzer-Markierung	02-assets.md
⑤ Prompt-Erstellung	Ref2VA sechs Abschnitte segmentweise verfassen; Eröffnungskontinuität; Deklarationssätze; Aktionsformulierungen	01-grammar.md (Pflichtlektüre), 05-rhythm.md §4, 08-dialogue.md
⑥ Qualitätssicherung und Auslieferung	Checkliste nach 00 §5 Punkt für Punkt durchgehen; nur Abweichungen und segmentübergreifende Schlussfolgerungen notieren; nach 00 §4 ausliefern	00 §4–§6

Nach Phase ④ zunächst alle Pläne ablegen, die aktuelle Runde mit einer einzeiligen Zusammenfassung beenden (Anzahl Segmente/Gesamtdauer/Anzahl Assets/Dateipfad); nach der Antwort „Weiter“ des Benutzers Phase ⑤⑥ segmentweise inkrementell abschließen. Dies ist eine harte Einschränkung, um Task-Abbrüche durch Schnittstellenlimits zu vermeiden; der Prüfpunkt fragt nicht nach kreativen Entscheidungen und steht nicht im Widerspruch zu „vollautomatisch“.

Unverletzbare Invarianten

Diese Regeln sind auch dann einzuhalten, wenn ein bestimmtes Modul nicht gelesen wurde; bei Konflikten mit den drei offiziellen Dokumenten hat der offizielle Wortlaut Vorrang.

1. Dual-Channel-Tags: <Picture N> / <Video N> / <Audio N> nummerieren nur die R2V-Referenzeingabeslots, die Nummer = tatsächliche Verbindungsreihenfolge, Bedeutung segmentübergreifend gleich. Die Bilder/Clips des AddGuide-Führungskanals durchlaufen VAE und Conditioning, belegen keine Nummer, werden nicht im Prompt geschrieben; die Führungskontinuität wird nur in natürlicher Sprache in der Eröffnungsbeschreibung und durch Pixelanker gegenseitig bestätigt.
2. Segmentierungsmodus B (Standard): Die letzten 22 Frames des vorherigen Segment-Ergebnisses → image-Eingabe des AddGuide dieses Segments, frame_idx=0; das entsprechende Audio der letzten 22 Frames → audio-Eingabe (Standard: Audio-Anker aktiviert). Die Eröffnung dieses Segments schreibt „Fortsetzung der Bewegung und des Tons vom Ende des vorherigen Segments“. Bei der Auslieferung die ersten 22 Frames abschneiden (automatischer Präfix-Schnitt auf Ausführungsseite entfällt).
3. Letzte Frames nutzbar: Die letzten 22 Frames jedes Segments (0,92 s, etwa letzte 1 s) müssen innerhalb desselben Shots liegen, Bild klar lesbar; kein Stillstand erforderlich, natürliche Aktionsenden oder langsame Bewegungen sind erlaubt; nur schnelle Kamerafahrten und Schnitte innerhalb der letzten 22 Frames sind verboten.
4. Zeitraster: Gesamtsegmentdauer auf das 17k+5-Frame-Raster bei 24FPS ausrichten (3,75–14,38 s, siehe 01-grammar.md §6). Alle [Shot N] At MM:SS.mmm-Zeitstempel streng steigend, innerhalb der Segmentdauer und konsistent mit der Übersichtstabelle; Schnittpunkte innerhalb des Segments müssen keine Rasterwerte sein.
5. Drei Atomizitäten beim Verpacken: Shots segmentübergreifend; zusammenhängender Dialog (ein Satz oder eine Gesprächsrunde) nicht segmentübergreifend; jedes Segment ≤9 Bilder / 3 Videos / 3 Audio (Zählung = Figurenbilder + Szenenbilder + Requisitenbilder; Stimmklang-Referenzen belegen Audio-Slots, Führungs-Audio keine). Ganzzahl-Slack durch Überblend-/Anschluss-Shots absorbieren, Reihenfolge: Überblend-Shot → abschließender Stimmungs-Shot → Etablierungs-Shot; Aktions- und Emotions-Shots nicht anfassen.
6. Szenenbilder: Standardmäßig 12-Feld-Aufteilungsbild, ohne bewegliche Objekte; die 12 Felder müssen verschiedene Bereiche/Perspektiven abdecken, nicht 12 ähnliche Winkel. Bei Verweis die Raster-Natur deklarieren; bewegliche Objekte als separate Requisitenbilder mit Angabe der Shots und interagierenden Subjekte.
7. Dialog: <d>[Sprache] Originaltext</d> wortwörtlich erhalten, nicht übersetzen, nicht umschreiben, nicht polieren; (Sx) nach Sprechreihenfolge innerhalb des Segments unabhängig nummerieren, jedem Segment eine Rollen→(Sx)-Zuordnungstabelle beifügen (für den Benutzer, nicht Teil des Prompts); Voice-Over mit festen Off-Phrasen und Lippenverschluss deklarieren.
8. Sprache: Erzähltext standardmäßig Chinesisch (Projektschalter, kann auf Englisch umgestellt werden). Feste Token immer Englisch: sechs Abschnitts-Feldnamen, [Shot N], At MM:SS.mmm, Referenz-Tags, <d>[Sprache], <scenetrans>, <cutoff>, retention-Markierungen, summary-Task-Typ-Präfix, N/A.

Häufigste Fehlerquellen

Vollständige Regeln in 01-grammar.md und 00-workflow.md, hier nur die häufigsten und folgenreichsten Fehler:

• Sechs Abschnitte, feste Reihenfolge: subject_definitions → summary → retention_analysis → detailed_description → overall_soundscape → non_diegetic_music. Nicht umstellbar, nicht weglassbar (keine Musik → N/A).
• <Picture N> eigene Einträge nur für Frame/Kompositionsanker (erster Frame/letzter Frame/Keyframe/Kompositionsanker). Bilder, die nur zur Definition von Figuren, Szenen, Requisiten, Stil dienen, erhalten keinen eigenen Eintrag, sondern werden in der entsprechenden <Subject N>-Definition referenziert. Jedes in den Referenzkanal eingespeiste Bild erhält jedoch eine <Picture N>-Nummer, fortlaufend nach Verbindungsreihenfolge dieses Segments (jedes Segment beginnt bei 1); „kein eigener Eintrag“ betrifft nur die Schreibweise, nicht die Nummernbelegung und Zählung.
• Schiffe, Fahrzeuge, große Vehikel als bewegliche Objekte behandeln: Requisitenbild, nicht in Szenenbilder (Szenenbild-Rotlinie: keine beweglichen Objekte).
• Szenenbild-Deklarationssatz: <Subject 2> ist die Umgebung dieses Hofes, Form aus <Picture 2>; <Picture 2> ist ein 12-Feld-Referenzraster mit Mehrwinkelansichten derselben Umgebung, jedes Feld ein anderer Bereich und Blickwinkel desselben Ortes, keine fortlaufende Einstellung oder Storyboard, die 12 Felder ergeben zusammen eine vollständige Panorama, ohne bewegliche Objekte.
• Requisitenbild-Deklarationssatz: <Subject 3> ist die Bambuskorb-Requisite, Form und Flechtmuster aus <Picture 3>; es erscheint in [Shot 6], [Shot 7], getragen von <Subject 1> mit beiden Händen.
• Modus-B-Segment summary-Präfix verwende [reference generation] (bei anderen Referenzen mit + kombinieren); video continuation nur bei vorhandenem <Video N>-Referenzvideo.
• summary-Sprache: Der eckige Klammer-Task-Typ-Präfix ist immer Englisch; die Übersicht nach dem Präfix folgt der Projekt-Textsprache (Standard Chinesisch). §2 von 01-grammar.md „Englische Übersicht“ ist offizielle Standardformulierung, wird durch Projektsprachenschalter überlagert, kein Widerspruch.
• summary deckt alle Tags ab: summary muss die Rolle jedes Referenz-Tags in diesem Segment nennen, einschließlich des an <Audio N> gebundenen Stimmklangs (z. B. „<Audio 1> dient nur als Stimmklang-Referenz für ...“); nur Bild ohne Audio = unvollständige Referenzbeziehung.
• <Subject N>-Definition braucht Textanker: Mindestens 2–3 überprüfbare Merkmale (Alter/Körperbau/Kleidung/Material), nicht nur „Aussehen aus <Picture N>“; das Referenzbild liefert Pixel, der Text liefert Einschränkungen, beide müssen vorhanden sein, um Drift zu vermeiden.
• Sprecher beim ersten Sprechen im Satz deklarieren (Identität/Alter/Geschlecht/ob sichtbar/Tonhöhe etc. + (Sx)), danach Wiederverwendung ohne erneute Deklaration; retention_analysis darf kein (Sx) enthalten.
• Dialog-Vollsatz: <Sprecher-Tag> (<Sx>) + Sprechverb + <d>[Sprache] Originaltext</d>. <d> unmittelbar nach dem Sprechverb, eigener Satz; <d> nicht in Beschreibungssätze wie „Lippenbewegung synchron mit ...“ einbetten.
• Dialog-Zeitbudget nach breiterem Ansatz: §2 von 05-rhythm.md „Zeichen÷3 (bedächtig÷2.5) + 2–2.5s“ hat Vorrang vor der +1.5–2s-Baseline von 00-workflow.md; Schnittpunkte können abweichen, Puffer lieber breit als knapp.
• Keinen im Original nicht vorhandenen Dialog hinzufügen: Standardmäßig nur drei Optionen: „behalten / zu Voice-Over umwandeln / löschen“; bei explizitem Benutzerwunsch nach Ergänzung, Entscheidung Satz für Satz in den Auslieferungs-Entscheidungslogik aufnehmen und Figurensprache und Zeitvokabular wahren.
• Kameraführung als natürliche Aktionssätze innerhalb des Shots schreiben (Typ + Amplitude + Geschwindigkeit, letztere nur bei Bedeutung), kein Token-Stapeln.
• Aktionen haben Start- und Endzustand; jedes Aufnehmen/Ablegen eines Objekts mit Herkunft und Ziel angeben; nur eine Instanz desselben Requisits; Tischdekoration einzeln benennen; Kernaktionen erhalten eigenen Shot mit sichtbarem Ergebnis.
• Formveränderungen an Segmentgrenzen platzieren: Vor der Veränderung hängt das Segment das alte Formbild, nach der Veränderung das neue Formbild; das Segment mit der Veränderung selbst hängt nur das neue Formbild, der Startzustand vor der Veränderung wird durch die letzten 22 Frames des vorherigen Segments geführt. Falls die Veränderung innerhalb eines Segments stattfindet, vorzugsweise das Segment aufteilen oder die Veränderung an den Segmentanfang verschieben, um zwei widersprüchliche Referenzbilder im selben Segment zu vermeiden.
• Bereich der Stimmklang-Referenz: Segmente mit Sprechanteil erhalten die Stimmklang-Referenz dieser Figur; Segmente ohne Sprechanteil nicht, um herrenlose <Audio N> zu vermeiden; dieselbe Figur segmentübergreifend immer dieselbe Datei.

Auslieferungsdatei

Streng nach dem Gerüst von assets/delivery-template.md schreiben, Strukturdefinition in 00-workflow.md §4:

1. Übersichtstabelle (Segmentnummer | Shot-Komposition inkl. Slack-Notiz | Segmentdauer-Rasterwert | Referenz-Slots | Führungsquelle) + globale Generierungsparameter
2. Asset-Tabelle (Globale Nummer | Name | Ankerbeschreibung | Bildgenerierungs-Prompt oder Benutzer-Markierung)
3. Gesamtverbindungsdiagramm – standardmäßig weggelassen, die segmentweise Verbindungsliste ist die Arbeitsversion; nur bei explizitem Benutzerwunsch als mermaid
4. Segmentweise Blöcke: Parameter → Verbindungsliste (Referenzkanal + Führungskanal + Sprecher-Zuordnung + Dialogkalkulation) → sechs Prompt-Abschnitte → Zusammenfügungsanweisung

Die Pläne aus Phase ①–④ (Figurentabelle / Szenentabelle / Shot-Tabelle / Formveränderungstabelle / Dialog-Satz-für-Satz-Kalkulationstabelle) stehen vor der Auslieferungsdatei, alle in Tabellenform; das Verpackungsergebnis wird in die Spalte „Segmentnummer“ der Shot-Tabelle eingetragen, keine separate Verpackungstabelle; bei keiner Formveränderung lautet die Tabelle „keine“.

Inkrementell schreiben: Zuerst die Übersichtstabelle + das Asset-Tabellen-Gerüst schreiben, dann segmentweise Tool-Aufrufe zum Anhängen. Nicht die vollständige Auslieferung in eine einzelne Chat-Nachricht packen; im Chat nur Fortschrittsnotizen, endgültige Zusammenfassung und Dateipfad.

Ausführungsdisziplin

• Vollautomatisch: Kein Warten auf Bestätigung zwischen den Phasen. Entscheidungen (Anpassungsumfang, Voice-Over-Position, Nahtstellen, Requisitenbild/kein Requisitenbild etc.) werden im Moment der Entscheidung im Auslieferungs-„Entscheidungsprotokoll“ festgehalten, bei Wiederherstellung nach Absturz nach Protokoll ausgeführt, nicht neu abgewogen.
• Sprache A/B: Das Norm-Repository zeigt, dass der chinesische Fließtext in einem realen Projekt A/B-validiert wurde und als Standard Chinesisch bestehen bleibt (siehe 10-troubleshooting.md §1). Standardmäßig keine zweisprachige Version; nur bei explizitem Benutzerwunsch neu testen.
• Nicht spezifizierte Attribute endgültig festlegen: Im Originaltext nicht angegebene Figurenalter/Geschlecht/Äußeres werden in Phase ① endgültig festgelegt und im Entscheidungsprotokoll festgehalten; Asset-Bilder, Figurentabelle, Prompts verwenden denselben Satz Ankerpunkte, keine getrennten Sätze.
• Prüfpunkt in Ein-Runden-Umgebungen: Wenn die Laufzeitumgebung keine echte Rundenunterbrechung zulässt (Untertasks/automatisierter Ein-Runden-Aufruf), Phase ⑤⑥ kontinuierlich ausführen und in der Zusammenfassung „Phase-④-Rundenprüfpunkt übersprungen“ vermerken; nicht anhalten, um auf „Weiter“ zu warten.
• Leere Suche überspringen: Falls bei Verwendung einer Wissensdatenbank-Rücksuche die Suche leer ist, maximal 1 Versuch, dann „Dieses Modul-Norm fehlt, Ausführung nach offizieller Grammatik und allgemeinen Regeln“ vermerken, keine Neuformulierung versuchen.
• Fehler-Selbstrettung: Bei mittendrin auftretenden Fehlern/Abrüchen zuerst bereits geschriebene Auslieferung lesen, ab dem letzten erfolgreichen Segmentblock weiterschreiben, nicht von vorne neu starten.
• Inline-QA: Beim Schreiben jedes Segments die relevanten Punkte für dieses Segment mitprüfen; nach Abschluss aller Segmente nur einmal segmentübergreifende Prüfung (Nahtstellen/Gesamtzahl Tags/Gesamtdauer/Referenzzählung).

Fehlerbehebung während der Generierung

Bei Benutzerfeedback, dass das generierte Ergebnis nicht den Anforderungen entspricht, references/10-troubleshooting.md lesen: Zuerst die Ebene lokalisieren (Verdrahtungsebene → Prompt-Ebene → Asset-Ebene), zuerst diagnostizieren, dann Parameter ändern, jeweils nur eine Variable. Kaskadenregel: Nach Neugenerierung von Segment N müssen die Führungssegmente von Segment N+1 und danach aus dem neuen Ergebnis neu extrahiert werden; stimmt der Zustand des neuen letzten Frames nicht mit der ursprünglichen Eröffnungsbeschreibung überein, die nachgelagerten Eröffnungsbeschreibungen synchron überarbeiten.

Referenzdatei-Index

Datei	Inhalt
references/00-workflow.md	[Workflow-Autorität] Sechs Phasen, Verpackung, Segmentierungsmodus B, Auslieferungsstruktur, vollständige QA-Checkliste, Effizienzregeln, Konfliktschlichtung
references/01-grammar.md	[Syntax-Baseline] Ref2VA sechs Abschnitte, Tags und Dual-Channel, Dialog-Phrasen, Zeitraster, lokale Knotenparameter, Verbotsliste
references/02-assets.md	Figurenbilder / 12-Feld-Szenenbilder / Requisitenbilder (inkl. Mehrfachformen) / Stimmklang-Referenz-Audio und Rotlinien
references/03-camera.md	Einstellungsgrößensystem, Eröffnungs-Hooks, Kameraführungsoptionen, Achse, Kameraführungs-Rotlinien
references/04-emotion.md	Prinzip der Emotionssichtbarkeit, drei Darstellungsebenen, Emotions-Shot-Verweildauer
references/05-rhythm.md	Anschlussaktions-Auswahl, Zeitbudget und Satz-für-Satz-Kalkulation, Ein-Durchlauf-Verpackungsalgorithmus, Aktionsbeschreibung
references/06-sound.md	Drei Tonebenen-Zuordnung, Kontinuität, Musikproduktionstechnik, Tonerzählung
references/07-style.md	Stilanker-Viererset, Epochenkonsistenz-Rotlinie, Lichtquellen-Nennung, Farben
references/08-dialogue.md	Drei Dialogoptionen, Dichtebudget, Voice-Over-Technik, Mehrpersonen-Dialog, Originaltext-Treue
references/09-transition.md	Inner-Segment-Übergangsvokabular, Überblend-Shots, segmentübergreifende Nahtstellen, Gehregeln
references/10-troubleshooting.md	Fehler-Schnellübersicht, Wiederholungsentscheidung und kaskadierte Neugenerierung
references/official/official-skill.md	Offizieller H3 Skill-Originaltext (T2VA/I2VA/FL2VA/L2VA/Ref2VA-Einstieg; bei Installation abrufen, nicht mit Repository verteilt)
references/official/base-en.txt	Offizielle base-Modus-Syntax (T2VA/I2VA/FL2VA/L2VA; bei Installation abrufen)
references/official/ref-en.txt	Offizielle Ref2VA-Sechs-Abschnitts-Syntax (Tags, retention, vollständiges Beispiel; bei Installation abrufen)
references/README.md	Quelle, Version, Dateinamenszuordnung und Aktualisierungsmethode
assets/delivery-template.md	Auslieferungsdatei-Gerüst und Tabellenköpfe

Konfliktschlichtung: Offizielle drei Dokumente (references/official/, müssen zuerst abgerufen werden) ＞ 00-workflow.md ＞ 03–09 Kreativmodule. Kreativmodule dürfen Workflow und offizielle Syntax nicht ändern.